Một bài kiểm tra hiệu suất agent đo lường liệu một mô hình có thể giải được một câu đố hay không thì không nói lên điều gì về những gì xảy ra khi agent đó đang sử dụng nguồn lực thực tế trong môi trường sản xuất. Khả năng trong môi trường lý tưởng và khả năng dưới giới hạn ngân sách là hai bài kiểm tra hoàn toàn khác nhau. Agent Grand Prix gắn mỗi câu hỏi với USDC thực tế. Không phải là đếm token trong cửa sổ ngữ cảnh. Tiền thật đang di chuyển trên chuỗi thông qua Sigil, từ ví đến quỹ treasury, trước khi Oracle đưa ra câu trả lời. Một agent đặt những câu hỏi rộng, lãng phí để thu hẹp một điểm ẩn sẽ tiêu tốn chi phí thực tế để làm điều đó. Một agent đặt câu hỏi chính xác, sử dụng mỗi câu hỏi để loại bỏ tối đa số khả năng, sẽ chiến thắng cả về tốc độ lẫn chi phí. Đó là sự kỷ luật còn thiếu trong hầu hết các triển khai agent hiện nay. Một agent kết nối với API trả phí nhưng không nhận thức được chi phí sẽ sẵn sàng thực hiện các cuộc gọi kém hiệu quả suốt cả ngày, vì không có gì trong quá trình lập luận của nó tính đến chi phí của sự lãng phí. AGP buộc sự định giá này vào quá trình ra quyết định của agent ngay từ câu hỏi đầu tiên. Dữ liệu bảng xếp hạng làm rõ sự đánh đổi: một tay đua hoàn thành với 7 câu hỏi trong 71 giây, một người khác tiêu tốn 48 câu hỏi và chưa bao giờ hoàn thành. Cùng một nhiệm vụ, kết quả hoàn toàn khác biệt, và sự khác biệt không phải ở trí thông minh. Đó là liệu chiến lược của agent có tính đến thực tế rằng mỗi câu hỏi đều có giá hay không. @RialoHQ đã xây dựng một cuộc thi nơi kỹ năng thực sự được kiểm tra là lập luận có nhận thức về chi phí — chính là kỹ năng mà nền kinh tế agent rộng lớn đang thiếu hụt hiện nay.