一个人到底能同时驱动多少个 agent？
这个问题我问了自己一年多。2026 年上半年，答案被彻底改写了一遍——但改写它的不是模型更聪明了，而是它变便宜了。这句话值得你多读一遍，因为整个行业的注意力都押在前半句，真正撬动格局的却是后半句。
我常年把前沿模型和开源模型的发布、一手信源、论文与 benchmark、推理成本数据尽量全量过一遍。过去半年最强烈的一个体感是：智能的天花板每隔几个月抬一点，但智能的地板——也就是"跑一次同等质量的推理要花多少钱"——是在整段整段地往下塌。塌到什么程度？据分析测算，在同等智能水平下，开源模型现在大致比闭源旗舰便宜了近九成。近九成不是打折，是换了一个数量级。
而 agent，恰恰是这个世界上最不挑智能上限、最挑智能地板的工作负载。
先想清楚：Agent 的物理定律是成本
我们习惯把大模型当成一个"一问一答"的东西。你问一句，它答一句，token 用量是有限的、可预期的。但 agent 不是这样。一个 agent 干活，是一个持续燃烧 token 的循环：读上下文、规划、调工具、读工具返回、反思、再规划、再调工具……一个稍微复杂的任务，agent 内部可能来回几十上百轮，每一轮都在往模型里灌 token、再从模型里抽 token 出来。
所以我一直强调一句判断：对 agent 来说，成本不是财务细节，是物理定律。 它决定了你能不能让 agent 一直跑、能跑多少个、敢不敢让它"过夜"替你干活。一个按闭源旗舰价计费、24 小时不停的 agent 舰队，账单会以一种很不讲道理的速度膨胀——不是因为它笨，恰恰是因为它勤快。
这就是为什么"便宜近九成"这件事，对个人开发者的意义，比"又出了个更强的模型"大得多。更强的模型让你能做以前做不到的事；更便宜的模型让你能一直做以前只敢偶尔做的事。前者拓宽能力边界，后者拓宽能力的"运行时长"。而超级个体的杠杆，藏在运行时长里。
不同任务形态，烧 token 的量级完全不同
在算总账之前，得先把一件事讲清楚，否则后面所有的账都是糊的：“一个 agent 任务"不是一个有意义的计量单位。 不同形态的任务，token 消耗差着两三个数量级，你拿平均值去估算，估出来的东西没有任何指导价值。
我按自己跑的负载，把常见的 agent 任务形态粗分成四类。下面这张表的数字是我这条特定管线的量级观察，不是普适常数——你换个领域、换个 prompt 风格、换个工具集，绝对值会变，但这个量级阶梯的形状是稳定的：
| 任务形态 | 典型来回轮数 | 单次任务总 token（量级） | 主要消耗在哪 |
|---|---|---|---|
| 单次分类 / 抽字段 | 1 | 千级 | 输入的那一小段正文 |
| 摘要一篇长文 | 1–2 | 万级 | 输入的全文 |
| 多步检索 + 综合 | 5–15 | 十万级 | 每轮都把检索结果重新灌进去 |
| 代码库巡检 / 重构 | 30–100+ | 百万级 | 上下文反复重放 + 长输出 |
这张表里最该被记住的，不是任何一个具体数字，而是跨度：从千级到百万级，中间隔着三个数量级。一个代码巡检任务，抵得上一千次分类任务。
而 token 是怎么被烧掉的，也值得掰开看。很多人的直觉是"agent 干了 30 轮，就是 30 次调用的钱”——这是错的，而且错得很离谱。因为 agent 的每一轮，都要把之前所有轮的上下文重新发一遍给模型。它没有记忆，它的"记忆"就是每次把全部历史重新灌进去。
一个 30 轮的 agent 任务，输入 token 是怎么滚起来的
（设初始上下文 5K，每轮工具返回 + 模型输出增加约 2K）
轮次 本轮输入 = 历史全量 累计输入
─────────────────────────────────────────────
第 1 轮 5K 5K
第 5 轮 5K + 4×2K = 13K ~45K
第 10 轮 5K + 9×2K = 23K ~140K
第 20 轮 5K + 19×2K = 43K ~480K
第 30 轮 5K + 29×2K = 63K ~1,020K
累计输入 ≈ Σ(5K + 2K×n)，n 从 0 到 29
≈ 30×5K + 2K×(29×30/2)
≈ 150K + 870K ≈ 1.02M token
（量级示意，实际取决于你的上下文管理策略）
看清楚这个形状：轮数翻倍，成本大约变成四倍。 因为累计输入是轮数的平方项（Σn ≈ n²/2）。这是 agent 成本最反直觉、也最要命的一条性质——它不是线性的，是二次的。 你的 agent 多绕了几轮弯路，账单不是多一点，是多一截。
这条性质有两个直接推论，都很实用：
- 省 token 的最大杠杆不是换便宜模型，是让 agent 少绕弯。 一个 30 轮能干完的活儿，你把它压到 15 轮，成本掉到约四分之一——这个收益比换模型还大，而且不损失一分质量。
- 上下文管理不是洁癖，是财务。 每一轮塞进去的冗余 token，都要在剩下的所有轮里被重复计费。第 3 轮多塞了 1K 无用的东西，跑到第 30 轮，你为这 1K 付了 27 遍钱。
明白了这一点，再来算总账，你就知道这笔账为什么会大得那么离谱。
算一笔账：一夜 token 消耗，闭源 vs 开源
空谈便宜没意思，我们算一笔账。数字都标成示意/估算，你不要当报价，只感受量级。
假设我养一支过夜 agent 舰队：5 个 agent，各自处理不同任务线（情报汇总、代码巡检、文档整理、竞品追踪、素材去重），跑一整晚 8 小时。据我的大致量级观察，这样一支舰队一夜下来，吞吐个几千万 token 是很正常的——agent 的上下文来回重放非常吃 token，别用聊天的直觉去估它。
我们保守取一夜 5000 万 token，输入输出按 7:3 分。再放两组量级示意的单价：
- 某旗舰闭源：约 $5 / 百万输入 token，$25 / 百万输出 token
- 某强开源：约 $0.30 / 百万输入 token，$1.20 / 百万输出 token
一夜 5000 万 token（输入 3500 万 / 输出 1500 万）
┌─────────────────────────────────────────────────────────┐
闭源旗舰 │ 输入 3500万 × $5 = $175 │
│ 输出 1500万 × $25 = $375 │
│ ───────────────────────────── │
│ 一夜合计 ≈ $550 → 一个月 ≈ $16,500 │
└─────────────────────────────────────────────────────────┘
┌─────────────────────────────────────────────────────────┐
强开源 │ 输入 3500万 × $0.30 = $10.5 │
│ 输出 1500万 × $1.20 = $18 │
│ ───────────────────────────── │
│ 一夜合计 ≈ $28.5 → 一个月 ≈ $855 │
└─────────────────────────────────────────────────────────┘
同一支舰队，同一晚活儿：$550 vs $28.5
月账单：一台入门级二手车 vs 一顿好点的饭
（数字为量级示意，非实时报价）
请注意，我不是在说开源模型跑这活儿的质量和闭源旗舰一模一样——这点后面会诚实地掰扯。我是在说：当价格差到这个量级，“要不要用"这个问题的性质就变了。 $16,500/月，个人开发者想都不会想，这是一家小公司的预算；$855/月，是一个认真的独立开发者咬咬牙养得起的东西。同样一个 agent 任务，闭源旗舰价下可能是"几美元一次”，换到强开源就掉到"几分钱一次"。几美元和几分钱之间，隔着的不是钱，是"敢不敢让它一直跑"的心理阈值。 越过这个阈值，过夜 agent 舰队从 PPT 里的概念，变成你今晚就能开机的东西。
闭源溢价为什么坍塌：份额还小，价格已崩
有人会问：便宜是便宜，可开源模型真追得上吗？
这就要讲这半年最有意思的一个错位。据我持续追踪，开源模型在推理、编码、agent 这三类最吃 token 的任务上，和闭源旗舰的差距已经收窄到"大多数生产场景够用"的程度——不是全面碾压，而是在你真正会大量重复跑的那类活儿上，够好了。而恰恰是这类活儿，最该便宜。
但另一个数字很值得玩味：据分析测算，开源模型在全行业总 token 用量里，目前大概只占 25–30%。也就是说——价格已经崩了，份额还没到。 大量的 token 还在按闭源旗舰价燃烧，很多只是因为惯性、默认选项、或者"当初接的就是它"。
我把这个叫做闭源溢价的坍塌，而且是那种先在价格上坍塌、再慢慢在份额上兑现的坍塌。价格是领先指标，份额是滞后指标。对个人来说，这中间的时间差就是窗口：当大多数人还在按旗舰价付费的时候，先把自己的 agent 负载迁到开源路由上的人，等于给自己的每一份产能都上了近九成的折扣。 这不是省钱，这是杠杆——在《超级个体的情报系统：98% 不是 AI 》里我聊过信息处理能力才是稀缺品，而这里补上的是另一半：处理信息的算力，第一次便宜到个人可以敞开用。
一张图讲清多模型路由
坍塌之后，真正的架构变化只有一句话：别再让所有操作都按旗舰价计费。
过去我们习惯挑"一个最强的模型"，然后所有活儿都喂给它。这在成本是物理定律的 agent 世界里是纯粹的浪费——你让一个律师去帮你抄写、让一个建筑师去帮你搬砖，还按他们的时薪付钱。正确的做法是多模型路由：按任务的性质，把每一次调用送到"刚好够用且最便宜"的那个模型上。
一次 agent 调用进来
│
┌─────────┴─────────┐
│ 路由器 / Router │ ← 判断任务类型
└─────────┬─────────┘
┌──────────────┬─────┴──────┬───────────────┐
▼ ▼ ▼ ▼
┌─────────┐ ┌──────────┐ ┌─────────┐ ┌──────────┐
│ 复杂推理 │ │ 编码任务 │ │ 对话/轻活│ │ 批量去重 │
│ 规划决策 │ │ 重构/写码 │ │ 分类/摘要│ │ 格式化 │
└────┬────┘ └────┬─────┘ └────┬────┘ └────┬─────┘
▼ ▼ ▼ ▼
强开源大模型 编码专用变体 轻量小模型 最便宜小模型
（或闭源旗舰 （便宜且更准） （几分之一价） （近乎白菜价）
仅在必要时）
│ │ │ │
└─────────────┴──────┬──────┴─────────────┘
▼
只有 <10% 的调用真正需要旗舰级智能
其余 90% 用便宜模型跑，总账单降一个数量级
这张图的核心不是"用了几个模型"，而是那句话：真正需要旗舰级智能的调用，往往不到十分之一。 剩下九成，是读文件、抽字段、分类、摘要、格式化、去重这类"体力活"——它们贡献了绝大部分 token 用量，却几乎不需要顶级智能。让这九成的体力活也按旗舰价跑，就是在为不存在的智能付费。
这半年我对自己 agent 栈做的最有价值的一件事，不是换了更强的模型，而是把路由这层认真搭起来。这件事的 ROI 是骇人的：几乎不损失质量，账单直接掉一个量级。它已经不是一个"优化技巧"了，它是默认架构。
路由器凭什么做决策
图好画，难的是那个"路由器"到底看什么下判断。这半年我踩下来，能用的判据其实很朴素，而且排在最前面的那几条根本不需要模型参与——用规则就能决定，一分钱不花。
我把判据按"先便宜后贵"排成一条链，和第一篇里三级去重的思路是同一个道理：便宜的过滤器必须排在贵的前面。
| 判据 | 怎么判 | 成本 | 指向 |
|---|---|---|---|
| 任务类型标签 | 调用方自己声明（这是抽字段/这是规划） | 免费 | 直接命中对应档位 |
| 输入长度 | 数 token | 免费 | 超长 → 先压缩，别直接上旗舰 |
| 输出是否结构化 | 有没有给 schema | 免费 | 有 schema → 小模型足够 |
| 是否可逆 | 这步错了能不能重来 | 免费 | 不可逆 → 升档 + 人在回路 |
| 历史命中率 | 这类任务小模型过去的通过率 | 便宜（查表） | 低于阈值 → 升档 |
| 语义复杂度 | 让小模型先判"这题难不难" | 便宜 | 判难 → 升档 |
前四条是纯规则，覆盖了我这边大部分的路由决策——它们连一次模型调用都不需要。这一点很重要，因为我见过不少人一上来就想搭一个"智能路由器"，用一个模型去判断该用哪个模型。那你就凭空多了一次调用、多了一个延迟、多了一个会出错的环节，去解决一个 if 语句就能解决的问题。能用 if 解决的，别用模型。
第四条"是否可逆"值得单独说，因为它是唯一一条不以省钱为目标的判据。它问的不是"这题难不难"，是"这题错了赔不赔得起"。给数据库写一条记录、发一封邮件、提一个 commit——这些动作错了要么难回滚要么根本回不了头。在不可逆的动作上省钱是最坏的省法：你省下的是几分钱，赌上的是一次需要你花一小时手工清理的烂摊子。这条判据往下接的，就是本专栏第四篇《怎么才能放心把活交给一个没人盯着的 AI Agent 》讲的信任工程——路由的降档边界，本质上是由你的信任边界画出来的，不是由价格表画出来的。
还有一个反直觉的落地经验：升档要比降档更积极。 路由器判错方向的代价是极不对称的——该用便宜模型你用了旗舰，你多花了几分钱；该用旗舰你用了便宜模型，agent 拿着一个错误的中间结论继续往下跑二十轮，那二十轮的钱全白烧，而且最后产出还是错的，还得你人肉去发现它错了。省错一次的成本，远大于省对一百次的收益。 所以我的路由器在拿不准的时候，一律往上走。
规模化之后，成本曲线会拐弯
前面算的账有一个隐含假设：成本随规模线性增长。 5 个 agent 花 $28.5，50 个就花 $285。在小规模下这个假设够用，但它会在某个点失效——而且失效的方向对你不利。
我把这条曲线拆成三段，你会看到 token 单价这件事，只在第一段里是主角：
养 agent 舰队的总成本，随规模的三段形状
成本
▲
│ ╱ ← 第三段：人的时间
│ ╱ 成为瓶颈，斜率再抬
│ ╱
│ ╱───────╯ ← 拐点二：
│ ╱ 你看不过来了
│ ╱────╯ ← 第二段：token 便宜，
│ ╱────╯ 但 eval / 运维 / 质检
│ ╱───╯ 的固定成本摊进来
│ ╱──╯ ← 拐点一：你开始需要"知道它们在干嘛"
│ ╱─╯ ← 第一段：token 成本主导，近似线性
└──────────────────────────────────────────────▶ agent 数量
1-2 个 5-20 个 50+ 个
第一段：token 是主要成本 → 便宜近九成 = 总账单降九成
第二段：token 退居次要 → 便宜近九成 = 总账单降五成？三成？
第三段：token 几乎不在账单上 → 便宜近九成 ≈ 无感
这张图想说的只有一句：token 便宜近九成，只在第一段是九成。 越往右，token 在总成本里的占比越小，“便宜近九成"这个数字的意义就越稀薄。
两个拐点值得分别说：
拐点一，出现在你开始需要"知道它们在干嘛"的时候。 一两个 agent，你可以人肉盯着；到五个十个，你必须有日志、有告警、有一个地方能一眼看出哪个卡了、哪个在空转。这套东西的成本，跟你跑几个 agent 关系不大，是一笔固定投入——但它一旦被摊进来，你的"每 agent 成本"就再也不是从原点出发的那条直线了。这也是为什么很多人算完 token 账觉得便宜得不可思议，真跑起来却发现没省那么多：他们算的是第一段的账，跑的是第二段的活。
拐点二，出现在你自己看不过来的时候。 这个拐点最狠，因为它花的不是钱，是你的时间——而你的时间没法用 $0.30/百万 token 买。50 个 agent 一夜产出的东西，就算每个只要你看 5 分钟，也是 4 个多小时。你的舰队规模上限，从来不是你的预算，是你的注意力。 这跟本专栏第一篇《让 AI 自动帮你追全网资讯，最后会卡在哪里 》里那个漏斗是同一件事的两种说法：那边是信息量压不下来，这边是产出量压不下来，卡住的都是同一个东西——你的判断带宽。
所以关于规模，我的结论是一句听起来很扫兴的话：成本坍塌让你从"养不起 2 个"变成"养得起 20 个”，但它没让你"看得过来 200 个"。 从 2 到 20 是 token 价格给的；从 20 往上，得靠别的东西给——而那个"别的东西"，就是这篇最后要泼的那盆冷水。
杠杆变长了：一个人能撬动多大产能
把上面几件事叠在一起——成本坍塌、路由默认化——你会得到一个对个人开发者非常重要的结论：杠杆变长了。
超级个体的故事，本质是一个人用工具把自己的产能放大到不成比例。过去这个放大器的瓶颈往往不是"想不出来要 agent 干什么"，而是"养不起让 agent 一直干"。你有一百个想让 agent 帮你盯着的东西，但你只敢开一两个，因为每多开一个都是真金白银在烧。成本地板，就是想象力的地板。
现在地板塌了近九成。同样一份预算，你能同时驱动的 agent 从"一两个"变成"一支舰队"。这意味着你可以让 agent 去做那些单独看不划算、但一直做就有复利的事：每晚扫一遍你关注的所有信源、持续对你的代码库做巡检、把散落的素材去重归档、盯着竞品的每一次更新。这些事人来做太贵、太枯燥，以前让 agent 做又太烧钱——现在它们第一次同时变得"便宜到值得一直做"。关于这种主动型、过夜运转的 agent 长什么样，我在《会反过来 prompt 你的主动 agent 》里描过它的形态，这里补上的是让那个形态跑得起、养得起的经济基础。
信息不值钱，值钱的是处理信息的能力。 而这半年发生的事是：处理信息的能力，它的单价崩了。
你今晚能做的四件事
讲了这么多判断，落到你手上应该是可执行的动作。下面四件事按我自己做的顺序排，ROI 从高到低。
第一，先量，再优化。 在你换任何模型之前，先回答三个问题：你的 token 花在哪个 agent 上？那个 agent 的 token 花在哪一类调用上？那类调用里输入输出各占多少？没有这三个答案，你所有的优化都是瞎猜。这件事的门槛低到过分——在你的模型调用外面包一层，把 任务类型 / 输入 token / 输出 token / 用了哪个模型 / 花了多少 记进一张表，就够了。我打赌你量完的第一反应会是"怎么是它？"——大多数人的 token 大户，都不是他们以为的那个。
第二，砍轮数，优先于换模型。 回到前面那条平方曲线：轮数减半，成本降到约四分之一。所以先看你的 agent 有没有在绕弯——是不是在反复读同一个文件、是不是在工具返回里塞了一堆用不上的字段、是不是因为 prompt 不清楚而多试了三次。这些是纯赚的：省了钱，还快了，还更准。 换模型是拿质量换钱，砍轮数不用拿任何东西去换。
第三，把路由从最没风险的那一档开始接。 别一上来就重构整条链。挑一类又高频、又可逆、又容易验证对错的调用——分类、打标签、抽字段这种——先把它降到小模型，跑一周，对比质量。这一类通常就贡献了相当一部分 token，而且错了几乎没有代价。先吃掉这块，账单会有肉眼可见的变化，而你几乎没冒任何风险。
第四，给每个降档决策留一个回滚开关。 每一档都要能一行配置切回去。这不是洁癖——你会需要它：开源模型的一次版本更新、你 prompt 的一次微调，都可能让某一档突然不够用了。能十秒钟切回去，你才敢大胆地降档。
反过来，下面几件事是反模式，我自己全踩过：
- 在不可逆动作上省钱。 写数据库、发消息、提交代码——这些地方的模型钱，是你最不该省的那部分。
- 为了省钱把上下文压得太狠。 压上下文是对的，但压过头，agent 会因为缺信息而多绕五轮，那五轮的钱远超你省下的。这是最常见的"省出反效果"。
- 没有 eval 就换模型。 你把一档降到便宜模型，账单掉了，你很开心。质量掉没掉？你不知道。没有 eval 的降档不叫优化，叫赌博——而且是那种过很久才开奖、开奖时已经赔了很多的赌。
- 把路由器做成一个模型。 能用
if解决的，别用模型。 - 只盯 token 单价，不看总账。 在第二段的曲线上死抠单价，不如把 eval 和运维那套东西搭利索——那才是你那一段真正的大头。
下半场预测
到这儿，把前面的观察往前推，我给出这个专栏这一篇的几条判断——这是《2026 AI 上半场观察以及下半场预测》，下半场我押这几个方向：
其一，多模型路由会从"高级玩法"变成"默认架构"。 到年底，一个认真搭 agent 的人，如果还在把所有调用喂给同一个旗舰模型，会像今天还在手写 SQL 拼接字符串一样，是一种可辨识的、要被淘汰的落后姿势。路由会内置进主流 agent 框架，成为你新建项目时的默认脚手架，而不是你事后才想起来做的优化。
其二，对成本敏感的 agent 负载，会最先、最彻底地倒向开源。 那些高频、重复、体力活性质的 token 消耗大户——批量处理、数据清洗、持续监控——会成为开源模型份额从 25–30% 往上爬的主力。份额这个滞后指标，会在下半年开始追价格这个领先指标。错位会收敛，但收敛期就是窗口期。而窗口期的机会长什么样、哪些已经挤成红海、哪些还空着，是本专栏最后一篇《2026 下半场，AI Agent 的红海已满，蓝海在哪 》要画的地图——这里只提醒一句：别人还在按旗舰价烧钱的时间差，本身就是一种可以下注的资产。
其三，自建与优化推理基础设施，会从"大厂专属"变成一种个人也够得着的优势。 当模型权重开源、单价已经很低时，谁能再往下压一层——用更省的推理框架、更聪明的批处理、更贴合负载的部署——谁就能在别人的地板之下再挖一层地下室。这一层会成为下半场里一个被低估的、真实的护城河，而且它对个人不再是遥不可及：便宜的开源权重 + 成熟的推理工具链，让"自己伺候自己的推理"第一次变得可行。
Caveat：便宜，从来不等于免费
写到这里必须踩一脚刹车，否则这篇就成了鼓吹。
我信奉一条我常引的 Lusser’s Law——一个系统的可靠性，是它所有环节可靠性的乘积，任何一环拉胯，整体就崩。便宜的 token 只是把一个环节的价格打下来了，它没有把其余环节变免费，甚至恰恰相反：当调用便宜到你敢海量地跑，其余环节的成本反而被放大了。
养一支 agent 舰队，真正的账单不在 token 上。它在这些地方：可靠性——开源模型偶尔的抽风、格式漂移、幻觉，你得有兜底；评测——你怎么知道换了个便宜模型之后质量没掉？你得有一套持续跑的 eval，这本身就是个工程，也是《怎么才能放心把活交给一个没人盯着的 AI Agent 》那篇的主题：便宜让你敢让 agent 过夜，而敢不敢真的睡着，取决于你有没有把评测和护栏建起来；运维——五个 agent 跑一夜，早上你得有能力知道哪个卡了、哪个跑偏了、哪个在空转烧钱；质检与去重——agent 产出的东西鱼龙混杂，你得有一层把关，否则便宜换来的是一堆需要人肉清理的垃圾。
这就回到我反复讲的那个数字：这台机器 98.4% 是脚手架，1.6% 才是判断——是 harness，不是魔法。token 便宜近九成，省掉的是那 98.4% 里"模型调用"这一小块的钱；而搭 harness、做 HITL（human-in-the-loop）、写 eval、盯运维这些活儿，一分没省，甚至因为你现在敢跑得更多而变得更重。关于这套 98.4% 脚手架到底由什么构成，我在《Agent 工程：那 98.4% 的 harness 》里拆得更细。便宜的模型让你敢养一支舰队，但让这支舰队不翻船的，是你在模型之外搭的那一整套东西。 这部分，AI 帮不了你，得你自己搭。
结尾
回到开头那个问题：一个人到底能养多大的 agent 舰队？
半年前我的答案是"一两个，而且得省着开"。今天我的答案是"一支，只要你搭得起那套 harness"。变化不来自模型变聪明——它一直在变聪明，那不新鲜；变化来自模型变便宜，便宜到跨过了个人敢让它一直跑的心理阈值。 这是一次安静的、不上头条的降维打击：它没让任何一个 benchmark 刷新纪录，却把"过夜 agent 舰队"这件事，从企业的专利，第一次真正交到了个人手里。
但我不想让你带着"从此躺赢"的错觉离开。成本坍塌打开的是门，不是路。 门后面那条路——可靠性、评测、运维、判断——还得你自己一步步走，而且现在因为你走得起了，反而要走得更认真。便宜的从来只是燃料，值钱的永远是驾驶。地板塌了近九成，天花板还在你自己手里。这半年真正该问的，不是"模型又便宜了多少"，而是——便宜省下来的那份预算和胆量，你打算拿去撬动一件多大的事？
读者回响