最近 AI 开发者圈子里有个略带自嘲的新词，叫 “Tokenmaxxing”——把 Token 消耗拉到极限。Token 预算，俨然成了衡量一支团队"AI 化"有多深的新指标，甚至有创业公司把自家的模型账单晒到社交平台上，当作公司够不够"AI native"的证明。

热闹背后，一个更现实的问题被盖住了：我们花掉的这些 Token，到底换回了什么？

就在这种气氛里，6 月 1 日，一家叫 Agnes AI 的公司做了个挺扎眼的动作——把旗下文本、图片、视频三类模型的 API，无限期免费开放给全球开发者。

值不值得聊？我觉得值得，但不是因为"免费"两个字本身，而是它正好戳中了当下 AI 落地最真实的一根刺。

一、先说为什么"免费"这一刀，砍在了痛处

成本在涨，这不是错觉。

把几组公开数据摆在一起看，画面就清楚了：高盛预测，未来几年 Token 的使用量可能增长 24 倍以上；英伟达一位负责应用深度学习的高管甚至直言，如今 AI 的成本已经超过了团队的薪资开销。

更尴尬的是产出这一端。以最热的"AI 写代码"为例：

• 据研发数据平台 Waydev 对 50 多家企业的跟踪，AI 生成的代码，长期被保留下来的比例只有 10%~30%；
• GitClear 的报告更直接——重度使用 AI 的开发者，代码返工量是不用 AI 的 9.4 倍；
• 另一家平台 Jellyfish 的统计里，有团队代码吞吐量翻了一倍，代价却是 Token 成本飙升近 10 倍。

（以上为各机构公开报道的数据，口径不一，仅供参考。）

数字未必精确，方向却挺一致：调用量和账单在往上冲，但"投入产出比"并没有同步变好。 这种"花得越来越多、却说不清换回了什么"的不踏实感，正在成为 AI 真正落地的一道隐形阻力。所谓"Token 焦虑"，焦虑的从来不是花钱，而是不知道这钱花得值不值。

也正是在这个背景下，把 API 账单直接清零的做法，才显得不只是一次促销。

二、这次免费的，到底是什么

按官方公布的信息，Agnes 这次开放的是三款核心模型，覆盖了文、图、视频三种模态：

• 文本模型 Agnes-2.0-Flash：支持 1M（百万级）上下文窗口和工具调用，主打代码开发、知识库、客服、文档处理和 Agent 工作流；
• 图像模型 Agnes-Image-2.0-Flash：能力点在"可编辑"——图改图、多图融合、背景替换、局部重绘、文字修改、风格转换，对着电商主图、海报、信息图这类高频活儿；
• 视频模型 Agnes-Video-V2.0：支持音画同步生成、首帧 / 首尾帧 / 多帧生成，输出 720P 或 1080P。

开发者在官方平台（platform.agnes-ai.com）注册、创建 API Key 即可按文档调用，接口也能接进常见的本地 Agent 工具里当默认模型用。

至于成色，官方披露了几个第三方榜单的成绩：文本模型进入了关注真实 Agent 场景的 Claw-Eval 榜单，图像和视频模型则出现在 Artificial Analysis 的图像编辑、图生视频（含音频）榜单上；公司自述位列全球 AI Lab 第 9。这些是厂商单方面披露、由媒体转述的信息，能说明它"进入了可见区"，具体排位不必照单全收，自己上手测一测才算数。

这里真正值得划重点的，是"三模态一起开放"，而不是某一个模型单独免费。

对一个想做 Agent 的开发者、一个要批量改图的设计师、一个想试分镜的短视频团队来说，过去这是三套账、三个供应商、三份成本。现在它被打包成了一套可以互相调用的能力：文本负责规划和写代码，图像负责出素材，视频负责动态呈现。换句话说，它免费送的不只是"模型"，更像是一整套创作 / 开发的基础设施。

三、为什么是"现在"，以及它真正松开了哪根绳

要理解这一步，得放回 Agent 时代的成本结构里看。

过去一次普通对话，可能就消耗一轮 Token。但一个 Agent 工作流不一样——它要反复地规划、检索、调工具、写代码、检查结果、失败重试。用户看起来只是发了一句话，背后可能已经跑了几十轮模型调用。成本被指数级放大，恰恰发生在最该大胆试错的早期阶段。

很多 AI 应用不是死在没需求，而是卡在试错阶段：PMF 还没验证，调用成本先上来了；收入还没影子，模型账单先跑起来了。免费 API 直接松开的，就是这根绳——让开发者敢做高频测试，让 Agent 的多轮重试不必每一步都掐着成本算，让创作者能放开手试镜头、试风格、试版本。

所以它更像一种卡位：先把使用门槛压到地板，让尽可能多的人先用起来、把 Demo 跑通、把工作流搭进去。只有当能力真的长进了别人的日常流程，模型才有机会从榜单走向真实应用。

四、冷静三问：免费很香，但别上头

话说回来，免费是个好消息，却不是一道免答题。作为开发者，至少有三个问题得自己想清楚。

第一问：羊毛出在哪？ "无限期免费"是一个商业承诺，不是慈善。把 API 价格打到零，常见的图无非是获客、攒数据、抢生态卡位——这本身没什么不光彩，但意味着这家公司终究要在别的地方把账算回来。免费能持续多久、未来怎么转向收费或增值服务，是一个需要持续观察、而非默认它永远如此的变量。

第二问：免费 ≠ 万能。 决定一个模型能不能长期留在你工作流里的，从来不只是价签，而是稳定性、并发能力、文档完整度、生态工具和社区活跃度。尤其全模态 API 拼的是端到端的工程化——任务怎么规划、素材怎么衔接、失败怎么自动兜底——这些远比"一次调用多少钱"更能决定体验。这一点，连官方自己在通稿里也承认了。

第三问：别把生产管线绑死在某一家的"免费"上。 拿免费额度做原型、做高频试错，非常划算，该薅就薅。但如果把核心业务和商业模式，整个押在某一家此刻恰好免费的服务上，迁移成本和锁定风险就会悄悄累积。更稳的姿势是：在调用层做一层抽象，让模型可替换、可比价、可随时切走。 免费是用来加速试错的杠杆，不该变成捆住自己的绳子。

写在最后

把视角拉高一点看，这件事其实抛出了一个很本质的问题：

当高质量的 AI 能力越来越像水、电、云服务器一样，正在变成一种基础设施，它到底应该有多贵？

过去两年，大模型竞争的关键词是"更强"——谁参数更大、谁跑分更高、谁发布会更炸。这条线当然重要，它决定了能力的上限。但当模型性能逐渐接近，下半场的关键词，很可能会换成"更可用、更便宜、更容易接入"。

毕竟真正改变行业的，往往不是少数人才用得起的尖端能力，而是足够多的人能反复调用、持续试错、最终长进日常工作流里的那种基础能力。

Agnes 这一步是不是最优解，时间会给答案。但它至少把一个好问题摆到了台面上——对每一个被账单和焦虑追着跑的开发者来说，这个问题，值得认真想想。