一周烧出 3.12 万亿 Token：Agnes 免费开放的生意账，能撑多久？

一周烧出 3.12 万亿 Token：Agnes 免费开放的生意账，能撑多久？

当别家把 API 价格战打到每百万 Token 几分钱时，新加坡 Agnes AI 直接把价格归零：文本、图像、视频三模态 API 无限期免费开放。效果立竿见影——智源社区援引的数据显示，开放首周社区即烧出3.12 万亿 Token，这个数字放在任何一家有成本核算的 AI 公司账本上都算惊悚。开发者冲进来薅羊毛（Claude Code、Trae、Codex++、OpenCode、WorkBuddy 的接入教程在 CSDN 上轮番刷屏），媒体追问创始人"全模态免费的生意与野心"，爱分析则在开放一周后专门调研了用户社区。

免费从来不是目的，是获客策略。但 3.12 万亿 Token 背后是真实的 GPU 账单。本文结合公开的模型架构与部署方案，拆解这笔账怎么算、能撑多久、以及 Agnes 可能的三种变现路径。

3.12 万亿 Token 是怎么烧出来的

先看流量入口。社区里流传的玩法几乎都是"零成本白嫖"：把 Agnes 的 OpenAI 兼容 API 接进 Claude Code、Trae SOLO、Codex++、OpenCode、WorkBuddy，一个 Key 通吃对话、文生图、图生视频；有人用它做 AI 短片流水线，有人基于 Agnes 2.5 Flash 搓了个 12MB 的安卓聊天 App。这些教程的共性只有一个——免费且不限量，把用户从"Token 焦虑"和"积分焦虑"里彻底解放出来。

流量进来之后，模型质量决定了留存。Agnes 3.0 Flash 的公开开放权重（Preview checkpoint）参数规模约33B（稠密，非 MoE），上下文 262,144 token，在 IFBench、SciCode、GPQA Diamond 等评测上与 Qwen、Kimi、DeepSeek 同档位的模型互有胜负，见仓库自带的评测参考图。这个"旗舰级推理、准旗舰级硬件"的定位，配合 API 免费，就是 3.12 万亿 Token 的燃烧引擎。

需要特别说明的是：3.12 万亿是全模态口径。仓库 README 明确区分了两个 checkpoint——开放权重的 Preview（33B / 262K 上下文）与生产 API 版本（1M 上下文、参数未披露）。多模态的烧钱速度远高于纯文本：一张图在视觉塔编码后展开为数百乃至上千个视觉 token，一段视频动辄上万 token，且图像/视频端点普遍存在 RPM 限制与异步排队（社区实测提到"视频生成异步排队延迟"）。这意味着一部分流量成本被多模态放大，3.12 万亿 Token 的实际算力消耗，显著高于同量级纯文本。

全模态免费的算力成本估算

这笔账的核心，其实藏在一个反直觉的架构细节里。Agnes 3.0 Flash 用的是混合注意力：每 4 层中 3 层是 gated delta rule（线性注意力，单层递归状态与序列长度无关），只有第 4 层是标准全局注意力。config.json 里的layer_types字段按agnes_delta_attention × 3 + agnes_global_attention × 1交替排列 72 层，意味着 72 层里只有 18 层持有随上下文增长的 KV cache——这是"33B 开源只 18 层吃显存"说法的来源，也直接解释了为什么 33B 稠密模型能在单张 H200（141GB）或 H100 80GB 上以 bf16 跑起来，权重落盘约 66GB（见 README_zh.md 硬件需求一节）。

做个粗略的工程估算（仅针对开放权重口径，生产 API 模型参数量未公开）：

• 33B 稠密模型推理，每生成 1 个 token 约需2 × 参数规模 ≈ 66 GFLOPs；
• 3.12 万亿 Token ≈2.06 × 10²³ FLOPs；
• 单张 H100 bf16 稠密算力约 989 TFLOPS，按 30%～50% 的典型利用率折算，单卡持续吞吐约 3～5 × 10¹⁴ FLOP/s；
• 一周 604,800 秒，单卡约能消化 1.8～3.0 × 10²⁰ FLOPs。

粗算下来，这笔流量大约需要700～1100 张 H100 级显卡连续满载跑满一周。按云上 H100 每卡每小时 2～3 美元（H200 更贵）计价，一周的裸算力成本落在35 万～60 万美元区间；若计上多模态放大、推理服务端到端开销和网络，只会更高。即便 Agnes 用的是自建机房或长租折扣，"一周烧掉一套中等规模集群"的判断并不夸张。

这还没算 3.12 万亿的 Token 里有多少是无效流量。开发者薅免费 API 的第一诉求是"测着玩"：配个 Key 聊两句、跑个 demo、刷个 benchmark，转化率天然低。免费策略的第一性成本不是算力，而是为低转化流量买单的效率。这也是为什么 Agnes 一边免费，一边在 serve.sh 和 sglang_patch 里把自托管部署做成了一等公民——把高密度用户引导到自建 GPU 上消化，官方只需为长尾流量兜底。

免费转付费的三种变现路径推演

免费的生意要长久，必然要回答"从哪收钱"。从社区情报与仓库事实能拼出三条相对清晰的路径：

路径一：分层订阅与配额化。头条社区已出现"256K 上下文最稳，4$ 包月，要什么自行车"的实测反馈——这暗示产品端已存在付费档位。免费开放的合理终局不是取消免费，而是像绝大多数 AI 厂商那样：免费档保体验（限 RPM、限上下文、排队优先权低），付费档解锁 1M 上下文、图像/视频专用端点的高优先级与稳定 SLA。社区实测中"图生图接口 503、文生视频接口 403"的间歇性封禁，本质上就是免费档的软限流，为付费升级留好了闸门。

路径二：企业级推理与私有化服务。这是仓库给出的最强信号。Agnes 3.0 Flash 的开放权重 + serve.sh 一键部署 + sglang 兼容层（sglang_patch用三份文件把model_type: agnes映射到 sglang 内建混合注意力实现，并将每层的 parallel FFN 分支并入主 MLP，见 agnes_sglang_config.py），构成了标准的企业落地包：Apache 2.0 许可、66GB 权重、单卡可跑、OpenAI 兼容接口。这套方案的商业意义在于——免费 API 是试金石，企业自建集群与官方托管服务才是付费点。谁在生产环境验证过 Agnes 的能力，谁就是私有化部署和批量推理订单的潜在买家。

路径三：平台生态与 Agent 分发。智源社区的访谈里，Agnes 明确表示"不做通用型智能体"，而是定位"全民 AI 应用平台"。把这句话和免费 API 放在一起看，逻辑就通了：免费 API 是漏斗，漏斗里沉淀的是开发者与调用数据，终点是平台化分发——类似"模型即水电，应用层收费"的模式。开发者用免费 API 给 Claude Code、Codex、WorkBuddy 等工具供电，等于免费帮 Agnes 完成了全生态的适配与教育；当工具链的默认模型被 Agnes 占据，平台的议价权和增值空间（Agent 编排、工作流、企业数据服务）自然浮现。

结论：免费是策略，不是慈善

3.12 万亿 Token 的一周，是 Agnes 用真金白银买来的开发者心智。混合注意力架构把单位 Token 的算力成本压到同参数稠密模型的三分之二以下（54/72 层不持有长 KV cache），开放权重把高密度负载分流给自托管用户，多模态免费则把"全模态"从口号变成了可量化的获客资产。短期看，35 万～60 万美元量级的周成本不可持续；长期看，免费开放 + 开源权重 + 平台化布局的组合，是在用今天的算力换明天的定价权。至于能撑多久，取决于三件事：免费档的转化率能不能撑起付费升级，私有化部署能不能沉淀企业客户，以及平台化能否在免费流量退潮前跑通——这既是 Agnes 的生意账，也是所有"价格屠夫"式 AI 玩家共同的考题。