智东西

作者 | 江宇

编辑 | 漠影

"Tokenmaxxing"（把 Token 消耗拉到极限）正在成为开发者社区的新热词。Token 预算，被视为衡量 AI 使用深度的新指标。有初创公司 CEO 甚至把 Anthropic 账单晒在 LinkedIn 上，当作公司 AI 化程度的重要证明。

图源：Swan AI CEO Amos Bar-Joseph

然而，一个关键问题被忽略了：我们到底在用 Token 创造什么？

成本确实在飙升。高盛预测，未来几年 Token 使用量可能增长 24 倍以上；英伟达应用深度学习副总裁甚至坦言，AI 成本已超过团队薪资。

图源：高盛

但产出的质量呢？数据给出了不太乐观的答案。

代码生成领域尤为典型。Waydev 跟踪 50 多家企业发现，AI 生成代码的长期保留率仅为 10%~30%。GitClear 的报告更直接：重度 AI 使用者的代码返工量是非 AI 用户的 9.4 倍。另一平台 Jellyfish 的统计则显示，部分团队代码吞吐量提升 2 倍，代价却是 Token 成本飙升近 10 倍。

代码翻修量增速超过生产力增速，数据来源：GitClear

当 Token 消耗持续增长，投入产出比变得尤为主要。Token 焦虑，正在成为 AI 落地的真实阻力。

在这场日益蔓延的 "Token 焦虑 " 中，Agnes AI 的举动显得格外扎眼——这家全球榜单排名第九的 AI Lab 宣布，自 6 月 1 日起，旗下全模态模型 API 无限期免费开放。

一、当 Token 越来越贵，一家 AI Lab 把账单直接清零

Agnes AI 本次开放覆盖其三款核心模型：文本模型 Agnes-2.0-Flash、图像模型 Agnes-Image-2.0-Flash 以及视频模型 Agnes-Video-V2.0。

自 6 月 1 日起，上述模型 API 将面向全球开发者无限期免费开放。对于中小团队、独立开发者和创作者而言，模型调用的成本门槛彻底 " 消失 "，试错空间被极大释放。

在 Agnes AI 看来，高质量 AI 不应只属于高预算公司。Agnes AI 希望通过免费开放文本、图片、视频全模态模型 API，让有限的预算更多用于产品创新和功能迭代。

二、文本、图片、视频一起开放，一手实测看看实力

成本归零之后，开发者更关心的是：模型到底能不能打？我们分别对文本、图像和视频模型进行了实测。

文本模型：1M 超长上下文，快速搭建生产力场景

Agnes-2.0-Flash 支持 1M 上下文窗口和工具调用，覆盖代码开发、企业知识库、智能客服、文档处理及 Agent 工作流等场景。为了看看这些能力在实际场景中的表现，我们围绕代码生成、网页搭建和前端设计等方向进行了测试。

首先来看看编程能力。我们先让 Agnes-2.0-Flash 生成一款飞机大战网页游戏。

模型不仅生成了完整的玩法框架（战机、小怪、Boss 战、计分、生命值），还主动加入了连击提示、粒子爆炸、动态星空背景及音效。完成度远超一般 Demo，接近可直接游玩的成品。

第二个测试我们换了个方向。只用一句提示词，Agnes-2.0-Flash 便完成了一个 SBTI 人格测试网站的搭建。

网站包含完整的测试流程、结果计算逻辑以及人格类型展示页面，用户完成答题后即可直接查看结果。从最终效果来看，整个体验与常见在线人格测试产品已经十分接近。

从前面的两个案例来看，无论是网页小游戏，还是测试网站，Agnes-2.0-Flash 都能够较快完成。

接下来，我们进一步提高难度，把测试重点放在前端设计和产品界面生成能力上。

第三个测试是摄影作品展示网站。生成结果给人的第一印象是审美在线。整体布局和视觉风格已经接近不少独立摄影师作品集网站的完成度。

如果说这考验的是审美和页面布局能力，那么社交产品则更考验复杂的交互能力。为此，我们进一步让 Agnes-2.0-Flash 生成一个类似 X 的社交分享网站。

最终生成的页面包含信息流、搜索框、关注按钮、侧边导航栏、推荐内容等多个核心模块，关注、点赞等按钮还可以触发对应动画反馈。从视觉呈现和交互体验来看，整体设计与 X 的产品形态极为接近。

整体而言，如果仅作为产品 Demo 或前端原型展示，Agnes-2.0-Flash 的能力已经能够满足不少项目早期验证和演示需求。

图像模型：主打可编辑，人像精修、电商图和信息图全覆盖

Agnes-Image-2.0-Flash 支持图改图、多图融合、背景替换、局部编辑、文字修改和风格转换等能力，适用于电商主图、广告设计、产品海报和社交媒体内容生产等高频场景。

我们首先尝试了一组人物形象重塑任务，重点测试模型在人像特写场景下的编辑能力。模型需要保留原人物身份特征，同时将其重新塑造成韩流偶像打歌舞台风格。

从结果来看，在大幅修改人物造型的同时，人脸一致性依然保持稳定。同时，皮肤纹理、光影层次和镜头质感也得到了进一步强化，人物看起来更加贴近专业摄影和商业视觉作品的呈现效果。

第二组测试我们把目标放在电商设计场景。我们直接上传了一张护发精油的实拍照片，并要求模型生成一张完整的电商海报。

最终生成结果不仅保留了产品主体和品牌 Logo，还自动补充了产品卖点文案、视觉装饰元素以及符合电商风格的版式设计。从成片来看，产品主体突出，光影和质感增强，背景加入了与产品调性相符的视觉元素。对于电商运营、品牌营销和内容团队而言，这类能力能够减少拍摄、修图和排版等环节的工作量。

信息图是对图像模型更复杂的考验。为此，我们设计了两组不同方向的信息图任务。

第一组测试偏向流程图和知识科普场景。

生成结果不仅完成了完整的流程结构搭建，还自动加入了大量图标、插画元素和视觉引导符号。不同步骤之间通过箭头、色块和层级关系进行连接，即使包含大量文字信息，整体依然保持较好的视觉辨识度。

第二组测试则进一步提高难度。我们要求模型根据海洋生物特征生成一套建筑概念设计信息图，既要展示灵感来源，也要呈现设计推导过程和最终建筑方案。

模型完成了从生物形态分析、设计语言提炼到建筑概念落地的完整表达，包含参考素材、结构拆解、色彩分析、空间推演以及最终效果图等多个板块。

两组测试呈现出一个明显的特点：当信息密度持续提升时，Agnes-Image-2.0-Flash 不仅能够生成对应内容，还能够主动组织版面结构，让图片同时承担 " 展示 " 和 " 解释 " 两种功能。

对于需要制作科普内容、商业汇报、设计方案和社交媒体长图的用户来说，这类能力会更加实用。

视频模型：支持音画同出，电影感、角色演技都在线

Agnes-Video-V2.0 支持音画同步生成、首帧生视频、首尾帧生视频以及多帧生成能力，输出分辨率可选 720P 或 1080P，可用于短视频制作、广告素材生产、剧情分镜和自动化视频工作流。

首先测试的是 Agnes-Video-V2.0 的音画同步生成能力。

第一个案例是一段架子鼓演奏视频。

画面中的男孩坐在鼓组前完成演奏动作，在视频开头，他先用脚踩下底鼓踏板，随后才开始使用鼓槌进行演奏。整个过程中，鼓点出现的时机与人物动作能够保持同步。对于音乐演奏类内容而言，这类细节往往比单纯的画面质量更难处理。

第二个案例则进一步增加了复杂度。乐队画面中需要同时出现了主唱、吉他手和鼓手三名人物。

除了乐器演奏声之外，视频还包含主唱开场时清晰的人声报数。从最终效果来看，人声、乐器以及人物动作之间能够保持较好的同步关系。无论是主唱开口时的口型变化，还是鼓手和吉他手的演奏动作，都与对应声音基本匹配。

单从两个案例来看，Agnes-Video-V2.0 具备处理复杂音频元素的能力。相比后期单独配音的方案，音画同步生成能够减少剪辑和配音环节，对于短视频创作、音乐内容制作以及剧情视频生成都会更加方便。

随后，我们又测试了一个更具电影质感的场景。

视频中，一名身穿西装的男子走在街头，打电话与另一端的人交流。从最终效果来看，除人物口型与台词对应较好外，面部表情和情绪变化也会随着对话内容发生调整，整体表演很自然。更吸引人的还是整体画面的电影感，画面与背景声配合下，视频看起来更像实景拍摄的片段。

最后，我们测试了一个更具挑战性的人物表演场景。

整个片段几乎没有大幅度动作，更多依赖眼神、呼吸和面部细节来传递情绪。从最终效果来看，人物表演呈现出较强的层次感。相比单纯的 " 流泪 " 镜头，这种情绪表达更接近影视作品中的表演方式。

从微表情、情绪递进到镜头表现，Agnes-Video-V2.0 生成的视频还具备了戏剧张力，也让 AI 生成角色向真人演员的表现力又靠近了一步。

从工作流角度看，文本模型负责规划与代码，图像模型专注视觉编辑，视频模型完成动态呈现。三者并非孤立的单点能力，而是一套可开发者组合与调用的全模态能力体系。

三、全球 AI Lab 第 9 名，连续登上国际榜单

免费开放不是因为它能力薄弱，恰恰相反—— Agnes AI 目前位列全球 AI Lab 第 9 名，并连续获得多个国际评测体系认可。

文本模型 Agnes-2.0-Flash 进入 Claw-Eval 榜单，排名国内前 7。该榜单关注真实 Agent 场景下的复杂任务规划、工具调用和连续执行能力，被视为更接近实战的评测体系。

图源：Claw-Eval 榜单

图像模型 Agnes-Image-2.0-Flash 则进入 Artificial Analysis Image Editing Leaderboard 前列。该榜单采用真实用户盲评，根据生成质量主观打分。

图源：Artificial Analysis

与此同时，视频模型 Agnes-Video-V2.0 也出现在 Artificial Analysis Image-to-Video（With Audio）排行榜中，覆盖音画同步生成能力评测。

从 PinchBench 全球前十，到 Claw-Eval 与 Artificial Analysis 持续上榜，Agnes 已经在文本、图片、视频三大模态获得国际评测体系认可。正是因为有这样的实力，Agnes 才将全套 API 免费开放，让开发者直接在真实应用中使用。

结语：免费开放背后，一场关于 AI 基础设施的新竞争

随着模型性能不断接近，开发者对成本、稳定性、调用便利性和工程化能力的关注正在上升。

云计算行业曾经历过类似阶段：当基础设施逐渐普及，应用生态也随之扩张。AI 领域正在出现相似变化。越来越多开发者希望把精力投入产品设计和用户需求，却仍被调用成本牵制。

Agnes 此次无限期免费开放全模态模型 API，提供了一个新的观察样本：在继续提升模型能力的同时，进一步降低开发和使用门槛。这会让更多开发者、创作者和中小团队拥有持续试验新产品的空间。对于整个 AI 生态而言，能力增长之外，普及速度同样值得关注。