Agent连续工作25小时后，API省钱的关键

周五下班前，你把一个重构需求丢给Codex，顺手打开了那个叫“持久模式”的开关。屏幕显示：智能体会持续工作，直到你手动让它休眠。你心想，周末让它自己跑，周一验收成果。

周一早上代码确实改完了，但打开账单页面时手有点抖——这个周末烧掉的Token，够用以前一个季度。

这不是虚构的场景。8月28日外媒披露，OpenAI正在为Codex测试持久模式，测试环境里最长连续运行25小时。换句话说，AI代理已经从“你问一句、它答一句”，进化到“你给目标、它通宵干”。问题随之而来：当Agent替你连续工作25小时，你还在用“每百万Token多少钱”这套旧尺子，根本量不准成本。

Agent正在成为Token最大的消费者

过去默认Token主要是人打出来的。聊天、写文章、查资料，人问一句，模型答一句，消耗有限。但这个假设正在失效。

a16z在8月21日引用OpenRouter的数据：Agent消耗的Token已经接近人类的5倍，自2026年2月以来增长了约14倍。在OpenRouter这个窗口里，Agent单周能烧掉7.3万亿Token，而人类只有1.4万亿。更值得关注的是，其中85%以上来自缓存提示词——说明Agent不是在一遍遍问新问题，而是在反复读取同一段上下文，像人做项目一样持续推进。

OpenRouter CEO Alex Atallah前几周接受采访时打了个比方：当某个模型价格下降10倍，使用量可能暴涨30倍。人对AI的需求有生理上限，一天只有24小时；但软件没有。一个Agent可以在后台自己调用模型、调用工具、重试、纠错，把一次人类指令扩展成几十次模型调用。

所以当Stripe在8月20日宣布以超80亿美元收购OpenRouter时，市场反应不是“又一个API聚合站卖贵了”，而是“路由层这门生意，终于被正名了”。因为大家意识到，未来调用模型的主体不再是人，而是Agent。

价格波动+任务膨胀：账单越来越难算

Token单价下降是事实，但月底账单下降未必是事实。

DeepSeek在8月17日正式执行峰谷定价：V4-Pro高峰时段输出涨到27元/百万Token，缓存命中输入从0.025元涨到0.3元。紧接着8月23日又调整规则，周六周日全天按低谷价计费。同一个任务，周五下午跑和周六凌晨跑，价格可能差几倍。

同一周OpenAI还在扩大GPT-5.6 Luna对免费用户不限量文字聊天的覆盖。一边免费放量，一边高峰涨价，两边看似矛盾，其实指向同一个趋势：大模型API正在从“一口价商品”变成“分时计价服务”。

对开发者来说，成本预测变难了。以前只需要算“这个月大概调用多少百万Token”；现在得算“哪些任务可以放到低谷时段跑”“哪些请求能命中缓存”“哪些任务必须用旗舰模型”。当Agent把单次人类指令扩展成上百次调用，价格的微小差异会被放大成账单上的显著差距。

省钱的新逻辑：不是少调用，是会调度

Coinbase今年年初公开过一个内部实践：他们没有限制工程师使用AI，反而把默认模型切换成更便宜的国产开源模型GLM 5.2和Kimi 2.7，只在复杂规划和推理任务上保留前沿模型。同时做了一件更重要的事：把缓存命中率从5%提到60%。结果是Token使用量持续增长，但AI总支出几乎砍了一半。

核心思路不是“少调用”，而是“把调用分给对的模型”。格式整理、代码摘要、简单分类交给轻量模型；架构设计、异常排查、关键决策才交给旗舰模型。中间再加一层缓存，避免重复读取同一段系统提示和工具定义。

对个人开发者和小团队来说，自己从头搭一套路由层并不现实。像EasyAPI类聚合平台，就是把多模型切换、低谷时段调度、失败自动降级这些事情打包成一层网关。你不需要为每个模型单独维护Key和SDK，也能在后台看到哪个任务、哪个时段、哪个模型花了多少钱。省下来的时间，比省下来的钱更值钱。

工具只是工具。真正省钱的底层能力，是对任务做分层：判断哪些调用值得用最好的模型，哪些调用用够用的模型就行。Agent时代，API成本管理的本质不是砍价，而是让合适的模型在合适的时间干合适的活。

当你的Agent真的能连干25小时，你最该担心的已经不是“它能不能做完”，而是“它有没有在不该烧钱的地方烧钱”。