不额外收费的Agents API:便宜在哪一步

九月十号，OpenAI 把 Codex 的底层运行框架做成了一个公开测试的 API，所有开发者都能申请使用。官方口径里有一句很醒目：不收取额外费用，用户只需为实际使用的模型、令牌和工具付费。

这句话容易被读成"免费"。它更准确的意思是，OpenAI 不再单独收一笔"平台费"，但真正花钱的部分一项没少。

更值得注意的是另一件事：这次开放的，是一个跑智能体的执行环境，不是又一个能对话的接口。

这次到底放出了什么

先把已确认的事实列清楚。

这套 Agents API 基于开源的 Codex harness（可理解为 Codex 的运行骨架），支持三种运行位置：OpenAI 托管的沙箱、开发者自己的基础设施、以及合作伙伴提供的沙箱环境。官方提到有九家合作方。

harness 这个词在这里是关键。它指的是把模型、工具、上下文、执行环境串成一条完整循环的那层代码，也就是让模型能反复行动、观察结果、再决定下一步的调度逻辑。模型决定聪明程度，harness 决定它能不能可靠地把事情做完。

而它这次是开源加托管双线推进：代码可以自己拿去看、去改、去自建，托管版本则省掉运维。

它的核心抽象是四个概念：Agent（智能体本身）、Environment（运行环境）、Session（会话）、Events（事件）。开发者要指定的是任务、模型、工具和运行环境，剩下的调度、隔离、状态管理交给平台。

这四个词不是简单的命名，它们对应四类原本要自己写的东西。

Agent 定义你给它什么指令、能用哪些工具。Environment 决定它在哪台机器上执行、能访问什么、被隔离到什么程度。Session 保存一次任务的前后状态，让中断之后还能接着跑。Events 是执行过程对外暴露的观测点，也是接日志和告警的位置。

这四样东西组合起来，正好是一个自建智能体平台的最小骨架。 换句话说，这套 API 的抽象层级，恰好落在“框架之上、应用之下”的位置。

内置能力包括上下文压缩、工具搜索、程序化工具调用，以及多 Agent 的子任务编排。官方举的例子是，一次调用就能创建带 MCP 接入和多个协作智能体的实例。

把这四项能力和四个概念放在一起看，能看出这次发布的重点不在模型，而在"怎么把模型跑起来"。

"不额外收费"到底省了什么

这句表述值得逐字读完。

按官方说法，平台不收额外费用，你要付的是模型调用、令牌消耗和工具使用。也就是说，定价结构从"平台费加用量费"，变成了纯用量费。

但这里有一项容易被忽略的计费项：容器时长​。据公开报道，这套 API 按令牌和容器运行时长计费。智能体和你聊天不一样，它会在沙箱里持续执行任务、跑命令、调工具，环境开着就在计时。模型闲置时不再花钱，但环境还活着的时候，钱在走。

所以“不额外收费”省掉的是门槛，不是成本。对开发者来说这是好事：试错成本从一笔固定支出变成一个可估算的用量。但它也意味着另一件事——成本结构从可预测的月费变成随行为波动的用量，这个变化会直接反映在账单上。

容器时长的计费方式，还会奖励一种特定的工程习惯。任务拆得越干净、单次执行越短、越能及时释放环境，成本就越低；反过来，一个等待人工确认或者卡在重试里的任务，会以时间的形式持续计费。

这跟传统的按令牌计费是两种不同的省钱方向：前者优化提示词和上下文，后者优化任务结构和生命周期。 做预算时如果只按令牌估，很容易低估。

为什么四件事被放进了同一个 API

单独看，上下文压缩、工具搜索、程序化工具调用、多 Agent 编排，都是开发者原本可以自己实现的功能。

把它们内置的意义在于，这四件事恰好是自建智能体最耗工程量的部分。

上下文压缩解决的是长任务跑不下去的问题。工具搜索解决的是工具一多模型就挑错的问题。程序化工具调用把多次调用合并成一段逻辑，减少往返。多 Agent 编排则处理子任务拆分和结果汇总。

自己实现这四项，需要的是基础设施团队，不是应用团队。 现在它们变成了 API 参数，这就是这次发布真正的产品定位：不是给你一个更强的模型，而是替你承担把模型安全地跑在云上这件事。

难在哪儿，可以逐项看。上下文压缩的难点不是截断，而是判断哪些信息可以丢、丢了之后任务还成不成立。工具搜索的难点是工具一多选错概率就上升，需要在检索和提示之间做取舍。程序化调用的难点是错误处理，中间任何一步失败都要决定重试还是回滚。多 Agent 编排最难，因为子任务之间的依赖和结果汇总，很容易变成新的分布式系统问题。

这四项凑在一起，恰好是很多团队做智能体时进度卡住的地方。

那些成功案例，先别急着当结论

官方给出的客户数据是三个数字：有客户延迟降低四倍，有客户成本降低六成，有客户的失败响应减少八成多。

这三个数字可能是真的，但读它们的时候要留三个心眼。

第一，没有公开方法论​。降四倍是相对什么基线，改了什么代码，测的是哪类任务，公开信息里没有。第二，样本是被选出来的​。愿意被写进发布材料的客户，通常是效果最好的那一批。第三，这类指标高度依赖任务类型​。一个处理短任务的智能体和一个跑几十分钟长任务的智能体，优化空间完全不同。

这不是说数据不可信，而是说它不能直接搬到你自己的场景里做预算。 想验证的话，最靠谱的方式还是拿自己的一两个真实任务跑一遍，测出实际令牌消耗和容器时长，再和现在的方案比。

两个限制，决定了它能不能进企业

有两处限制在报道里被明确提到，而它们对采购决策的影响，可能比性能数字更大。

一是数据目前仅限美国境内存储。二是暂不支持零数据保留。

对个人开发者和小团队，这两条几乎无感。但对有数据合规要求的企业，它们往往是硬性门槛：数据出境、留存策略、审计要求，任何一条对不上，技术再好也用不了。

判断顺序应该反过来：先看合规能不能过，再看性能值不值。 一个跑得更快的 API，如果数据不能放在要求的位置，讨论性能就没有意义。

真正的变化：智能体的"地基"开始外包

把这次发布放回过去一年的脉络里，会看得更清楚。

今年智能体领域的关键词一直是协议与框架：模型之间的通信协议、工具接入的标准、开源框架的选型。这些都在解决"怎么把零件拼起来"。

Agents API 提供的是另一层：拼好之后，跑在哪里。

Codex harness 是开源的，这意味着你可以自建；但同一套东西又被做成了托管服务，这意味着多数团队会选择租。这套结构很像服务器的发展路径：先是人人自建，然后出现托管，最后托管成为默认选择。

对开发者来说，这个转变带来的不只是便利，还有依赖。一旦用四个核心概念组织代码，迁移成本就从"换个接口地址"变成了"重写状态管理和事件流"。API 设计得好不好是一回事，绑定得深不深是另一回事。

Session 被产品化，影响比想象的大

四个概念里，最容易被低估的是 Session。

对话式 API 里，上下文是"一段历史"，你把它传进去，模型读完就完事。但智能体任务不一样：它可能跑几十分钟，中间要读文件、执行命令、等外部系统返回。这段过程需要被保存下来，中断之后还要能接着走。

一旦这件事由平台托管，会话状态就从"你数据库里的一张表"变成了"别人服务里的一个对象"。

这带来两个直接后果。

一是调试方式变了。过去排查问题，你可以直接看数据库里存了什么；现在更多依赖平台暴露的 Events 和日志能力，观测的深度取决于平台愿意给你多少。

二是数据边界的定义变了。任务中间产生的文件、命令输出、临时凭据，都存在运行环境里。你当然可以指定自己的基础设施来规避，但那样也就放弃了托管带来的便利。

这也是"要不要用"这个问题里最难的一部分：它不涉及性能，涉及的是控制权。

这层变化对同行的影响，同样不在功能列表上，而在"底座"这个词上。

OpenAI 的差异化一直是 Codex：一个被大量开发者日常使用的编码智能体。现在它的运行框架被开放出来，等于把"经过真实负载验证的运行时"当成卖点。其他厂商要么开源自己的运行时，要么把云服务做得更便宜，要么在合规和多云支持上找差异。

对使用者来说，这通常是好事：选项变多，价格会往下走，能力会被快速对齐。但也要留意一件事——当各家都提供托管智能体时，真正决定体验的会回到模型、工具生态和数据合规这三个老地方。

要不要用：一个判断框架

不用急着表态，可以先过四个问题。

你现在的瓶颈是模型能力，还是工程实现。如果模型已经够用、卡点在于上下文管理和工具编排，这套 API 省下的工程量最实在。

你的任务是否长时间运行。任务越长，容器时长占比越高，"不额外收费"带来的实际节省越小，价值反而更多体现在减少自建运维。

你的数据有没有位置和留存要求。有，就先走合规评估，别先谈性能。

你愿不愿意把状态管理交给别人。四个核心概念一旦用进架构，迁移就不再是小事。如果这套系统未来可能换供应商，最好现在就在代码里留一层抽象。

判断完之后，如果打算试，不必一上来就接生产，可以用一周时间做一次小规模验证。

选一到两个你真实遇到的任务，要求它们满足三个条件：有明确的完成标准、单次运行时间超过几分钟、现在的方案里有你明确不满意的地方。用这套 API 跑一遍，记录三组数字：单次任务的令牌消耗、容器存活时长、人工介入次数。

把这三组数字换成钱，再和现有方案对比。这一步比看任何官方案例都有用，因为它用的是你自己的任务分布。 案例里的四倍、六成、八成，只有落到你的任务形状上才有意义。

实验结束再回答一个问题：如果明年要换成另一家，这套代码要改多少。答案越长，越应该现在就把状态管理和事件处理封一层自己的接口。

最后一句

这次发布里最容易被误读的，是"不额外收费"这五个字。

它省掉的是进场门槛，不是运行成本；真正被产品化的，也不是模型，而是把模型跑起来的那套地基。平台不再单独向你收钱，是因为它更希望你在它的运行环境里持续花钱。

如果你觉得这篇有启发,点个在看,顺手转给在做智能体的同事;想第一时间收到推送,可以星标我⭐。

关注我,每天陪你聪明看世界 —— 看懂热搜,玩懂AI。

作者提示含AI生成内容。作者声明本文无利益相关，欢迎值友理性交流，和谐讨论～