这周做 Agent 的人，大概率都在纠结。
一边是好消息连环炸：Kimi K3 开源了 2.8 万亿参数的权重，号称"全球首个开放 3T 级模型"；Qwen3.8-Max 9 月 2 日更新 0902 版本，当天就把 CodeArena 前端编程榜的第一抢了过来；GLM-5.3-Flash 更是直接喊出对标 Claude 四十分之一的价格。知乎微博
另一边，信息有点复杂：刚发布的 Claude Fable 5.1，官方口径是输入输出单价不变、缓存命中价格砍掉 75%，智能体类任务总成本最多能降 45%；但有开发者实测，max 推理模式的单任务成本比上一代贵了 20%，总成本最多能贵出 56%——账算出来是涨是跌，取决于你跑哪一档；还有更肉疼的——有开发者高强度用 Kimi K3 写代码，一天就烧掉了一周的 coding plan 额度。36氪微博
换强的，额度爆炸；换便宜的，关键任务掉链子。这周 Agent 开发者的问题根本不是"换哪家"，而是"谁当大脑，谁当手"。
先看这周发生了什么
把时间线捋一遍：
8 月底之前，DeepSeek 宣布涨价，国家超算互联网跟着大幅涨价，逼着一批"便宜档"用户开始找下家；
8 月底，Kimi K3 开源，总参数 2.8T、激活 104B，原生多模态 Agentic 架构，权重直接挂上 HuggingFace；
9 月 1 日，Anthropic 发布 Fable 5.1（公开版）和 Mythos 5.1（可信访问版），同一个模型、两档安全护栏；
9 月 2 日，阿里更新 Qwen3.8-Max-0902，在 CodeArena 的 WebDev 专项榜上以 1691 分登顶。
再看一组在开发者群里被反复转发的真实价格对照：
模型 | 参考价 |
|---|---|
Claude Opus 5（Max） | 约 $20 / 百万 tokens |
Kimi K3（Max） | 约 $12 / 百万 tokens |
Qwen3.8-Max | 约 $5 / 百万 tokens |
GLM-5.3-Flash | 约为 Claude 对标价的 1/40 |
Kimi API 国内公开价 | 输入 ¥20 / 输出 ¥100 / 缓存命中 ¥2（每百万 tokens） |
光看单价，很容易得出"换最便宜的"这个结论。但社区里有两个真实案例，恰好把这个结论按在地上摩擦。
两个案例，一个矛盾
有开发者做了一个复杂的网络连接故障排查：DeepSeek V4 Flash 和 GLM-5.3-Flash 跑了很多轮猜想验证，都没找到真正原因，最后换成"贵"的 Kimi K3，花 3 块钱把问题定位了。他总结得很直白：“低端任务看不出区别，关键任务显差异”。微博
另一头，开发者"骞先生"因为 K3 实在好用——性能和 Claude Fable 5、GPT-5.6 SOL 同一档——放开手脚全天高强度用，结果一天烧掉 7 天的额度，"做二休五"等着周限额重置。知乎
两个案例放一起，真正的问题浮出水面：Agent 场景的成本结构，和聊天完全不同。聊天是一问一答，一次消耗一次的钱；跑 Agent 是"工具调用次数 × 循环轮数 × 每轮上下文"的乘法。如果让旗舰模型包办每一次 grep 检索、每一次读文件，那最贵的 token 其实都花在了没技术含量的"体力活"上。
社区的降本实践，指向同一件事：分工
骞先生后来的优化值得拆开看——同一份套餐，从"做二休五"变成能撑一整周的开发量。知乎核心不是换便宜模型，而是给 Agent 工作流里不同的岗位配不同的模型：
大脑用旗舰：负责架构规划的 Plan 智能体用 K3，思考强度开到 max；
眼睛用便宜档：代码扫描、资料检索这类活，丢给独立的 Explore 子智能体，接便宜且上下文长的 flash 档模型；
手用中档：照规划写代码的 executor 智能体，不做决策只管执行，不需要最贵的脑子。
这个分工像带团队：不用人人都是顶级工程师，但架构师必须够强。文章里还有几个可以直接抄的工程细节：K3 的 256K 上下文版本（k3-256k）额度消耗只有 1M 版的一半；reasoning_effort 从 max 降到 high 能省一大截——注意切换思考强度会让上下文缓存失效，官方建议切换前先新开会话。知乎固定不变的系统提示词放在消息最前面，缓存命中后读取价大约只有输入价的 1/10。知乎
分工之外还有两个红利：Claude 系的 Batch API 打五折，日志分析、数据清洗这种"能等"的离线任务走批处理等于白捡；Fable 5.1 发布后缓存命中价降到 $0.25/百万 tokens，约等于输入价的 1/40，重缓存的 Agent 场景红利更大。36氪另外有模型通道从业者估算，把路由规则配好、让绝大多数简单请求下沉到便宜档，总成本还能再降 40%–60%。知乎
分人群算账
轻度用户：别急着充订阅。 最优解是"便宜档打底 + 关键节点临时调旗舰"：日常用 Qwen3.8-Max（$5/MToken 档）或 GLM 的 Flash 档，遇到疑难调试现场买少量 K3 或 Opus 的 API，一次关键节点几块钱。前面那个 3 块钱破案的故事，就是模板。
Coding 订阅用户：以 Kimi 199 元档（Allegretto）为例。 有人拿实测数据算过账：按最保守口径，199 元每月至少对应 ¥814 的 API 等价用量，4.1 倍回本打底，实际只会更高。知乎但注意两个坑：月限额名义是 25 个"满额 5 小时块"，因为周限额按滚动 7 天计算，稳态上限其实约 21.5 块，月底别冲太猛，否则续费后头几天会被限速；另外 Kimi Work 和 Kimi Code 额度互不影响，但 Work 侧消耗是 5 倍，建议控制在总用量 15% 以内。
API 走量用户：先别换模型，先做"路由 + 缓存 + 批处理"三件套。 这波新品不会自动帮你省账单，只是把单价天花板降了，结构才决定你实际付多少。
盯着 K3 开源权重的企业用户：别急着喊"开源=免费"。 K3 的 License 有条边界：达到一定收入规模的 MaaS 服务商，商用前要和月之暗面单独签协议。知乎另外 2.8T 权重的自部署门槛，和个人开发者没什么关系——开源对你最大的意义，是给 API 定价施加压力，而不是买台服务器自己跑。
三个值得继续盯的信号
第一，Kimi 一边推进 IPO，一边和微软、亚马逊、谷歌谈托管分成协议（最高要 30%）。微博商业化节奏在动，K3 系列的定价策略可能跟着变，这周算的账别当长期合同。
第二，谷歌 Gemini 3.8 Flash（代号 Skimaki）据说最快本周上线，主打编程能力升级。知乎编程模型的价格战可能还要再打一轮，骨干模型"换血"会变成常态。与其每次追新，不如先把"模型可插拔"的分工结构搭好。
第三，单周榜单别当信仰。K3 登顶的热度还没过，同一天就被 Qwen3.8-Max-0902 反超。有人统计 8 月大模型日均发布 1.1 个。微博榜单只是暂时的快照，"便宜档打底 + 旗舰攻坚"的结构，才是能穿越模型轮换的东西。
一句话总结：这波骨干模型换血值得关注，但不值得 all in 换血。钱花在"大脑"上，"手"永远有更划算的选择。
