
同一套社媒运营任务,账单从 12.58 美元变成 2.83 美元。中间只改了一件事,谁负责规划,谁负责动手。
这是清华大学 THUNLP 实验室联合面壁智能、OpenBMB 开源的智能体操作系统 PilotDeck 2.0 给出的实测数据。它把 Agent 干活时最容易出问题的三件事放在一起处理,记忆管理、任务执行、模型调用成本。
一、先看一笔账,钱花在哪一步
自媒体运营是很多人用 Agent 的第一个场景。写选题、出稿、排版、翻译成几种语言分发,一条流水线走下来看着不难。问题在账单。
不开启省钱路由,全流程跑 Claude Opus 4.5,单次费用12.58 美元。开启智能路由之后,主 Agent 做顶层规划仍然走 Opus 4.5,负责文本润色的子 Agent 降级到 Sonnet 4.5,同一件事的花费变成2.83 美元,降幅 77.5%。
省下来的部分在哪个环节很明确。一条流水线里真正需要判断力的动作只有两处,开头把任务拆对,结尾把质量卡住。中间的排版、套模板、格式清洗是重复劳动,用最贵的模型做这些,等于雇一个总监去贴发票。
二、主强子弱,省钱是分工的副产品
PilotDeck 的 Smart Routing 在底层做了任务难度识别,把环节拆开分给不同段位的模型。复杂规划交给顶配,执行、润色、格式处理降级给轻量模型,端云之间做分层编排。
这里有个前提要先说清楚。路由没法做成发布前挂一个按 token 计价的插件就生效,它要求系统里先存在主 Agent 和子 Agent 的分工。没有分工,就没有可路由的粒度,账单只能整条流水线一起涨或一起降。
成本问题在很多时候是结构问题。一个任务切的段越清楚,能省的钱越多。
三、顶配单体模型输在哪
7 个高难度任务,包括播客多语言推送、多源数据报告、领域论文综述、代码库架构文档,成绩单是这样的。
单体 MiniMax-M2.7 得分 37.1,成本 1.90 美元。单体 Claude Sonnet 4.6 得分 69.1,成本 18.36 美元。PilotDeck 用 Sonnet 4.6 做主、MiniMax-M2.7 做子,得分 70.6,成本 3.15 美元。
得分比纯顶配单体高 1.5 分,成本只有顶配的 17.2%,从 18.36 美元降到 3.15 美元,跌幅 82.8%。
小模型在大任务里失分的地方集中在规划和长链一致性上,单步执行反而不差。把这两段留给强模型,短板就被补掉,剩下的活让小模型批量干。Workbuddy Bench 上,PilotDeck 配 Qwen3.6-35B-A3B 拿到 79.1 分,高过 Claude Code 的 77.3。
四、记不住的成本,最后都要付一遍
Agent 的隐形成本不在 token 单上。现有大多数 Agent 的记忆是黑盒,AI 记住了什么、什么时候记的、记在哪,用户看不到。中途记错一个关键业务逻辑,排查很费劲,最后往往整段对话废掉重来。
官方举的例子很典型。前脚让它按严肃学术风写技术架构,后脚让它写小红书文案,它张口闭口还是架构解耦。
PilotDeck 用 WorkSpace 划工位,每个项目有独立的文件系统、记忆库和技能集。A 工作舱做音视频剪辑,B 工作舱做 iOS 小游戏,记忆和检索空间物理隔离。
记忆做成了白盒,生成、抽取、存储、调用的整条链路可见。面板里能逐条看到 AI 记下哪些偏好、哪些事实,记错可以改、可以删,重要的能一键固定。空闲时的 Dream 模式对零散记忆做归纳去重,整理过程如果丢了细节,可以一键回滚,秒级恢复到整理前。
这一段和成本直接相关。一次返工背后是几十轮对话的浪费,这笔账不会出现在任何一张 token 账单上。
五、关掉窗口以后,它还在干活
Always-on 模式让 Agent 在关掉聊天窗口、离开电脑之后继续推进长周期任务。既定任务跑完,它会主动找出潜在的候选任务,结果落成本地文件,附一份进展和总结。
系统原生支持 MCP,Web 界面、命令行、企业微信、飞书几个入口的后端逻辑保持一致。开发者可以围绕现有工作流接自己的工具和技能,不用为每个入口重写一遍。
这两点合起来,Agent 的位置变了,从一次会话里的助手,变成占着工位、会自己找活的同事。
六、开源之后,谁能真用上
PilotDeck 用 AGPL-3.0 开源,支持 macOS、Linux、Windows,也提供 Docker 部署。
多项目并行、长任务多、对账单敏感的小团队,是这套东西最直接的受益者。只做单轮问答、不接内部系统的场景,用它反而是负担,工位隔离和记忆运维都是额外开销。
AGPL-3.0 有它的代价。把它包一层对外的服务,开源义务会跟着来,商用之前法务要过一遍。
更值得琢磨的是那个 82.8%。模型降价是外部变量,团队控制不了。任务怎么拆、哪一步交给谁,是内部变量,今天就能改。PilotDeck 给出的其实是一套分工方法,附赠一个开源实现。你手上那条 Agent 流水线,有几段活其实不该由最贵的模型来干?
