原来 Agent 量大管饱，真不是吹的

这是苍何的第 586 篇原创！

大家好，我是小仓鼠苍何。

现在每天起床第一件事，像一只小仓鼠一样先要偷偷看看自己的 Agent 还剩余多少额度，多少积分。

有时候，随便跑个简单的任务，积分和额度咔咔掉，更有意思的是，有次我在 Codex 中随便问了句话，耗费了劳资 3% 的额度？

?，孙割来了，都得破口大骂，我真的有点 Token 焦虑的感觉了。

DeepSeek v 4 flash 现在也不禁造了，各大模型公司为了解决像我这样穷光蛋的困扰，也纷纷退出自家的 flash 模型。

阿里爸爸也不例外，最近也推出了最新的 Qwen 3.8-Flash 模型

前天在 X 上看到 Qwen 3.8-Flash 也开源了。

悄悄研究了下，Qwen 3.8-Flash 是采用全新下一代架构，主模型参数量 125 B，额外配了 51 B 的 N-gram Embedding，每个 token 只激活 6 B 参数。

相比 Qwen 3.7-Plus，训练成本直接降了 90%，每百万 Tokens 输入 1 元、输出 3 元。

而 DeepSeek v 4 flash 当前高峰时期的价格是每百万 Tokens 输入 3 元、输出 9 元。

可能大家对这个体感不是很清晰，你放到 Agent 里面去跑跑，看看余额下降的速度，就体会很深了。

我看阿里自家的 Agent 产品千问办公，也第一时间接入了 Qwen 3.8-Flash，说是想让 Agent 迎来量大管饱时代。

我偏不信，我要替兄弟们去试试水，看是不是在吹牛逼。

当然如果你也不信，可以自己去玩玩。

我打开千问办公后，就看到有标准和高级两个模式。

仔细一看，标准模式下面写着「秒杀日常任务」。秒杀这个词真是用的好啊，我想产品经理放上这个词上去的时候，一定是面临巨大的压力的，万一测下来，速度一般，那可真是啪啪啪，打脸了，哈哈哈。

刚好最近刷到一篇 RSI 的行业报告，讲的是 AI 研发自动化加速下的模型、算力与应用机会，感觉挺有意思。

但这篇 PDF 四十多页，我实在没那个耐心一页页读。

于是我直接丢给千问办公，让它帮我总结。试试速度和效果。

靠，就等了几秒，报告信息、核心论点、支撑数据，全都给我整理好了？

Codex 里的 GPT 5.6 sol 硬是给我瞪了好几分钟才搞定，你别说，还真挺快的。

于是，我继续让它深入拆解了一下里面的算力测算模型，整理成 MarkDown 文档。

看了一下，模型结构、变量拆解、结构洞察、投资映射都分析到了，真别说，清晰明了。

整个过程也仅仅耗时几秒，妈耶。

在千问办公这样的 Agent 里，评估消耗最好的方法就是看额度或者积分。

这一套下来我看了眼积分，竟然还没花到 1 个积分 ? ?

也就是说，一千个积分，我能让它看几百个 PDF？

我还真不信了这个邪，我直接把一百个科技行业的行业研究报告丢给千问办公。

任务一交代，右侧还能看到任务监控、它调用的技能，还有产物，过程还是挺透明的。

提示词：基于这 100 份报告做横向分析，输出一份 Markdown 综合报告，分析一下这些报告中被反复提及的趋势有哪些，市场规模和增速怎么样，有哪些冷门信号，未来 1-2 年最值得关注的 3 个方向是什么

等了几分钟，这个报告就好了，我看了一下，分析很详细，总结也很到位。

可能有小可爱问，这里怎么不是秒杀啊？兄弟，这是 100 份报告，几分钟已经快到离谱了，卧槽。

但是我感觉看着还是有点麻烦，于是让它做了个趋势图表，整体趋势更一目了然了。

这一整套下来也才十分钟，几个积分？

请问阿里爸爸，你们是怎么赚钱的？这积分消耗太离谱了吧？我严重怀疑是不是你们看我帅，给我开了白名单，大家也去试试看看情况，回来告诉我。

我还是不死心，我总觉得有点儿假，工作中经常要做 PPT，自己找模板做费时又费力。

我直接把几千字的产品文档丢给它，让它做成 PPT。

它会先问下我大概想要的风格和页数，然后给我一个大纲，我看了一下，没啥问题就让它开干。

等了一会它就做好了，还能直接在线编辑修改，哪里不满意改哪里。挺方便，但也没啥特殊的。

效果挺在线的，兄弟们感受下。

这个效果的话，这一套下来，花了二十多个积分吧。

刚好 GLM-5.3-Flash 也发布了，我顺手让它也做了一版 PPT。

GLM-5.3-Flash 的效果也还可以。

但 GLM-5.3-Flash 这个任务消耗了 200 多个积分，相比起来，千问办公便宜了十倍。

？不敢相信，再试试水。

前段时间我做了个公众号数据监控平台，功能有了，但 UI 有点丑，我自己又暂时没啥灵感。

我让千问办公帮我重新设计，它会在右侧画布直接给预览效果，哪里有问题也可以直接找到具体元素让它修改，这点和无限画布挺像的。

不过在复杂编程场景下它速度没那么快，而且长时间任务还会出现断掉的情况，但效果还不错。

最后试试这个场景，财务和行政同学应该深有体会，发票。

发票一多就乱，整理起来头都大了，我直接把活丢给它。

500 份发票单据，让它逐份抽出开票方、收票方、金额、税率、日期、科目归类建议、是否缺发票专用章，最后输出 Excel。

我还混了 pdf、docx、txt、csv 好几种格式，塞了些乱七八糟的票据进去，它全都整明白了。

有问题的地方也都识别出来了，该标缺章的标缺章，该提示的提示。

我看有人统计，1000 积分具体能干多少活，也给大家参考一下：

说实话我挺好奇，又快又省这事，它是怎么做到的。

于是我扒了扒它的原理。

千问办公这个标准模式用的是专属版的 Qwen 3.8-Flash，训练阶段就针对多步规划、工具选择、上下文压缩这些办公场景做了调优，Agent 能力直接点满。

推理阶段，千问办公又给模型定制了 Harness 架构，把吞吐效率拉了上去。

也就是说，模型本身更聪明了，干活的路子也更熟了，每一步少绕弯，Token 自然就省下来了。

说实话，我算是 Token 重度用户，日常开发、办公、长时间的自动化工作流，24 小时基本都在烧。

以前玩 Agent 总绕不开一个不可能三角，高性能意味着高成本，低成本就得牺牲智能。

所以经常盯着 Token 算账，生怕一个不小心把钱包干穿了。

而这次模 A 协同优化，算是把这个三角掰开了一个口子。

现在感觉 「Agent 的 Token 焦虑，可能真要翻篇了」。

当 95% 的日常任务用标准模式就能又快又好地搞定，积分还花不了几个的时候，Agent 才算真正进入了量大管饱的时代。

不过对于复杂任务，建议你还是开启高级模式吧。但对于绝大多数办公任务，秒杀模式就够了。

你最近用什么 Agent 干活？评论区聊聊。