把一个任务拆给编排器和多个子智能体,可以更快完成、探索得更多。但它也会让账单成倍增加,而且增加的方式从价格表上看不出来。本文用 BroadNet 公布的 DeepSeek V4.1 Flash 价格,算出多智能体方案按 token 计费和使用固定价格会话时各要花多少钱。如何计算和购买会话,参见用固定价格运行并行编程智能体;本文只谈钱。
多智能体系统多用了多少 token?
最清晰的公开数字来自 Anthropic 介绍其多智能体研究系统的文章。文章称:“agents typically use about 4× more tokens than chat interactions, and multi-agent systems use about 15× more tokens than chats.”(译文:智能体使用的 token 通常约为聊天交互的 4 倍,而多智能体系统约为聊天的 15 倍。)它还发现,在其性能测试中,仅 token 用量一项就能解释 80% 的差异。智能体越多,花的 token 越多,结果也往往更好。
同一篇文章对适用范围也很谨慎:“For economic viability, multi-agent systems require tasks where the value of the task is high enough”(译文:要在经济上可行,多智能体系统需要任务的价值足够高),才能为额外的性能买单。文章还指出,大多数编程任务真正可以并行的部分比研究任务少。
所以,一个合理的规划假设是:同一个任务的多智能体版本,成本是单智能体版本的 3 到 4 倍。你的设计可能更便宜,也可能糟糕得多。请实际测量。
多出来的 token 从哪里来?
| 放大因素 | 原因 |
|---|---|
| 每个智能体的固定开销 | 每个子智能体每次调用都要发送自己的系统提示词和工具定义 |
| 重复读取 | 子智能体之间不共享上下文,所以会重复读取同样的文件 |
| 结果传递 | 编排器要把每个子智能体的输出当作新输入读入 |
| 缓存各自独立 | 每个智能体的前缀不同,缓存输入命中更少 |
| 重试 | 失败的子任务会重发整段上下文 |
智能体 token 预算一文介绍了如何按调用测量每一部分。
两种计费方式如何随规模变化?
关键区别在于各自计的是什么:
- 按 token 计费(按量付费)计算每个智能体发送和接收的每一个 token。多一个智能体,就多一份 token。
- 固定价格会话计算的是同一时间进行中的请求数。在 BroadNet 的不限量套餐上,一个会话同一时间处理一个请求,不计 token,Full Moon 每月 $60。四个智能体同时调用模型,需要四个会话。四个智能体轮流调用,只需要一个。
这意味着套餐并不会让多智能体变成免费的。一个会话的产出是有限的:按 约每秒 100 个 token 计算,如果不停生成,每月约 约 2.59亿 个输出 token。在同样的时间里要更多 token,就需要更多会话。
会话算法:计算示例
我们沿用固定价格 vs 按 token 计费一文中的全职编程智能体:每月 1,000M 输入 token,80% 命中缓存,50M 输出。在 DeepSeek V4.1 Flash 上,按 token 计费每月 $65.40。
| 方案 | 每月 token | 按 token 账单 | 会话数 | 套餐账单 |
|---|---|---|---|---|
| 一个智能体,全天运行 | 1× | $65.40 | 1 | $60 |
| 编排器 + 3 个子智能体,全天满负荷 | 4× | 4 × $65.40 | 4 | 4 × $60 |
| 同一团队,子智能体突发运行,峰值重叠 2 | 约 2× | 2 × $65.40 | 2 | 2 × $60 |
| 四个轻量智能体,各自为业余项目用量 | 4 × 轻量 | 4 × $14.23 | 4 | 4 × $60 |
这几行说明了什么:
- 忙碌的智能体适合套餐,每个会话都有可观的差额。 在这个用量下,每个满负荷的会话每月节省 $5.40。四个会话就节省四倍。
- 突发运行的子智能体适合更少的会话。 按大部分时间看到的重叠数购买。BroadNet 的页面没有说明超出部分的请求是等待还是被拒绝,所以给每个智能体加上针对并发 429 的退避重试。
- 轻量智能体适合按 token 计费。 为四个大部分时间闲置的智能体买四个会话,花费远超它们实际的 token。在业余项目用量下,每个智能体按 token 计费每月 $14.23。
经验法则:当使用某个会话的智能体每月通过它处理约 9.17亿 输入 token 和 4,600万 输出 token 时,这个会话就值得买。
怎样估算你自己的账单?
- 用按量付费密钥运行多智能体工作流一周,并按智能体记录用量。
- 按智能体汇总 token:输入、缓存输入和输出。乘以约 4.3 得到一个月的量。
- 根据请求时间戳,找出大部分时间有多少个请求重叠。这就是你需要的会话数。
- 在固定价格 vs 按 token 计费计算器中,把按 token 的总额与“会话数 × $60”比较。
- 在买一个月之前,先用 $1 的 Meteor 小时跑同样的工作流,每个会话一个。
按量付费密钥允许同时进行 4 个请求、每分钟 30 个请求,所以大规模分发在按 token 计费时也会触及速率限制。无论哪种方式,都要规划好退避;参见长时间运行的智能体。
怎样降低多智能体的成本?
- 从一个智能体开始。 只在工作能干净拆分的地方加子智能体。
- 给子智能体更少的工具和比编排器更短的提示词。
- 子智能体向编排器返回摘要,而不是完整记录。
- 在质量允许的地方,给子智能体用更便宜的模型,把更强的模型留给规划。
- 速度不重要时,让交接依次进行。 依次运行的智能体可以共用一个会话。
BroadNet Inference 适合什么场景
BroadNet 的不限量套餐适合智能体保持忙碌的多智能体系统:在 DeepSeek V4.1 Flash 上,每个会话每月 $60,不计 token,一个密钥可以挂多个会话。按 token 计费的密钥适合突发式分发,以及 GLM 5.3 等其他模型。套餐不适合大部分时间闲置的智能体;另外,BroadNet 没有将 DeepSeek V4.1 Flash 列为支持工具调用,所以请先测试你的子智能体的工具使用。OpenAI Agents SDK 指南展示了接入方法,套餐见 inference.broadnet.ai/plans。
