如果你还没听说过 Agnes AI，这不奇怪。它主战场在东南亚和拉美，北美欧洲的媒体对其鲜有报道。但有几个数字你可能需要先看一眼：
- 2024 年 7 月上线，一年不到注册用户破百万，DAU 过 10 万
- 2025 年 9 月商业化，当时 RRR 就做到了 800 万美元
- 2026 年 6 月，宣布全模态 API 无限期免费——文本、图像、视频，一个 Key 全通，不收一分钱，不用绑银行卡
而它的核心团队，不过是新加坡国立大学走出来的一帮博士生和连续创业者。
这事儿有点意思。不是因为它”技术有多强”——而是它的打法和市面上所有 AI 公司的路径都不太一样。
很多人以为 Agnes AI 就是个 API 提供商，其实它有三个面。
Agnes（主端）是一个 AI Agent 工作台，内置自研的 Agnes-2.0-Flash 模型，能做多步复杂任务——写代码、做 PPT、数据分析、长文撰写。这个 Agent 在 Claw-Eval（真实 Agent 场景评测榜）上进了全球前十，跟 OpenAI 和 Anthropic 的模型排在一起。
Pavo 是一个多模态视觉创作引擎，专注文生图和文生视频。画质自己去官网看，确实能打。
Echo 是互动剧情平台——你做一个选择，AI 实时生成下一段剧情和对应的场景图。本质上是一个”带视觉渲染的文字冒险游戏生成器”。
然后才是那个拿来当流量入口的 免费全模态 API：文本用 agnes-2.0-flash，生图用 agnes-image-2.1-flash，视频用 agnes-video-v2.0。API 完全兼容 OpenAI 接口，改个 base_url 就能切过来。
这是产品层面的”组合拳”——C 端应用拉活跃，API 拉开发者，两端在一个生态里互相导流。
接下来聊策略，这才是 Agnes AI 最值得看的地方。
创始人 Bruce 在新加坡国立大学读 AI 博士，之前在伯克利读数学与计算机双学位，去过微软和领英。联合创始人 Will 也是伯克利出身，之前跟他一起创过业。
2024 年下半年，他们原来的 toB 数字营销业务碰到天花板，团队一咬牙全部转了 AI。当时他们问了自己一个问题：全球 60 亿人，真正用上 AI 的有几个？
答案是一小撮。不是技术门槛，不是需求不够，而是成本和体验门槛。好的模型 API 贵——OpenAI 要绑卡、Anthropic 要绑卡、Google 也要绑卡。开发者想试个功能，先掏出信用卡填一圈表单，然后看着 token 计数器心算成本，这还怎么玩？
所以他们做了两个核心决策。
第一个是把 DAU 当成北极星指标，不是收入。联合创始人 Will 在访谈里说得直白：AI 应用的付费率不会超过 5%，指望那 5% 养不活产品。唯一的出路是先把另外 95% 拉进来，靠规模和停留时长换未来。所以 Agnes 主端免费，API 免费，每月赠送的任务量比一些付费套餐还多。
第二个更狠：把免费从文本延伸到图像和视频。 文本 Token 便宜，你给我免了那叫诚意。图像和视频的推理成本比文本高两个数量级，你给我免了——这叫战略。
你可能想问：免费怎么活下去？
答案是技术降本。
Agnes 团队自研了多个专用模型，包括一个 7B 参数的编排调度模型和一个 32B 参数的行动模型，通过蒸馏整合成 MOE 架构用于特定任务。在 Agent 间的内部通信中，他们用代码代替自然语言——代码比人话紧凑得多，经实测通信 Token 消耗降低了 40%~70%。再加上任务编排剪枝和 A* 搜索替代传统 DFS/BFS 的路径优化，推理成本被压到了行业水平的几分之一。
这是一笔账：产品免费 → 用户涌入 → DAU 暴涨 → 但通过自研模型和工程优化，每个用户的推理成本远低于同行 → 免费策略可持续。
这才是 Agnes AI 最核心的东西——它不是用资本补贴打市场，是用技术降本换市场。
回到这次的全模态 API 免费政策。
RPM 限制是每分钟 20 次（免费用户），对个人和小型项目够用，高并发场景不适用。视频生成走异步任务，3-5 秒的内容大约等 2-3 分钟。实测中发现的坑——视频 URL 返回字段名跟文档对不上、文生图传了不该传的参数会报错——也算是早期产品的正常现象。
但对比一下同行：你在 OpenAI 跑一个文生视频大概要几块钱，在 Google 跑也不便宜。Agnes 全模态免费，而且明确说”核心模型长期免费，无过期限制”。绑卡？不需要。预充值？跳过就行。
这个定位像极了当年的 DeepSeek——用远低于行业的价格（甚至免费），倒逼整个市场重新思考”什么才是一个合理的定价”。只不过 DeepSeek 打在文本推理上，Agnes 打在多模态上。
不过这里面有也很大的不确定性。
首先，RPM 限制下，免费 API 目前显然不适合生产级高并发场景。其次，Agnes 的模型在绝对性能上跟 GPT-4o、Claude Sonnet 4 比还有差距——Claw-Eval 前十固然不错，但那是 Agent 场景下的专项评测，覆盖面和主流综合基准不是一个维度。团队自研的模型还在快速迭代中，32B 的行动模型也还没完全落地。
最大的不确定性还是商业模型本身：无限期免费 + 技术降本，这依赖于推理成本持续下降的速度快于用户规模增长的速度。这条路 DeepSeek 跑通过一次，但 DeepSeek 背后有量化基金的利润撑着。Agnes 是创业公司，资方和团队能有多少耐心，决定了这个免费窗口到底能开多久。
如果你是个独立开发者，想低成本跑通一个带图像甚至视频生成能力的 MVP——Agnes 的全模态 API 是目前市面上门槛最低的选择，没有之一。改个 base_url 就能用，不值得在这个环节犹豫。
评论列表 (0条)：
加载更多评论 Loading...