Agent吞金时代：起底大模型Token中转站的“黑盒生意”

作者：快思慢想研究院院长 田丰，每日经济新闻 陈婷

开篇 19元买来5000次请求

19元，5000次请求，有效期一周。电商平台上这张"Kimi K3周卡"，价钱和一杯奶茶差不多。

《每日经济新闻》记者下单后，很快收到一串兑换码。按指引登录网址换出API Key，再到支持OpenAI兼容格式的WorkBuddy里选"自定义模型"、保存配置，几分钟就跑通了。商家说得很大方：请求次数和Token分开算，每次请求不限Token。

蹊跷出在账单上。记者只调用了12次，模型也只回了12次，后台却显示额度已用掉2.6%。按5000次折算约130次，是实际次数的十倍有余。客服的解释云淡风轻："一次提问可能消耗几次或几十次调用请求。"

这样的货架并不稀奇。大量Token日卡、月卡压根不写Token额度，消费者没法和官方比价，也说不清自己买到多少、模型是不是正牌、钱又是怎么扣的。卖家多自称API服务商或"API中转第三方平台"，有的商品页倒也坦白，注明"非对应模型官方服务"。

国家安全部官方微信号在《"AI中转站"，风险要防范》一文中定义：AI中转站是介于用户和模型厂商官方服务之间的代理层，把各家厂商的API整合到一个平台，再提供给用户。通俗点说，就是大模型的"二道贩子"。产业一路高歌猛进，作为核心流通载体的Token，却还在一个没有刻度的集市里野蛮生长。

一、没有刻度的秤，称不出真价钱

同一个Kimi K3，换一家店，账法就变了。有中转商标出"10额度、不限时间、不限次数、按量计费"，售价16.67元。记者问10额度合多少Token，店家不肯解释，只回一句："上面显示多少就是多少。"

第三家说得最像回事：1000积分9.9元，每1万Token扣1积分，输入、输出、缓存统统算在内。照此推算，9.9元能用1000万Token。再看Kimi K3官方价，缓存未命中时输入每百万Token 20元，输出100元。同样1000万Token，全按便宜的输入价算要200元，以输出为主则要1000元。中转价只有官方的二十分之一到百分之一。问它凭什么这么便宜，客服答得干脆："我们自部署的，有闲置算力，有补贴。"

来源就更玄了。记者问某家DeepSeek相关商品有没有官方授权，对方答："没有这种东西，我们是自己的平台提供模型API的。背后资源是DeepSeek原厂来源。"还有商家不肯在电商平台把交易走完，非要把人拉到微信，才私下发出兑换网址和兑换码。

2001年诺贝尔经济学奖得主乔治·阿克洛夫在《柠檬市场》里讲过二手车的故事：买家分不清好车坏车，只肯出平均价，好车主纷纷离场，最后满街都是"柠檬"。额度不标、计量不明、来源不清，Token中转站把柠檬市场的配方凑齐了。

二、成本是企业级的，钱包是个人的

中转站为何偏偏这两年疯长？快思慢想研究院院长田丰给你算一笔账。传统对话式AI一来一回消耗几百到几千个Token；Claude Code、Cursor这类智能体编程工具接到任务，要自己规划、调工具、多轮迭代、反复读写上下文，单个任务就要8万到15万个Token，高出一到两个数量级。田丰援引Anthropic发布的Claude Code使用数据：经验丰富的用户平均一次提示会触发12次动作、产出3200字。在他看来，这等于"雇了一个不知疲倦、但按分钟计费的实习生"。

消耗一跳级，原本"贵一点也能忍"的官方价，就成了普通开发者扛不住的月账单。更拧巴的是买单的人换了。过去调API的主力是企业，有预算，能跟厂商谈协议价；如今桌面助手、编程工具把调用大模型派发到每个独立开发者和爱好者手里，他们没有谈判筹码，却要背企业级的消耗。"成本结构是B端的，买单的钱包却是C端的，"田丰说，"中间这道缝，就是中转站的套利生意。"

19世纪经济学家杰文斯发现，蒸汽机越省煤，英国烧的煤反而越多。2025年初，微软CEO纳德拉一句"杰文斯悖论又来了"，说的正是AI。从大型机到PC，从PC到云，每当"人动手"换成"机器自己干"，资源消耗都会非线性跃升。卡帕西提出"vibe coding"，人只管用自然语言描述想法，代码交给AI，人脑省下的功夫全得拿Token来支付。官方计费还没为智能体重设颗粒度，套利者便一拥而入。田丰说，这与道德无关，价格双轨制下历来如此。

三、中转站做的，是项目"童年期"的生意

货从哪来？田丰数出两条路：批量注册个人开发者账号拆零卖，或者破解Cursor、Windsurf这类订阅软件里绑定的模型权限再分销。共同点是账号匿名、成批操作，官方风控一出手就可能一锅端。这样的货源天生把企业挡在门外。中小企业采购云服务，头一件事就是要发票、要合同主体、要服务承诺，中转站偏偏结构性地给不出，"给了就等于自己举报自己"。

谁在买？主要是个人开发者和还没跑通商业闭环的独立创业者。项目没收入，对价格敏感到骨子里；正因为还没到"不能停"的阶段，容错空间也大，服务商跑路、账号被封，损失的不过是几十块钱和几小时重新配置。等项目有了付费用户，对稳定的要求陡然拔高，这批人大概率会自己搬回官方渠道。田丰说，中转站服务的其实是"项目生命周期的早期阶段"，客户是流动的。

往深处说，这是交易成本的门槛。1991年诺贝尔经济学奖得主罗纳德·科斯解释过企业为何存在：用内部协调替代市场上的搜寻与谈判成本。企业要用中转API，得过安全评估、法务合规、财务对账，耗费远超单价上省下的差价；个人开发者一人拍板，价差直接落袋。这注定是门长尾生意。

门槛低、诱惑大，连加密圈也挤了进来：孙宇晨的B.AI靠免费补贴引流、后期用DeFi生息变现；傅盛的EasyRouter走互联网基础设施赚差价、赚规模的老路；WLFI的WorldRouter把AI调用和加密代币深度绑定。赛道公认的头部OpenRouter，据其自身披露已服务超过500万名开发者。

四、水货卖访问权，行货卖确定性

官方MaaS（模型即服务）和第三方中转差在哪？田丰打了个比方：正规行货与水货平行进口。行货附带服务等级协议、数据处理协议、模型版本的稳定承诺，出了事能找到担责的法律主体。水货只给一个能跑通请求的接口地址，背后是官方账号池、破解权限，还是明天就卷包袱跑路的灰色渠道，用户两眼一抹黑。看着是同一件商品，一个是专业服务，一个是访问权限的转租。

明知如此，为何还有那么多人买水货？官方渠道要国际支付方式、企业实名认证，有时还有区域限制；中转站支付宝一扫，5分钟就跑通第一个请求。用户其实是在拿确定性换即时性。2002年诺贝尔经济学奖得主丹尼尔·卡尼曼在《思考，快与慢》里把人的决策分成快、慢两套系统，"马上能用"的甜头直通快系统，账号说封就封、数据说漏就漏的风险，要靠慢系统才掂得出分量。田丰说，"即时收益被过度加权"这个行为经济学的老毛病，在AI消费上又重现了。

MaaS的本意，是把模型能力当水电一样的基础设施来卖。基础设施的立身之本是可预测、可审计、出事有人担责，便宜只是加分项。中转站卖的是套利后的残值，靠官方体系里三道现成的“价差”赚钱：批发与零售之间、不同区域之间、个人订阅与API调用之间。价差在，中转就在；可它的饭碗建立在钻空子上，不承担确定性的服务责任，也就永远长不成新一代基础设施。

五、"无限量"套餐，赌的是时间套利

低价周包、次包、无限量套餐，账算得过来吗？据行业观察，中转站拿货约每万Token 0.2元，转手卖0.5元，毛利率约六成。前提是上游的批量账号或破解权限别被官方识破、别被平台下架。一旦官方加强异常检测、批量封号，货源成本立刻失控，要么涨价，要么跑路。已有用户反映，计费在短时间内被抬到原来的3到4倍。田丰说，"无限量"本质是时间套利，赌官方风控追不上自己的获客速度，根本算不上专业服务定价。

比价格战更该警惕的，是信息不对称下的用户内容收割。今年4月，加州大学圣巴巴拉分校团队发表论文《Your Agent Is Mine》，对428个商用中转路由做了测量，发现9个会注入恶意代码，17个滥用研究者凭证，包括试图窃取亚马逊云凭证，还有1个直接盗走了以太坊资产。更麻烦的是，即便路由本身没有恶意，只要密钥泄露一次，就会引发同类数据泄露。田丰认为，这已超出"便宜没好货"的范畴，是"拿低价当诱饵、拿敏感数据变现"，正是监管该重点盯防之处。

对正规厂商的B端MaaS，冲击是结构性的，但远不致命。中转站抢的是价格敏感、风险容忍度高的长尾流量，并非官方的主力现金流。间接伤害却“货真价实”：来路不明的廉价调用会污染厂商的风控系统和用户画像，让真实企业需求更难识别；还会拉低普通用户心里"合理API价格"的锚点，给官方面向个人开发者的正常定价添堵。

六、授权是合规与违规的分水岭

厂商并不一刀切地禁止中转，界线在于有无书面授权。对无授权、倒卖额度的简易中转，各家普遍说"不"，只是措辞松紧不一。智谱《用户协议》很严格：未经事先书面同意，不得以出售、转售、共享账号、转授权、二次封装、服务中转、聚合中转等方式向第三方提供服务，或提供API Key、API Token、访问凭证等能力。Kimi《用户服务协议》则要求不得以任何形式将账号擅自转让、出借、出租或提供给他人使用。

无备案、无资质算不算违法？北京市隆安（深圳）律师事务所合伙人卫斌主张分"行政合规—民事责任—刑事责任"三层看，不能一见无资质就往刑法上套。《互联网信息服务管理办法》对经营性服务实行许可、非经营性实行备案；面向不特定用户持续收费，若实质属于经营性互联网信息服务或其他增值电信业务，可能需要许可。具体性质要看是否直接向终端用户提供信息、是否处理数据、是否撮合交易及技术架构。无证经营可能面临责令改正、没收违法所得、罚款、关停网站或停止服务。

《生成式人工智能服务管理暂行办法》写明，通过可编程接口向境内公众提供服务者，也属于生成式AI服务提供者。卫斌认为，中转商不训练模型，也不只是"网络管道"，还可能触碰个人信息、数据出境与网络安全规定；刑责要看更多事实。

买家图便宜购买、又不知上游Token是否为盗取破解所得，通常不会仅因购买担刑责，但财产、数据、知识产权与保密、企业合规四重风险一样不少。电商平台对卖家违法行为不会自动担责，但应该负有与其控制能力相匹配的审查和处置义务。

七、Token市场最需要一杆“公平秤”

计量糊涂账，并非中转站的专利。Kimi个人版会员分四个付费档，都没标Token总量，而是按智能体任务额度和功能权限划分。就算有厂商标了额度，各家计量口径也不统一，同一段文字或一张图片，在不同模型里数出的Token并不一样，消费者想跨模型比比真实成本，无从下手。

艾媒咨询CEO兼首席分析师张毅认为，价格高低倒在其次，要命的是Token计量"黑盒化"，数量和质量都缺少独立第三方的评价与计量。"我们也做过测试，同样任务在不同平台上消耗的Token数值完全不同，差异甚至十分明显。"同名模型偷偷降配、分层限速、策略不透明，明码标价很多时候只是表面。"这些问题，未必全部是厂商主观刻意为之，但客观上确实存在。"他的药方是：无论怎么计费，都要有一套由第三方参与、经市场监管部门核验的"公平秤"。

物理学家开尔文勋爵说过，能把所谈之物测量出来、用数字表达，才算对它有所了解。2000多年前秦统一度量衡，天下货物才有了共同的尺子；钱学森讲系统工程，也强调子系统之间要有统一的接口和度量衡。如今OpenAI、Anthropic、xAI的Token计价、上下文计费、缓存折扣各有一套，碎片化正是中转商找差价的温床。

田丰判断，词元经济的统一规范短期内不会由哪家厂商拍板，更可能被两股外力倒逼出来：

1.OpenRouter这类聚合平台把各家模型摆进同一张比价表，逼着定价逻辑趋同；

2.企业财务和采购部门要求计费可审计、可对账、跨厂商可比。历史上，需求侧的倒逼一向比厂商自律靠谱。

八、按任务计费、交给持牌渠道，套利者便无处下刀

田丰认为，头部厂商定价的漏洞在计费方式本身。主流体系还是"预付费电话卡"逻辑：输入输出按Token单价计，叠加缓存和批处理折扣。聊天够用，一到智能体场景，同一开发者、同一套餐，月成本可能因任务难易相差10倍以上。海外有开发者从订阅制改为按量计费，月成本从67欧元跳到966欧元，约为原来的14.4倍；有Uber工程师单月API支出在500到2000美元间浮动，四个月烧光全年AI预算。成本控制的担子，全压在不会管预算的个人和小团队肩上。

出路在"结果导向"和"意图分层"。按Token计费是为过程买单，模型绕十八道弯和一次命中，消耗天差地别，用户在乎的只是活儿干成没有。Anthropic CEO达里奥·阿莫代伊多次表达过类似看法：智能的经济价值，终究看它能完成多复杂、多可靠的任务。田丰预计，厂商会按任务复杂度分层打包，乃至按"成功完成的任务"收费。计费单位一旦变成不可分割的"任务包"，拆零倒卖便无从下手。

中转站是用脚投票，证明了一个正当却无人重视的需求：支付宝付款、按量微额计费、免去国际信用卡和企业认证。合规答案大概率是"持牌分销+额度聚合"，持官方授权的分销商统一采购、扛起合规风控、用人民币零售，厂商拿营收与合规保障，分销商赚合法差价。国内云厂商代理海外算力，早已走通这条路。

结语 便宜，从来只是用户在意的事情之一

中转站的“终局”一定是分层的。

1. 头部企业和高敏感行业直连官方API或私有化部署；

2. 中腰部企业和独立开发者转向持牌分销商，合规地压成本；

3. 长尾个人用户和学习者，交给免费额度更慷慨、限速更宽松的开源模型或国产大模型低价档，这部分需求本就不必用海外顶级模型的Token去满足。

任正非讲"力出一孔，利出一孔"，算力也该流向真正创造价值的地方。

电力普及时有人倒卖电，带宽普及时有人倒卖带宽，云计算早期亦然。Token中转站，是计算范式转移中几乎必然冒出来的过渡产物。它能否活下来、以什么形态活下来，取决于两件事：官方厂商肯不肯把定价下沉到个人开发者，监管什么时候让持牌分销跑在灰色中转前面。

等合规渠道补齐轻量化、低门槛、人民币支付这几块短板，“野生中转”的地盘自会迅速缩水。那时它未必变贵，而用户终会明白：便宜，从来只是他们购买的事情之一。

参考文章：《调查｜C端Token中转市场乱象：定价失序、计量“黑盒化”、供给鱼龙混杂 行业亟需第三方“公平秤”》，每日经济新闻记者 陈婷

畅销书：《AI商业进化论：“人工智能+”赋能新质生产力发展》

出版社：人民邮电出版社

作者：田丰

帮助你定位AI当下发展坐标的指南针

帮助你洞察AI未来演进趋势的航海图

通俗化解读AI的原理、特性和四大发展规律、提供AI赋能商业、引发新质生产力变革的一手案例分析。既有宏观视角的全局观照，又有各行业应用层面的下探记录，聚焦AI的原理与实践、现在与未来，是当下AI应用的全景图、更是身处AI技术浪潮之中的探路书。