多智能体交接成本：3 智能体链在 token 上的消耗

你的三个智能体完成了任务，但账单比任务本身看起来要贵得多。原因很简单：在文本交接模式下，每个智能体都要付费读取此前所有智能体写下的全部内容。一份 1,500 token 的计划，规划者写它时付一次费，编码者读它时再付一次，审查者读它时又付一次。精简交接内容，只把每个智能体需要的东西交给它，后续每个智能体的输入就会变小。

下面：一个完整的 3 智能体示例及其 token 计算、按实时价格估算每天 100 个任务的成本，以及你今天就能做的三项改动。Chat-completions API 是无状态的，所以每个请求都会再次携带完整上下文（为什么长对话更贵和消息数组如何工作涵盖了基础知识）。

token 在哪里堆积#

假设你运行一个规划者、一个编码者和一个审查者。任务加指令是 1,000 token。规划者写出一份 1,500 token 的计划，编码者写出 3,000 token 的代码和注释，审查者写出 800 token 的结论。这些是示例用的整数，不是实测值；请用你自己从 usage 字段得到的数字替换（如何读取它）。

每个智能体的输入是任务加上它收到的每一次交接：

整条链读取 9,000 token 来产出 5,300。再加第四个智能体，它就要读取任务加上全部三次交接，所以输入会随每一跳增长，而不只是多一次交接。

每天 100 个任务要花多少#

交接 token 在智能体写出它时作为输出计费一次，然后被每个后续读取它的智能体作为输入计费。输出 token 的定价高于输入 token，所以在这个示例中，尽管整条链读取的比写入的多，答案仍占账单的更大份额（输入与输出 token）。

一个任务是 9,000 token 输入、5,300 token 输出。在 MiniMax-M2.7 上，每个任务是 $0.0012。每天 100 个任务，以下是我们各模型的实时价格，旁边是 OpenRouter：

总计，把输入和输出加在一起，对于这条链，上述 CheapTokens 模型比 OpenRouter 更便宜。

想为你自己的链计算？把一个智能体的平均请求放进计算器：大约 3,000 token 输入、1,800 token 输出，重复 300 次，就是三个智能体的 100 个任务。

三种缩小账单的方法#

1. 把交接做成简短的结构化笔记#

规划者不需要为编码者写一篇长文。要求它填写字段：目标、文件、步骤、约束。假设一份包含八个单行步骤的简短笔记大约 400 token，而不是 1,500（这是一个假设：请用你自己从 usage 得到的数字），后续每个智能体读取的都是这份更小的笔记。用 max_tokens 限制回答长度，设置得略高于预期笔记长度，这样啰嗦的模型就无法把长文偷偷塞回来。

import os
from openai import OpenAI

client = OpenAI(
    base_url='https://api.cheaptokens.dev/v1',
    api_key=os.environ['CHEAPTOKENS_API_KEY'],
)
task = 'Add a --dry-run flag to the export command'

plan = client.chat.completions.create(
    model='deepseek-ai/DeepSeek-V4-Flash-0731',
    max_tokens=500,
    messages=[
        {'role': 'system', 'content': 'Reply with JSON only: {goal, files, steps, constraints}. At most 8 steps, one line each.'},
        {'role': 'user', 'content': task},
    ],
)
note = plan.choices[0].message.content
print(plan.choices[0].finish_reason, plan.usage.completion_tokens)

如果 finish_reason 是 length，说明笔记被上限截断了：稍微调高 max_tokens 或缩短 schema（该错误的样子）。模型 id 和 base URL 在 CheapTokens 文档中。

2. 只把每个智能体需要的东西交给它#

如果审查者对照任务检查代码，它不需要计划：任务和代码就够了。如果它还要对照计划检查代码，那就保留计划。把计划从它的上下文中去掉，在你的编排器里只需改一行：

两项改动都做（再加上 400 token 的笔记，这是我们的假设），示例链变成：规划者 1,000 输入、400 输出，编码者 1,000 + 400 = 1,400 输入、3,000 输出，审查者 1,000 + 3,000 = 4,000 输入、800 输出。也就是 1,000 + 1,400 + 4,000 = 6,400 token 输入，400 + 3,000 + 800 = 4,200 token 输出，而之前是 9,000 和 5,300。同样是每天 100 个任务：

在 MiniMax-M2.7 上，一个任务经过精简后的链是 $0.00095，低于之前的 $0.0012。

3. 给短角色配便宜模型#

规划者写的是短回答，所以从它开始：试试 GLM-5.3-Flash（390K 上下文，每次回答最多 8,192 输出 token），并在你自己的 10–20 个任务上比较结果。编码者写最长的回答：DeepSeek-V4-Flash 每次回答最多允许 32,768 输出 token。由于所有模型共用一个余额、任何时段都是同一价格，在一条链中混用它们，只需为每个智能体设置不同的 model 字符串。两者的当前价格见价格表和 DeepSeek 页面。

为什么不直接传 KV 缓存？#

论文 SwaT (arXiv:2610.15095) 由 Alabdulkareem、Tenison、Zhang、Zhu、Katz 和 Gutfreund 于 2026 年 10 月 10 日提交，提出的正是这个思路：智能体之间传递 KV 缓存状态而不是文本，这样接收方就无需再次读取文本。根据摘要页面（2026 年 10 月 31 日读取），作者报告在 17 个基准、12 个 LLM 和 6 个模型家族上，平均准确率比文本到文本通信高 40%（配合 KV 缓存压缩），平均实际耗时快 4 倍。这 40% 是准确率，不是 token 或价格的节省。

这样的研究方法需要访问模型的内部缓存。chat-completions 请求输入文本、输出文本，所以在 API 场景下，你的杠杆就是文本：也就是上面三项改动。

在扩展到数百次运行之前#

关于智能体预算的更大图景，见如何估算 AI 智能体的成本和为什么智能体使用这么多 token。