免费无限期Token推荐：2024精选平台评测

粗略估算下来，每月开销超过 4000 元 token 费用，其中 Claude 和 Codex 占比最高。说完全不心疼是假的，但身处 AI 时代，这笔投入又确实无法回避——几乎每天都在高强度调用。尤其在项目集中开发期，token 消耗量更是直线飙升，因此对免费 token 的渴求也愈发强烈。

值得庆幸的是，Agnes AI 现已宣布无限期免费开放全模态模型 API。文本、图像、视频三条产品线，全部免费，且无调用次数限制。

根据官方公开数据，全模态总 token 调用量已突破 3.12T。其中，文本模型 Agnes-2.0-Flash 贡献约 1.9T；视觉模型 Agnes-Image-2.1-Flash 与 Agnes-Video-2.0 合计贡献约 1.2T。这一数据相当可观，充分印证了市场对免费 token 的旺盛需求。我们第一时间将这三个模型接入了 PaiAgent，从文本对话到图片生成再到视频输出，实现了全链路贯通。

01、快速获取 API Key

Agnes 的注册流程非常简便，登录后在控制台即可创建 API Key，直接复制使用即可。

Agnes 的 API 完全兼容 OpenAI 格式，Base URL 为 https://api.agnes-ai.com/v1，认证方式与 OpenAI 一致，只需在 Header 中传递 Authorization: Bearer 。这意味着，凡是支持 OpenAI 接口的工具、框架和平台，仅需修改 Base URL 和 API Key，就能无缝切换至 Agnes 模型。

在 PaiAgent 的全局模型配置中，新建一个配置项，供应商选择 Agnes，填入 API 地址，模型名称填写 agnes-2.0-flash，API Key 填入刚才复制的密钥。若要启用图片和视频生成功能，则分别填写图片模型 agnes-image-2.1-flash 和视频模型 agnes-video-2.0，保存配置即可。TTS 功能预计于本周五灰度上线，届时也会同步接入。语音能力一旦就位，Agnes 将真正实现全模态覆盖。

02、文本模型 Agnes-2.0-Flash

Agnes-2.0-Flash 是一款通用型文本模型，覆盖对话、代码生成、知识问答、任务规划与工具调用等核心场景。在 Claw-Eval 评测中，其 Safety 得分高达 97.2，Robustness 得分为 95.4。这两个维度主要衡量模型在面对对抗性输入时的稳定性与安全性，属于 Agent 场景中的硬性指标。

Claw-Eval 与传统 Benchmark 不同，它不评测数学题或选择题，而是聚焦于模型在真实 Agent 场景下的综合执行能力，包括工具调用的准确性、多步骤规划能力以及复杂上下文的保持能力。这可以说是最贴近 AI Agent 实战能力的评测体系。

Agnes-2.0-Flash 已支持 1M 上下文的处理。我们在 PaiCLI 中设计了三个测试用例，分别验证其长文档理解、代码生成和工具调用能力。

第一个测试针对 1M 上下文。我们将 Spring AI 的官方文档（约 15 万字）一次性喂给 Agnes-2.0-Flash，然后提问："Spring AI 的 Tool Calling 与 MCP 的 Function Calling 在实现机制上有何本质区别？" 这个问题的答案分散在文档的多个章节中，模型需将前文关于 Tool 注解的描述与后文关于 MCP 协议的细节联系起来，才能给出准确回答。Agnes 给出的答案精准抓住了两者在设计层面的核心差异，且引用的内容均能在原文档中对应核实。若换成 128K 上下文的模型，这份文档根本无法完整加载，只能先做 RAG 检索再拼接，中间的信息损失难以避免。

第二个测试是代码生成。我们要求它从零编写一个完整的 Spring Boot REST API demo，包含用户 CRUD、JWT 认证及 Swagger 文档配置。生成的代码结构清晰，Controller、Service、Repository 分层合理，JWT 过滤器实现无明显安全漏洞。直接执行 mvn spring-boot:run，只需修改数据库连接即可启动。我们还追加了参数校验与全局异常处理的要求，补充的代码与之前生成的风格保持一致，未出现前后矛盾的情况。对于一款免费模型而言，这样的代码生成质量已足够实用。

第三个测试聚焦工具调用（Function Calling），这也是 Claw-Eval 重点考察的能力。PaiCLI 内置了 read_file、write_file、execute_command、grep_code、web_search 等工具，模型需根据用户意图自主判断调用哪个。我们设计了一个复合场景："查询 PaiCLI 项目中是否存在硬编码的 API Key，若找到则将其修改为从环境变量读取。" Agnes-2.0-Flash 首先调用 grep_code 搜索关键词，接着调用 read_file 确认上下文，最后调用 write_file 完成修改。整条工具调用链的参数格式全部正确，未出现凭空虚构工具名的情况。对于编码助手而言，工具调用的准确性远比对话质量更为关键。

该模型免费前的价格是输入 $0.03/1M tokens、输出 $0.15/1M tokens，大约仅为同类模型价格的一半。如今已直接免费开放。

03、图片模型 Agnes-Image-2.1-Flash

Agnes-Image-2.1-Flash 在 Artificial Analysis 的图片质量评测中取得了 Elo 1191 的成绩（基于 4494 个样本的盲评数据）。该评测采用真实用户盲评机制，评测者完全不知道图片由哪个模型生成，仅凭画面质量打分。作为一款免费模型，能在以付费模型为主的榜单中站稳脚跟，已超乎预期。

【此处插入Artificial Analysis 图片榜单截图：截图目标：证明 Agnes 图片模型在盲评榜单中的排名；关键词：Artificial Analysis、图片编辑、排名；建议位置：网页】

免费前的价格为 $3/1000 张图，相比海外部分图像模型 $30/1000 张的定价，Agnes 本身就极具性价比。如今连这 3 美元的成本都省去了。

图片模型的 API 同样兼容 OpenAI 格式，核心参数仅有四个。

{"model": "agnes-image-2.1-flash","prompt": "提示词","size": "1K","ratio": "1:1"}

size 支持 1K、2K、3K、4K 四档，ratio 支持 1:1、3:4、4:3、16:9、9:16、2:3、3:2、21:9 八种宽高比。本周 4K 输出能力上线后，最高可生成 4096×4096 的超高清图像。

我们在 PaiAgent 中通过图片生成节点实测了几个典型场景。

文生图：提示词为"一座城市夜景，高楼林立，霓虹闪烁，雨水反射着光影，赛博朋克风格，整体很有电影感"。出图速度约 4-5 秒，画面的光影层次与雨水反射细节均很到位，赛博朋克的氛围感十足。

【此处插入赛博朋克城市夜景生成图：截图目标：展示文生图的画面质量；关键词：赛博朋克、城市夜景、光影；建议位置：网页】

人像生成：提示词为"一位面目沧桑的老人，高品质，照片级真实感，王家卫电影风格，使用柯达 Portra 800 胶卷拍摄，高对比度"。反复观察，皮肤纹理、光影过渡、胶片颗粒感均很自然，完全没有常见 AI 生成的"塑料感"。

【此处插入老人人像生成图：截图目标：展示人像生成的真实感；关键词：人像、胶片感、写实；建议位置：网页】

图生图：我们先准备一张原图，让模型将人物表情修改为自然的微微一笑。Agnes-Image-2.1-Flash 的编辑能力支持图改图、多图融合、局部修改、背景替换、风格转换、文字编辑与图像修复，共七种编辑模式。测试了一个证件照场景：上传一张普通照片，提示词写"将图像生成一张蓝底证件照"，结果背景替换得非常干净，人物边缘没有明显的毛刺。

【此处插入证件照生成对比图：截图目标：展示图生图的编辑能力；关键词：证件照、背景替换、编辑；建议位置：网页】

4K 能力上线后，对电商主图、产品海报、广告素材等需要高分辨率输出的场景将更具优势。只需将 size 参数从 "1K" 改为 "4K"，其他代码无需任何改动。免费生成 4K 图片，这一诚意确实足够。

04、视频模型 Agnes-Video-2.0

Agnes-Video-2.0 支持原生音画同步生成，输出分辨率可选 720P 和 1080P。免费前的价格为 $0.3/分钟，一条 10 秒的 720P 视频仅需 3 毛钱。

在 Artificial Analysis 的 Video Leaderboard 上，Agnes-Video-2.0 同样位列前茅。

【此处插入Artificial Analysis 视频榜单截图：截图目标：证明 Agnes 视频模型在榜单中的排名；关键词：Video Leaderboard、排名、音画同步；建议位置：网页】

视频模型的能力矩阵涵盖首帧生视频、首尾帧生视频、多帧生视频、多镜头内容生成、人物内容生成、景别切换、第一视角运镜以及光影氛围塑造。

我们在 PaiAgent 的视频生成节点上跑了三个测试。

第一个是纯文本生视频。提示词为"一场 GT3 赛车比赛，晴天日间，一辆 88 号红色法拉利领跑，远景、中景、特写来回切，要电影质感"。生成耗时约 40-60 秒，输出视频的镜头切换节奏感强，从远景赛道全貌切到中景弯道超车再到特写轮胎摩擦，搭配原生音效，引擎轰鸣与轮胎尖叫声均由模型自动生成，整体氛围非常到位。

【此处插入赛车视频截图：截图目标：展示文生视频的画面质量和镜头切换；关键词：赛车、镜头切换、电影质感；建议位置：网页】

第二个测试的提示词为"一支摇滚乐队在演出，主唱挥手带动观众，背景射灯从暖黄逐渐过渡到冷蓝"。该视频的亮点在于光影过渡，射灯颜色的渐变非常自然，没有突兀的跳色。音画同步特性也得以充分发挥，背景中能清晰听到隐约的音乐与观众呐喊声。

【此处插入摇滚乐队视频截图：截图目标：展示光影过渡和音画同步效果；关键词：摇滚乐队、光影过渡、音画同步；建议位置：网页】

第三个是图生视频。我们找来一张跑车图片作为首帧，提示词要求模型基于该图片生成一段高速公路追逐大片。这个场景更考验模型对参考图的理解能力与运动连贯性。生成的视频在保持车辆外观一致性方面表现出色，运镜也带有追逐片的紧迫感。

【此处插入图生视频效果截图：截图目标：展示首帧生视频的效果和运动连贯性；关键词：图生视频、追逐、运镜；建议位置：网页】

关于音画同步，再多说几句。市面上大多数视频模型只能生成纯画面，音频需要额外借助 TTS 或音效模型来合成。而 Agnes-Video-2.0 原生输出带音频的视频文件，引擎声、音乐声、环境音均由模型根据画面内容自动匹配。赛车场景自带引擎轰鸣，演唱会场景包含乐器与人声，这种匹配精度在免费模型中确实难得。当然，原生音频质量与专业音效工具相比仍有差距，但对于短视频、产品 Demo 等场景已完全够用。

PaiAgent 的视频生成节点内部实现了一套轮询机制：先提交生成任务获取 taskId，然后每 5 秒查询一次任务状态，直至生成完成或超时（最长 5 分钟）。生成完的视频会自动转存至 MinIO 对象存储，并返回可访问的 URL。整个流程对用户完全透明，只需在工作流画布上拖一个视频生成节点，填写提示词，点击执行即可。视频生成的 API 与文本和图片不同，它是异步的，需先提交再轮询。PaiAgent 将这个异步流程封装在节点执行器内部，通过 SSE 协议向前端推送生成进度，用户能在画布上实时看到"生成中 30%""生成中 80%"等进度反馈。

05、GitHub 生态与开发者应用

Agnes 模型免费开放两周以来，GitHub 上已涌现多个围绕 Agnes AI 的开源项目（截至 2026-06-16 通过 GitHub API 检索）。项目类型涵盖 Agent Skill、ComfyUI 节点、CLI 工具、Web 应用和 API 网关，覆盖了 Claude Code、Codex、ComfyUI 等主流工具链。

【此处插入GitHub 项目列表截图：截图目标：展示 Agnes 在开发者社区的真实采用；关键词：GitHub、Skill、开源；建议位置：网页】

06、调用数据与全模态布局

根据 Agnes AI 官方公布的数据，首周 Agnes-2.0-Flash 调用量已超过 1 万亿 Token，Agnes-Image-2.1-Flash 首周生成超过 200 万张图片，Agnes-Video-2.0 首周生成超过 200 万秒视频。

进入第二周，全模态总 token 调用量达到 3.12T。文本模型贡献约 1.9T，图片与视频模型合计约 1.2T。图片和视频的占比接近 40%，这说明免费政策确实极大降低了开发者在视觉内容生成方面的试用门槛。之前需要精打细算成本才能生成，现在可以大量尝试不同的提示词和参数组合，无需再盯着余额干活。

【此处插入Agnes 调用数据统计图：截图目标：证明模型的真实调用规模；关键词：3.12T、调用量、Token；建议位置：网页】

Agnes 的全模态布局目前覆盖文本、图片、视频三条产品线，TTS（语音合成）能力预计本周也将灰度上线。届时，文本生成、图片生成、视频生成、语音合成四种能力将全部就位，一套 API Key 即可全部搞定。

对于从事内容自动化的团队而言，这意味着一条完整的生产线：Agent 写脚本 → 生成配图 → 生成视频 → 配上语音旁白，整个流程均可在同一平台的 API 下完成。而 PaiAgent 的工作流编排能力，恰好适合串联起这样的多模态流水线。

ending

两周前还在为 API 账单发愁，如今文本、图片、视频三条线已全部免费，且不限量。PaiAgent 工作流中的每个节点都替换为 Agnes 的模型，跑了上百次测试，一分钱未花。

4K 图片生成本周已上线，1M 上下文支持也已就位，TTS 语音合成也即将到来。

一套 API Key 管文本、图片、视频、语音四条线，省下来的开销，足够请团队好好搓一顿了。