Agent Zero API 成本：主要、工具與嵌入模型

Agent Zero 這個開放原始碼 AI agent framework 的費用為 $0——其 LICENSE 檔案採用 MIT 條款，著作權屬於 Agent Zero, s.r.o.，而 agent-zero.ai 未提供定價頁面、方案或付費託管層級——因此「Agent Zero pricing」指的是其底層的模型 API 帳單。這筆帳單與單一模型 agent 不同之處，在於 Agent Zero 將費用拆分到三個模型角色，分別設定並分別計費：主要模型、utility 模型和 embedding 模型。Kunavo 不提供 embedding 模型，因此在此只有前兩個角色需要購買，第三個角色則維持本機預設，或改用提供該步驟的供應商。因而，收到一則聊天回覆並不代表整合已完成——這只表示三個角色中的其中一個完成了回應。

先釐清一件事，因為它出現在結果頁上，而不是頁面旁邊。Agent Zero Token (A0T) 是 Base 上的加密貨幣，在本頁針對「agent zero pricing」的單次搜尋結果中排名第四；該結果記錄於 2026 年 9 月 17 日，Coinbase 的價格頁面排名第七。一次結果不能代表排名。這個代幣確實屬於該專案——CoinGecko 的官方連結區塊指向 agent-zero.ai 和專案的 GitHub 儲存庫——因此很容易被誤認為價格表。但它不是：任何代幣報價都不是這套軟體的價格，本頁不提供投資或交易建議，而代幣只會在下文作為免費端點的一項明示條件出現。

四個稱為「Agent Zero」但不是這套軟體價格的項目

下方只有第一列是在「agent zero pricing」的搜尋結果中觀察到的；其餘三項是你在研究過程中會遇到的名稱衝突，不是該頁面回傳的結果。

於 2026 年 9 月 21 日查核的來源：LICENSE 檔案（MIT，著作權屬於 Agent Zero, s.r.o.）、PyPI 專案頁面，以及LLM API 條款；條款指出該服務「是提供給 Agent Zero 社群的免費額外功能」，且「並非商業或付費服務」，可供質押其代幣的持有人使用，配額「會動態決定，且不受保證」。本頁能讀取的任何地方都未公布質押門檻和因此產生的配額，因此此處不陳述兩者。就軟體本身而言，agent0ai/agent-zero 儲存庫的 GitHub API 回報其未封存且未停用，擁有 19,227 顆星；最新發布版本為 v2.12，發布日期為 2026 年 9 月 9 日。

三個角色，三筆獨立帳單

Agent Zero 的Model Presets 指南指出，每個設定都包含主要、utility 和 embedding 模型。這不是 v1 遺留設定：conf/model_providers.yaml 中的 main 恰好有兩個頂層區段，分別是包含 29 個供應商的 chat: 和包含 16 個供應商的 embedding:，而主要和 utility 角色都取自 chat 清單。安裝指南另指出，內建 Browser 沒有自己獨立的預設模型欄位。

在移動它之前，值得先了解預設設定。在 models.py 中，當供應商為 huggingface 且模型名稱以 sentence-transformers/ 開頭時，embedding 呼叫會直接改用本機 SentenceTransformer 包裝器——不會發出 HTTP 請求，也不需要金鑰；精選的 Default 預設會將該角色固定為 sentence-transformers/all-MiniLM-L6-v2。安裝指南也指出，變更 embedding_llm「will re-index all of A0's memory」，這使該欄位成為一次遷移，而不是單純設定——請將其視為遷移規劃，並在操作前備份記憶體目錄。至於擷取品質和儲存方式如何互相影響，RAG implementation會在此框架之外說明相同的決策。

Agent Zero 自訂 API：端點和金鑰應放在哪裡

在 2026 年 9 月 17 日記錄的搜尋結果中，針對「agent zero custom api」的查詢將專案的api-integration 指南列為第三名，而該文件回答的是另一個問題——其實際標題是「Adding External APIs Without Code」，內容是教代理程式呼叫第三方 API，而不是選擇 LLM 供應商。以下才是供應商設定路徑，資料於 2026 年 9 月 21 日從儲存庫讀取。

1. 選擇供應商。其 id 是 other；conf/model_providers.yaml 將其命名為 Other OpenAI compatible，並在 chat: 和 embedding: 區段中都列出。安裝指南將相同項目寫作 OpenAI Compatible，因此介面中可能會看到這兩個標籤。
2. 將金鑰放在 External Services 中。指南的說法是：「在 External Services -> Other OpenAI-compatible API keys 下新增 API key，然後在模型設定中選取 OpenAI Compatible 作為供應商」。
3. 在你要移動的每個角色上設定 API URL。這是每個角色各自的欄位，在預設檔案中儲存為 api_base；指南將其描述為「聊天模型的 API 端點 URL」。
4. 手動輸入模型 id，完全按照閘道目錄中的拼寫，並注意前綴規則：原生供應商使用不帶前綴的 id，閘道通常需要供應商前綴。

# One Model Preset, three independent blocks. Each carries its own
# provider, model name and api_base, so the three roles can point at
# three different endpoints — and its own rl_* rate-limit fields.
# Schema read from agent0ai/a0-presets
# on September 21, 2026; the values below are an illustration.
chat:
  provider: other        # the UI calls it 'Other OpenAI compatible'
  name: <the id your gateway's own catalog lists>
  api_base: "https://api.kunavo.com/v1"
  ctx_length: 200000
utility:
  provider: other
  name: <a cheaper id from the same catalog>
  api_base: "https://api.kunavo.com/v1"
  ctx_length: 128000
embedding:
  provider: huggingface  # shipped default: local, CPU, no HTTP call
  name: sentence-transformers/all-MiniLM-L6-v2
  api_base: ""

在底層，models.py 會在呼叫前立即重寫供應商——原始碼中的註解是 remap other to openai for litellm——因此自訂端點必須使用 OpenAI Chat Completions 格式，而目錄中的每個聊天供應商都包含 a0_api_mode: chat。所有內容都由 LiteLLM 負責傳輸，並在 requirements.txt 中固定為 litellm==1.88.1，註解為「CVE-2026-42271 fix: patched floor is 1.83.7」。如果你不想將憑證輸入介面，環境變數路徑會依以下順序讀取：

# models.py get_api_key() reads these three spellings in this order,
# for provider id `other`. A comma-separated value is round-robined
# across calls. Read from main on September 21, 2026.
API_KEY_OTHER=your-key
# OTHER_API_KEY=your-key
# OTHER_API_TOKEN=your-key

安裝指南中有一個值得再次提醒的 Docker 陷阱：在容器內，API 基礎 URL 中的 localhost 和 127.0.0.1 指的是 Agent Zero 容器，而不是你的主機，因此主機上的模型伺服器需要使用 http://host.docker.internal:<port> 或 bridge 位址。這適用於本機執行環境，不適用於公開 HTTPS 端點。

在照著官方設定文件逐字操作前，有兩個文件缺陷值得了解，因為兩者都已於 2026 年 9 月 21 日確認。第一，安裝指南中的 A0 Launcher 下載連結寫死為 v0.9，文字也指向「A0 Launcher v0.9 發布版本」，但啟動器自己的版本發布頁面顯示 v1.7，發布日期為 2026 年 9 月 9 日——比 v0.9 新了八次版本發布。請使用版本發布頁面，而不要使用固定的下載 URL。第二，指南的「Model Naming by Provider」表格在其 OpenAI 列的範例儲存格中放入了 Anthropic 模型 id；周邊文字的區分是正確的。請依據文字中的一般規則，而不是該表格列：原生供應商使用不帶前綴的模型 id，而閘道通常需要供應商前綴。

自訂端點會遇到的四項限制

快取閘門最可能改變預算，因此以下是原始碼的精確說法。_supports_cache_control_markers 僅在 api_base 包含 openrouter.ai 或 anthropic.com 時，或正規化後的供應商位於固定集合中時回傳 true；該集合包括 anthropic、bedrock、gemini、minimax、openrouter 和 vertex_ai。other 供應商會正規化為 openai，而該值不在集合中。第二條路徑 _is_openai_prompt_cache_provider 對任何不是 api.openai.com 或 openai.azure.com 的 api_base 都回傳 false。因此，對於不包含上述四個主機名稱、且其供應商正規化為 openai 的基礎 URL，Agent Zero 不會套用 Anthropic 風格的斷點，也不會套用 OpenAI 快取金鑰。請仔細界定範圍：這是在說明 Agent Zero 傳送的內容，而不是聲稱無法取得快取折扣。

對於這兩項錯誤回報，請按其實際性質陳述。議題 #1769 是一項使用者回報，於 2026 年 9 月 21 日仍未關閉，標題為「當 model_cost 中某個模型的 litellm_provider 與供應商實際的 litellm_provider 對應不同時，LiteLLM 會呼叫 exit(-9)」；其自身的適用範圍說明指出，這會影響「任何轉售或代理多個來源模型的供應商」，這描述的是閘道。沒有人為本頁重現此問題，是否會因任何特定模型 id 觸發也尚未測試。PR #1437 回報 LiteLLM 1.80.11 及更新版本在 encoding_format 未設定時會傳送 encoding_format: null，而嚴格的驗證器會以 422 拒絕；此外，未截斷的記憶檢索查詢可能超出嵌入模型的上下文容量。該 PR 仍未關閉且尚未合併；其所屬議題 #1436 已關閉，但無法確定該議題是如何解決的，因此此處不宣稱問題已「修復」或「仍存在」。

按角色估算的實際成本範例

這些是示意性的 token 算術，不是量測得到的任務成本，也不是帳單上限。假設一週穩定使用：主要角色使用 6 million 個未快取輸入 token 和 300，000 個輸出 token，utility 角色使用 1.5 million 個輸入 token 和 150，000 個輸出 token。這種拆分是為了示意而作的假設——本頁沒有人對 Agent Zero 迴圈進行計量。費率是目前的Kunavo 目錄每 million token 價格。

兩種解讀，而且方向相反。第一，在這些假設下，主要角色的選擇會讓上方最昂貴與最便宜列之間每週相差 $10.14，而 utility 角色的選擇相差 $0.10。除非你的工作負載異常偏重背景工作，否則最佳化第二個欄位不是省錢的重點——而且安裝指南也警告不要在那裡選得太小，因為它指出非常小的模型（以 4B 為例）通常無法可靠地擷取記憶。第二，兩個角色會獨立組合：GPT-5.6 Terra 搭配 Claude Haiku 4.5 的估算每週為 $7.03，而 $17.28 則是 GPT-5.6 Sol 搭配 GPT-5.6 Terra 的費用。第三個角色只要維持本機 CPU 預設，就完全不增加 API 費用。

為了與專案自身的選擇對照，Agent Zero 在首次啟動且不存在已儲存集合時，會下載三個精選預設。Default 將 GPT-5.6 Terra 聊天模型與 Google flash-lite 輔助模型配對；Power 將 GPT-5.6 Sol 與 GPT-5.6 Luna 配對；Efficiency 則將 GLM 聊天模型與 DeepSeek 輔助模型配對。只有 Default 明確寫出嵌入角色，並將其固定為本機 CPU 模型；Efficiency 和 Power 在該檔案中完全沒有嵌入區塊。這些參照使用該檔案採用的 OpenRouter 格式，因此照原樣看，沒有任何一個是 Kunavo id——請使用 Kunavo 自身目錄列出的 id。該檔案最後一次推送是在 2026 年 7 月 17 日，因此其中的模型選擇可能落後於市場。

在將這些數字視為預算前，請先依照你自己的每週使用量換算。Kunavo 目錄中的金額是計費下限，而不是上限：當上游回報其費用時，帳單會取目錄成本與上游成本乘以適用加成兩者中較高者。快取費用和外部工具不包含在此範例中。Kunavo 最低儲值金額為$10 的預付額度——這是資金最低門檻，不是任務費，也不是訂閱費。請參閱計費詳細資訊。

Agent Zero 最佳 API：不同情境下哪條路徑勝出

有一項第一方細節，讓逐角色的論點具體而非流於理論。Cline Pass 外掛程式之所以存在，部分原因在於僅串流的訂閱 API 會特別導致工具呼叫失效——該外掛程式注入無作用的串流回呼，讓聊天命名、壓縮與記憶整合等背景工作持續運作。各個角色會分別失效，這正是單次聊天成功回覆不能作為整合測試的原因。Agent Zero 也提供LLM Cost Tracker 外掛程式，按呼叫類別分組用量——包括主要聊天、從屬代理程式與工具——且完全不附價格，要求你「從供應商的官方定價頁面填入費率」。請按角色分別填入，否則儀表板會以你輸入的唯一費率，向每個類別收費。

完成設定後，驗證全部三個角色

Kunavo 尚未實際執行測試 Agent Zero 與其端點的整合，也未發布 Agent Zero 整合頁面；以上內容全部來自於 2026 年 9 月 21 日查閱的 Agent Zero 自身原始碼與文件。因此請按角色驗證，而不是只看第一則回覆：為主要角色傳送一則聊天訊息，接著觸發背景工作——開始新的對話以觸發自動命名，或讓工作階段執行足夠長時間以進行壓縮——並確認是輔助模型作出的回覆。除非你已決定要遷移，否則請將嵌入角色保留在本機預設值，因為該變更會重新建立記憶索引。全程保留一條可運作的路由，執行一項範圍有限的工作，並將帳戶記錄的費用與成本追蹤器自身的估算進行比對。

如果你要將兩個付費角色路由至同一個端點，快速入門提供基礎 URL 與第一個請求，而建立 Kunavo 帳戶只需預付最低金額 $10，不含訂閱費。若要了解更廣泛的決策：OpenAI 相容 API 參考說明 Agent Zero 使用的端點結構，Agent Zero 與 OpenClaw 比較比較兩個代理框架在執行與記憶方面的差異，LiteLLM 替代方案涵蓋每次 Agent Zero 呼叫都會經過的傳輸層，而AI 成本最佳化說明如何衡量實際工作，而非只看費率表。

常見問題

Agent Zero 儲存庫狀態、最新版本、議題與提取請求狀態、供應商目錄、models.py、LiteLLM 傳輸層、需求、精選預設檔、安裝與疑難排解指南、LLM API 條款及 PyPI 名稱衝突，均於 2026 年 9 月 21 日完成查核。搜尋結果中的位置來自 2026 年 9 月 17 日記錄的一次抽樣，僅代表單次抽樣，而非排名。Kunavo 的 token 費率取自即時目錄；本頁所有美元金額都是基於明示假設的範例 token 算術，而非實測工作成本。