AutoGPT 定價：託管方案、自架成本，以及 API 金鑰的設定位置

AutoGPT 的定價有三種不同答案。託管的 AutoGPT Platform 為付費服務，沒有免費方案——Pro 年繳每月 $42.50（按月計費則為 $50.00），Max 年繳每月 $272.00（按月計費則為 $320.00）。自行託管相同的 Platform 不收取授權費。AutoGPT Classic 免費、採 MIT 授權且不提供支援。 三者都位於同一個儲存庫中，因此這項產品的大多數價格摘要都不正確：它們引用其中一個，卻描述另一個。

無論舊教學暗示什麼，這個儲存庫目前都很健康。GitHub API 顯示 Significant-Gravitas/AutoGPT 未封存、未停用、不是分支複製，預設分支為 master，在本頁檢查當天剛推送過，並有 187,475 顆星。最新版本標記為 autogpt-platform-beta-v0.8.0，於 2026 年 9 月 19 日發布；此前 v0.7.4 於 9 月 4 日、v0.7.3 於 8 月 28 日發布——大約每週一次。標籤字串仍保留作為命名遺留的「beta」；託管平台本身已公開銷售，因此不要把這個詞解讀為候補名單或封閉式發布。

三種產品，同一個名稱

從這張表可以得出兩件事。第一，Polyform Shield 是可取得原始碼的授權，而不是 OSI 核准的授權——README 自己的措辭是「可免費用於個人及內部商業用途；不得作為競爭性的託管服務出售」——因此 Platform 並不像 MIT 那樣屬於開放原始碼，即使 AutoGPT 的行銷內容使用了這個說法。只有 classic/ 及儲存庫的其餘部分採用 MIT 授權。第二，如果某份指南告訴您要在 .env 中，將 OPENAI_API_KEY 放在 SMART_LLM 與 FAST_LLM 旁邊，那是在描述 Classic；其目前的 README 正好記載了這些變數，以及 Python 3.12+ 與 Poetry。這是應遷移離開的目標，而不是建議。來源：master README 與 classic/README.md，兩者皆於 2026 年 9 月 21 日查閱。

託管的 AutoGPT Platform：訂閱實際買到的是什麼

2026 年 9 月 21 日從 agpt.co/pricing 讀取。按年計費時的月價是頁面預設呈現的數字；按月計費的價格來自頁面原始碼中價格元素自己的 data-monthly 屬性，而標示為「節省 15%」的切換開關，在兩組價格上都計算正確（$50.00 × 0.85 = $42.50、$320.00 × 0.85 = $272.00）。Team 目前無法購買，因此將您看到的任何 Team 報價都視為虛構。

現在來看會打破大多數 AutoGPT 預算的事實。訂閱並不是用量套件。 AutoGPT 的定價頁指出，自動化——也就是執行代理程式與工作流程——透過點數錢包按用量付費，所有方案的費率相同；訂閱則控制 AutoPilot Chat 的使用量。首頁 FAQ 用直白的文字說明：訂閱涵蓋聊天，點數錢包涵蓋您執行的代理程式。因此，Max 宣稱的 8.5x 是聊天額度的 8.5 倍，購買它不會改變代理程式執行的費用。

AutoGPT 自己的文案有兩處互相矛盾，這裡呈現出來而不替它們解決。首頁表示每個方案「包含足夠的用量，讓代理程式從第一天就能開始工作……以及供代理程式執行使用的點數錢包」，但比較表表示您「只需支付所使用的自動化執行費用」；計費文件將包含點數的細節推回定價頁，而定價頁並未公布這個數字。另外，這裡查閱的三個公開頁面——定價頁、首頁 FAQ，以及 Credits & Billing 文件——都沒有說明一點值多少美元，結帳頁也位於登入後。建立預算前，請在結帳時確認這兩項。本頁不會對任何一項進行猜測。

點數錢包對模型 token 的收費

AutoGPT 沒有在定價頁公布每 token 費率，但平台的開放原始碼會公開進行這項計算。master 中的 block_cost_config.py 表示，費率儲存為「依目前點數對美元換算率計算的每 1M token 點數，1 點約等於 $0.01，統一以供應商公布價格的 1.5 倍計價」，其中常數 _USD_PER_1M_DIVISOR = 150 註解為「150 = 100 cr/$ × 1.5 倍定價加成系數」。使用這兩個常數換算隨附的 目錄，即可直接得到收費費率。

這些是 AutoGPT 自己的目錄項目，於 2026 年 9 月 21 日使用 AutoGPT 自己的常數換算——其中 83 個項目帶有每 1M token 的費率，按收費費率計算，每百萬個輸出 token 約為 $0.12 至 $270.00。最後一欄只有在目錄項目本身帶有 provider_input_usd_per_1m / provider_output_usd_per_1m 配對時才會填入；四個項目有這組資料，其餘則省略。將點數改為除以 150，會重現設定 1.5 倍定價加成系數時所依據的數字，但那是加成機制本身的算式，不是 AutoGPT 公布的供應商費率。三項比數字更重要的注意事項如下。這是隨附程式碼的實際行為，而不是 AutoGPT 在定價頁任何地方宣傳的比例，因此請將其視為對原始碼的解讀。實際運行中的部署會在該目錄上套用每個帳戶的覆寫值，因此您的帳戶可能不同。模型 slug 每週都會變動，這也是這裡值得保留的長期說法是 1.5 倍機制，而不是任何單一模型名稱的原因。

程式碼暗示、但文件未說明的一項結果是：LLM 區塊的點數費用會依據一個固定在平台自身系統憑證上的憑證 ID 進行篩選；這些憑證的字面標題是「Use Credits for OpenAI」與「Use Credits for Anthropic」。您自行新增的憑證具有不同的 ID，不會符合任何費用項目。另外，AutoGPT 的聊天速率限制模組明確表示，使用者提供自己 API 金鑰的執行不會扣減聊天計量器，「使用者是在支付供應商，而不是我們」。因此，在託管平台上，使用您自己的金鑰在經濟上似乎有實質意義，即使在該平台上不可能使用您自己的端點——但前半段是對原始碼的解讀，而不是任何人在付費帳戶上測試過的計費結果。依此採取行動前，請在自己的帳單上確認。

AutoGPT 自行託管成本：不收取授權費不等於零成本

安裝本身就是一個 git clone、複製一份 .env.default，以及執行 docker compose up -d --build。規劃時請先注意發布安裝程式的狀態：README 表示 Linux 與 macOS 的單容器發布安裝程式「將隨下一個 appliance 發布推出」，Windows 使用者目前應繼續採用手動指南。在將其標準化之前，請重新檢查該行，因為它明確可能變動。

另一項很容易低估的自行託管成本。AutoGPT 的疑難排解文字表示，AutoPilot 隨附約 8,000 token 的系統提示，且在 4 個 CPU 核心上，8B Q4 模型以每秒約 3-4 token 的速度預填，「因此一次新的回合光是開始生成就需要約 35-45 分鐘」。消費級 GPU 可將這個時間降至數秒。這是 AutoGPT 自己最有力的理由，說明為何應將聊天端點指向託管 API，而不是只使用 CPU 的本機硬體——這是關於本機推論的已公布數字，不是此處任何內容的測量結果。

AutoGPT API 金鑰問題分成兩條路

AutoGPT 有兩個彼此獨立的 LLM 設定介面，其文件也直接說明了問題：「兩條路徑讀取不同的環境變數，因此設定其中一個不會設定另一個。」舊教學與彙整頁面經常將兩者混為一談。

區塊層的限制是結構性的，而不是有人忘了公開某個設定。在 blocks/llm.py 中，接受的供應商正好是 AIML_API, ANTHROPIC, GROQ, OLLAMA, OPENAI, OPEN_ROUTER, LLAMA_API, V0。在 util/llm/providers.py 中，OpenAI 用戶端會以 openai.AsyncOpenAI(api_key=api_key) 建立，該路徑沒有 base_url 參數；Anthropic 與 Groq 也相同。具備 base URL 的 OpenAI 相容輔助程式，只會在四個寫死的 URL 下被呼叫。因此，任何告訴您「只要在 AutoGPT 中變更 base URL」的人，描述的是另一項產品。唯一可編輯的主機欄位是 Ollama 的欄位，並受到 SSRF 防護包覆，且會依照操作者設定的信任清單進行檢查；AutoGPT 的文件明確表示，Ollama「僅在自行託管時可用……無法搭配雲端託管版本使用」。

聊天代理程式是 AutoGPT 自己認可用於外部端點的介面。其 本機 LLM 指南 將「您不需向 AutoGPT 付費的託管 OpenAI 相容 API」列為支援的目標，並以「僅限自行託管——雲端 agpt.co 部署會透過 Anthropic / OpenRouter 路由 AutoPilot，並忽略以下變數」開頭。沒有任何方案——Pro、Max 或即將推出的 Team——會解鎖自訂 base URL。限制來自部署模式，而非價格層級。

# Self-hosted AutoPilot chat only. These variables do NOT configure the
# agent-graph LLM blocks, and the cloud deployment ignores them entirely.
CHAT_USE_LOCAL=true
CHAT_BASE_URL=https://api.kunavo.com/v1
CHAT_API_KEY=sk-...
CHAT_FAST_STANDARD_MODEL=claude-sonnet-4-6

在採用這條路徑前，需注意四項已記載的限制，全部來自同一份指南。使用本機傳輸時無法使用延伸思考，會自動降級至快速模型，並記錄為 WARNING，而不是失敗。在容器內，base URL 不得是 127.0.0.1 或 localhost，而 CHAT_API_KEY 不會刻意回退至 OPENAI_API_KEY。未回報上下文視窗的後端——指南列出 LiteLLM proxy、Jan 與 text-generation-webui——一律回退至假設的 32k，不論真實模型為何。這項設定涵蓋的範圍比聊天更廣：同一個用戶端也服務於試執行區塊模擬器、導入資料擷取、提示壓縮與每晚的夢境處理，因此預算不應只計入可見的聊天回合。Kunavo 不提供 embedding 模型，因此 marketplace-search 的 embedding 步驟也不在 Kunavo 於此路徑涵蓋的範圍內——而且 AutoGPT 會硬性鎖定這項替代方案，因為 pgvector 欄位宣告為 vector(1536)，插入任何其他寬度都會失敗。

AutoGPT 的最佳模型：選擇機制，而不是 slug

託管平台不要求您猜測。其預設值 是 隨附目錄標記為建議 GA 項目的模型——llm_models.py 將其表述為「平台預設值就是目錄的建議模型——一項事實，一個來源」，取用第一個同時啟用、獲建議且屬於 GA 的項目。2026 年 9 月 21 日，這會解析為 GPT-5.6 Terra。由於目錄每週變更，因此值得學習的是這個機制，而不是 slug。

真正會影響代理程式帳單的槓桿不是模型選擇，而是重試迴圈；AutoGPT 也提供了相應控制項：定價頁列出「每項任務的 LLM 預算上限——設定 max_budget_usd 以限制任何任務的 LLM 支出」。請先設定這項上限，再調整模型。另外請注意，定價頁的行銷列與隨附目錄並不是同一份清單——該頁宣傳「來自 Anthropic、OpenAI、Google、xAI、Meta、Mistral、Cohere 等的前沿模型」，並列出 Claude 的 Opus 4.7/4.6/4.5、Sonnet 4.6/4.5 與 Haiku 4.5；而 master 中的程式碼目錄又有不同項目。請確認您自己帳戶的選擇器提供哪些模型，不要依賴任一份清單。

在指向您自己端點的自行託管 AutoPilot 上，限制會以不同形式呈現。本機傳輸會原樣傳遞您的模型 ID，因此它必須是您自己的端點能解析的 ID；AutoGPT 的指南要求使用不含前綴的模型名稱，因為其執行範例是 Ollama，而 Ollama 無法解析 provider/model slug。延伸思考路徑不可用，因此推理量很重的模型在這裡帶來的價值會低於其費率所暗示的程度。如果您的端點沒有公布模型實際的上下文視窗，系統會將其視為 32k。請先依快速路徑選擇，並確認已回報上下文視窗。

自行託管聊天路徑的計算範例

這是示意性的 token 計算，不是測得的任務成本，也不是帳單上限。假設自行託管的 AutoPilot 有一天會傳送 400,000 個未快取的輸入 token——約 8,000 token 的系統提示在每回合重新傳送，加上逐漸增加的對話內容——並接收 25,000 個輸出 token。費率是每百萬 token 的即時 Kunavo 目錄價格。

在將其視為預算前，請依您自己的天數進行擴展，並注意它比較了什麼、沒有比較什麼。這不是託管平台訂閱的替代方案；訂閱購買的是託管服務、市集，以及 AutoGPT 為其整合功能提供的憑證——自行託管則會放棄這一切。Kunavo 的目錄金額是計費下限，而不是上限：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。快取費用與外部工具不包含在此範例中。Kunavo 最低加值額度是預付點數 $10，這是資金最低要求，而不是任務費或訂閱費——請參閱 計費詳細資訊。

哪條路由勝出，取決於

如果答案是在聊天路徑使用閘道，設定內容就是 OpenAI 相容的 base URL 與金鑰——準備好儲值時，請從 Kunavo 快速入門 開始並建立帳戶。測試期間請保留一條可運作的路由，先執行一項受限制的任務，再查看您的帳戶實際記錄了什麼。若要進行更廣泛的比較，OpenAI 相容 API涵蓋通訊協定，OpenRouter 替代方案比較 AutoGPT 編譯內建的現有閘道，而AI 代理程式 API 目錄記錄每個用戶端的設定邊界。如果您規劃的是工作流程建立器而非代理程式平台，n8n AI API 成本與 Dify API 成本同樣區分軟體費用與模型 token。

常見問題

檢查日期：2026 年 9 月 21 日：agpt.co 定價頁與首頁文案、Credits & Billing 文件、用於儲存庫狀態與發布日期的 GitHub API、README.md、classic/README.md、blocks/llm.py、util/llm/providers.py、block_cost_config.py 的 master 原始碼與模型目錄，以及 AutoGPT 的本機 LLM 與 Ollama 文件。此處未建立且刻意省略的內容：一點的美元價值、任何方案是否包含起始點數、聊天額度的絕對大小，以及是否存在試用方案。Kunavo 未針對 AutoGPT 執行相容性測試；上方的 CHAT_BASE_URL 路徑是 AutoGPT 記載的情境，所有美元範例都是示意性的 token 計算，而非測得的任務成本。