AutoGPT 定价：托管计划、自托管成本，以及 API key 的去向

AutoGPT 的定价有三种不同答案。托管的 AutoGPT Platform 为付费服务且没有免费层级——Pro 年付为每月 $42.50（月付为每月 $50.00），Max 年付为每月 $272.00（月付为每月 $320.00）。自行托管同一 Platform 不收取许可费。AutoGPT Classic 免费，采用 MIT 许可且不提供支持。 三者都位于同一个代码仓库中，这正是该产品的大多数价格摘要都不正确的原因：它们引用了其中一个，却描述了另一个。

无论旧教程如何描述，该代码仓库都运行良好。GitHub API 报告 Significant-Gravitas/AutoGPT 未归档、未禁用、不是分叉仓库，默认分支为 master，并且在本页面检查当天刚刚推送过，拥有 187,475 个 star。最新版本标记为 autogpt-platform-beta-v0.8.0，于 2026 年 9 月 19 日发布；此前 v0.7.4 于 9 月 4 日发布，v0.7.3 于 8 月 28 日发布——大约每周一次。标签字符串仍保留 "beta"，这是命名遗留；托管平台本身已公开销售，因此不要将该词理解为候补名单或封闭式发布。

三个产品，一个名称

该表格会带来两个结论。第一，Polyform Shield 是源代码可用许可，而不是 OSI 批准的许可——README 自己的措辞是“可免费用于个人和内部商业用途；不能作为竞争性的托管服务出售”——因此，尽管 AutoGPT 的营销使用了“开源”这一说法，Platform 在 MIT 所代表的意义上并不是开源软件。只有 classic/ 及代码仓库的其余部分采用 MIT 许可。第二，如果某篇指南告诉你将 OPENAI_API_KEY 放入 .env，并与 SMART_LLM 和 FAST_LLM 放在一起，那么它描述的是 Classic；其当前 README 正好记录了这些变量以及 Python 3.12+ 和 Poetry。这是应迁离的目标，而不是推荐方案。来源：master README 和 classic/README.md，均于 2026 年 9 月 21 日查阅。

托管的 AutoGPT Platform：订阅实际购买的内容

于 2026 年 9 月 21 日从 agpt.co/pricing 读取。页面默认呈现的是年付金额；月付金额来自页面源代码中价格元素自身的 data-monthly 属性，标有“节省 15%”的切换项两种方式都能验证（$50.00 × 0.85 = $42.50，$320.00 × 0.85 = $272.00）。Team 目前无法购买，因此你看到的任何 Team 报价都应视为虚构。

现在来看一个会打乱大多数 AutoGPT 预算的事实。订阅并不是用量套餐。 AutoGPT 的定价页面说明，自动化——运行代理和工作流——通过额度钱包按使用量计费，所有套餐的费率相同；订阅则用于限制 AutoPilot Chat 的使用量。首页 FAQ 用更直白的话说明：订阅覆盖聊天，额度钱包覆盖你运行的代理。因此，Max 宣传的 8.5 倍是聊天额度的 8.5 倍，购买该套餐并不会改变代理运行的成本。

这里有两个 AutoGPT 自己的文案相互矛盾之处，我们将其展示出来而不强行解决。首页称每个套餐“包含足够的用量，让代理从第一天起就能开始工作……并为代理运行提供 credits 钱包”，而对比表称你“只需为使用的自动化运行付费”；计费文档将包含 credits 的详情推回定价页面，而定价页面没有公布这个数字。除此之外，这里查阅的三个公开页面——定价页面、首页 FAQ 以及 Credits & Billing 文档——都没有说明一个 credit 需要多少美元，结账页面也位于登录之后。在制定预算前，请在结账页面确认这两点。本页面不会对其中任何一点进行猜测。

credits 钱包对模型 token 的收费

AutoGPT 没有在定价页面公布每 token 的费率，但该平台的开源代码公开完成了计算。master 分支中的 block_cost_config.py 表示，费率存储为“按当前 credit 与 USD 的换算率计算的 credits/1M tokens，1 credit ≈ $0.01，统一按供应商公布价格的 1.5 倍计价”，其中常量 _USD_PER_1M_DIVISOR = 150 注释为“150 = 100 cr/$ × 1.5 倍加价系数”。使用这两个常量转换随附的 目录，即可直接得到收费费率。

这些是 AutoGPT 自己的目录条目，于 2026 年 9 月 21 日使用 AutoGPT 自己的常量进行转换——其中 83 个条目带有每 1M token 的费率，按收费费率计算，每百万输出 token 约为 $0.12 至 $270.00。最后一列仅在目录条目本身包含 provider_input_usd_per_1m / provider_output_usd_per_1m 对时填写；共有四个条目包含该信息，其余条目省略。将 credits 改为除以 150，则会还原设定 1.5 倍定价加成系数时所依据的数字，但那是该加成机制自身的算术结果，而不是 AutoGPT 公布的供应商费率。以下三个注意事项比数字本身更重要。这是随附代码的实际行为，而不是 AutoGPT 在其定价页面上任何地方宣传的比例，因此应将其视为对源代码的解读。线上部署会在该目录之上叠加每个账户的覆盖设置，因此你的账户可能不同。模型 slug 每周都会变化，所以这里值得长期参考的是 1.5 倍机制，而不是任何一个具体模型名称。

代码暗示了一个文档没有说明的后果：LLM 模块的 credits 费用会根据凭据 ID 进行筛选，该 ID 必须对应平台自己的系统凭据，也就是字面标题为“Use Credits for OpenAI”和“Use Credits for Anthropic”的凭据。你自行添加的凭据拥有不同的 ID，不会匹配任何费用条目。另一方面，AutoGPT 的聊天速率限制模块明确表示，用户提供自己 API key 的运行不会扣减聊天计量器，“用户是在向供应商付费，而不是向我们付费”。因此，在托管平台上，使用你自己的 key 在经济上似乎有意义，尽管在那里无法使用你自己的 endpoint——但前半部分是对源代码的解读，而不是任何人在付费账户上测试过的计费结果。在依赖它之前，请在自己的账单中验证。

AutoGPT 自行托管成本：不收取许可费不等于没有成本

安装本身包括一个 git clone、复制一个 .env.default，以及运行 docker compose up -d --build。在围绕它做规划前，请注意发布安装程序的状态：README 称 Linux 和 macOS 的单容器发布安装程序“将在下一版 appliance 发布时推出”，并称 Windows 用户目前应继续使用手动指南。在将其标准化之前重新检查这句话，因为它的内容会变化。

还有一项容易低估的自行托管成本。AutoGPT 的故障排除文本称，AutoPilot 会随附一个约 8,000 token 的系统提示词，并且在 4 个 CPU 核心上，8B Q4 模型的预填充速度约为每秒 3-4 个 token，“因此一次新的轮次仅开始生成就需要约 35-45 分钟”。消费级 GPU 可以将其缩短到几秒。这是 AutoGPT 自己最有力的论据：将聊天 endpoint 指向托管 API，而不是使用仅 CPU 的本地硬件——并且这是关于本地推理的已发布数据，不是这里测得的结果。

AutoGPT API key 的问题分为两种情况

AutoGPT 有两个相互独立的 LLM 配置入口，其文档直接说明了问题：“两条路径读取不同的环境变量，因此配置其中一个不会配置另一个。”旧教程和聚合页面经常将它们混为一谈。

图块层的限制是结构性的，而不是有人忘记公开的设置。在 blocks/llm.py 中，接受的供应商恰好是 AIML_API, ANTHROPIC, GROQ, OLLAMA, OPENAI, OPEN_ROUTER, LLAMA_API, V0。在 util/llm/providers.py 中，OpenAI 客户端构造为 openai.AsyncOpenAI(api_key=api_key)，该路径没有 base_url 参数；Anthropic 和 Groq 也相同。支持传入 base URL 的 OpenAI 兼容辅助函数，只会在四个硬编码 URL 下被调用。因此，任何告诉你“只要更改 AutoGPT 中的 base URL”的人，描述的都是另一个产品。唯一可编辑的主机字段是 Ollama 的字段，它受到 SSRF 防护机制包裹，并会根据运营方配置的信任列表进行检查；AutoGPT 的文档明确表示，Ollama“仅在自行托管时可用……不能与云托管版本一起使用”。

聊天代理是 AutoGPT 自身认可用于外部 endpoint 的入口。其 本地 LLM 指南 将“你无需向 AutoGPT 付费的托管 OpenAI 兼容 API”列为受支持的目标，并以“仅限自行托管——云端 agpt.co 部署会通过 Anthropic / OpenRouter 路由 AutoPilot，并忽略以下变量”开头。没有任何套餐——Pro、Max 或即将推出的 Team——能够解锁自定义 base URL。限制来自部署模式，而不是价格层级。

# 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

在选择这条路径之前，有四项记录在同一指南中的限制。本地传输不支持扩展思考，并会自动降级到快速模型，记录为 WARNING 而不是失败。从容器内部看，base URL 不能是 127.0.0.1 或 localhost，而且 CHAT_API_KEY 不会故意回退到 OPENAI_API_KEY。不报告上下文窗口的后端——指南点名 LiteLLM proxy、Jan 和 text-generation-webui——会无论真实模型如何都回退到假定的 32k。该设置影响范围大于聊天：同一个客户端还服务于试运行图块模拟器、入门信息提取、提示词压缩和夜间 dream pass，因此预算时要超出可见的聊天轮次。Kunavo 不提供 embedding 模型，因此 marketplace-search 的 embedding 步骤也不在 Kunavo 对此路径的覆盖范围内；而且 AutoGPT 会硬性锁定该替换，因为 pgvector 列被声明为 vector(1536)，任何其他宽度的插入都会失败。

AutoGPT 的最佳模型：选择机制，而不是 slug

托管平台不会要求你猜测。其默认值就是随附目录标记为推荐 GA 条目的模型——llm_models.py 将其表述为“平台默认模型就是目录的推荐模型——一个事实，一个来源”，即选择同时启用、推荐且为 GA 的第一个条目。2026 年 9 月 21 日，该模型解析为 GPT-5.6 Terra。由于目录每周都会变化，值得掌握的是这一机制，而不是 slug。

真正影响代理账单的杠杆不是模型选择，而是重试循环；AutoGPT 为此提供了控制项：定价页面列出“每任务 LLM 预算上限——设置 max_budget_usd 以限制任何任务的 LLM 支出”。在调整模型之前先设置它。还要注意，定价页面的营销行与随附目录不是同一份列表——页面宣传“来自 Anthropic、OpenAI、Google、xAI、Meta、Mistral、Cohere 等的前沿模型”，并列出 Claude 的 Opus 4.7/4.6/4.5、Sonnet 4.6/4.5 和 Haiku 4.5，而 master 分支的代码目录又包含不同的条目。请查看你自己账户的模型选择器实际提供的内容，而不是依赖任一列表。

对于指向你自己 endpoint 的自行托管 AutoPilot，限制会变成另一种形式。本地传输会原样传递你的模型 ID，因此它必须是你自己的 endpoint 能解析的 ID；AutoGPT 的指南要求使用不带前缀的模型名称，因为其运行示例是 Ollama，而 Ollama 无法解析 provider/model slug。扩展思考路径不可用，因此推理密集型模型在这里带来的收益会低于其费率所暗示的水平。如果你的 endpoint 不会公布模型的真实上下文窗口，模型会被视为 32k。优先选择快速路径，并确认窗口信息会被报告。

自行托管聊天路径的示例估算

这是说明性 token 算术，不是测得的任务成本，也不是账单上限。假设某个自行托管 AutoPilot 日发送 400,000 个未缓存的输入 token——每轮都会重新发送约 8,000 token 的系统提示词，并加上不断增长的对话内容——同时接收 25,000 个输出 token。费率采用每百万 token 的实时 Kunavo 目录价格。

在将其视为预算之前，请根据你自己的天数进行缩放，并注意它比较了什么、没有比较什么。它不能替代托管平台订阅；订阅购买的是托管服务、marketplace 以及 AutoGPT 为其集成提供的凭据——自行托管会放弃这些内容。Kunavo 的目录金额是计费下限而非上限：当上游报告其费用时，账单取目录成本与上游成本乘以适用加价之间的较大值。缓存费用和外部工具不包含在此示例中。Kunavo 的最低充值金额为预付 credits $10，这是资金充值最低额，而不是任务费用或订阅费用——请参阅 计费详情。

哪种路由胜出时

如果答案是在聊天路径上使用网关，那么设置就是 OpenAI 兼容的 base URL 和一个 key——准备充值时，从 Kunavo 快速入门开始，并创建账户。在尝试时保留一条可用路线，运行一个有边界的任务，然后查看你的账户实际记录了什么。若要进行更广泛的比较，OpenAI 兼容 API介绍该协议，OpenRouter 替代方案比较 AutoGPT 编译内置的现有网关，AI 代理 API 目录记录每个客户端的配置边界。如果你要预算的是工作流构建器而非代理平台，n8n AI API 成本和 Dify API 成本采用同样的软件费用与模型 token 分离方式。

常见问题

截至 2026 年 9 月 21 日检查：agpt.co 的定价页面和首页文案、Credits & Billing 文档、用于确认代码仓库状态和发布日期的 GitHub API，以及 README.md、classic/README.md、blocks/llm.py、util/llm/providers.py、block_cost_config.py 和模型目录的 master 源代码，还有 AutoGPT 的本地 LLM 与 Ollama 文档。这里未建立且有意缺失的信息包括：一个 credit 的美元价值、任何套餐是否包含初始 credits、聊天额度的绝对大小，以及是否存在试用。Kunavo 未针对 AutoGPT 进行兼容性测试；上面的 CHAT_BASE_URL 路线是 AutoGPT 记录的场景，每个美元示例都是说明性 token 算术，而不是测得的任务成本。