50萬Token點一次鼠標：云桌面養AI代理有多貴

你剛給AI配了臺云電腦，讓它幫你填表。它截了個圖，識別出下拉菜單，點了下去。賬單來了：50萬Token。

AWS新功能讓AI代理直接操控WorkSpaces云桌面，這事聽起來很未來，但Reflex的實測數據把成本攤開了——用視覺模型操作瀏覽器，單次點擊的Token消耗夠寫半篇小說。這不是技術演示，是正在發生的定價現實。

云桌面變成AI的"臨時工位"

AWS這項服務目前處于預覽階段。核心邏輯很簡單：給AI代理一個身份憑證，讓它通過預簽名URL登錄WorkSpaces，然后像人一樣操作里面的軟件。

亞馬遜建議每個代理配獨立身份，方便追蹤行為、區分人機操作。代理通過托管MCP端點連接，能截屏、控制鼠標、輸入文字——開發者可以設限，規定它能干什么、不能干什么。

云桌面的優勢在于"用完即棄"。代理干完活，實例關掉，不留痕跡。對不想把AI放進內網或本地數據中心的組織來說，隔離的虛擬私有云是個干凈選項。

實例規格從1核2GB到32核256GB帶GPU任選，計費按月租或按小時。彈性是有了，但彈性背后的Token賬單沒人替你扛。

微軟也在干，但成本結構沒人提

AWS不是獨一家。微軟做了Windows 365的代理專用版本，思路類似：給AI一臺云電腦，讓它自己去點。

兩家巨頭的宣傳重點都在"能做什么"——自動填表、跨系統操作、 legacy軟件兼容。但Reflex的測試把"花多少"這個問題捅了出來。

他們的視覺代理模型，點一個下拉菜單用了50萬Token。換算成實際成本，比直接調API貴45倍。

這45倍從哪來？視覺模型的輸入是截圖，像素級信息比結構化數據臃腫得多。代理要"看懂"界面，得先把整張圖編碼進上下文，再推理下一步動作，循環往復。每一步都是Token，每一步都在燒錢。

Token經濟學：視覺是昂貴的帶寬

Reflex把測試工具開源了，GitHub上能復現。他們的增長負責人Palash Awasthi在博客里承認，更好的模型會降價，但代理的路徑依賴繞不開——要完成同樣任務，視覺-操作鏈條的步驟必然多于API調用。

API是直達，代理是摸索。摸索的代價是上下文窗口里的像素洪流。

AWS和微軟的云桌面按實例計費，Token走另一套賬單。開發者容易低估的是：實例開著只是房租，代理干活時的Token消耗才是水電煤。房租固定，水電煤按用量飆升，且兩者賬期不同、優化策略不同。

更隱蔽的成本在延遲。截圖-推理-點擊的循環，比API請求的往返慢一個數量級。代理操作復雜流程時，實例時長累積，房租也跟著漲。

什么場景值得付這筆溢價

既然這么貴，為什么還有人做？因為有些系統根本沒有API。

企業里的 legacy軟件、內部工具、第三方SaaS的封閉界面——這些才是代理的主戰場。API不存在的地方，視覺是唯一入口。45倍的成本，對比的是"完全干不了"和"能自動干"的區別，而非"代理干"和"API干"的效率比拼。

另一個場景是合規隔離。金融、醫療行業的敏感系統，開放API意味著暴露攻擊面。讓代理在隔離云桌面里操作，截屏留痕、行為可控，合規成本可能低于安全改造。

但這兩個場景都有前提：任務頻率不能太高，單次價值得覆蓋Token開銷。日報月報可以，實時交易不行。

云廠商的算盤：賣鏟子不管淘金熱

AWS和微軟的定價模型很有意思。實例費用是明牌，Token消耗走各自的AI服務賬單（Bedrock或Azure OpenAI）。云桌面服務本身不承諾代理效率，只提供"能跑"的基礎設施。

這相當于賣鏟子的說：淘金熱不歸我管，但你可以在我這租地。

Reflex的測試數據是個提醒——在 rushing to rent a cloudy desktop 之前，先算清楚Token賬。他們的開源工具就是干這個用的：用真實任務跑一遍，看成本曲線能不能接受。

Awasthi的表態很實在：模型會進步，但代理的結構性成本不會消失。步驟差是架構決定的，不是優化能抹平的。

這對開發者的啟示是：代理不是API的替代品，是API的兜底方案。能用API的地方別用視覺，除非你愿意為"能操作任何界面"付45倍溢價。

云桌面+代理的組合，真正的產品形態可能是"按任務計費"的封裝服務，而非裸實例租賃。誰能把Token成本包進固定報價，誰就能吃掉那些不想自己算賬的企業客戶。

目前看來，AWS和微軟都還沒走到這一步。他們還在賣地，沒開始賣保險。