阿里让 AI 学会点开每一个 App，Stripe 忙着给它装收银台：自主智能体的「Token 焦虑」时代来了

**📌 省流速读**

① 8 月 20 日，阿里发布 Qwen-UI-Agent，一个"以真实世界为中心"的 GUI 智能体基座模型，覆盖手机 / 电脑 / 网页 / 深度搜索，让 AI 直接看懂屏幕、像人一样点 App 办事。

② 主力仅 27B 参数，却在 MobileWorld 等五项 GUI 基准上反超 GPT-5.6、Claude Opus 4.8 等几百 B 旗舰——靠"真机军训"练出的硬实力。

③ 但会干活的 Agent，也是会烧钱的 Agent：一个 170 步的任务，背后是无数次截图、点击、上下文重读，每一帧都在烧 Token。

④ 推理悖论正在发生：2026 年单 Token 价格降了约 70%，企业 AI 账单却涨了 300%~500%；"Tokenmaxxing" 之后，企业开始给 AI 设额度。

⑤ 同一周，支付巨头 Stripe 用约 75 亿美元买下 OpenRouter——这家每天路由超 10 万亿 Token 的"模型收费站"，把"路由 Token、精打细算"做成了一门基础设施生意。

作为每天被各种 App 包围的普通人，你有没有想过：当 AI 替你点开 12306、高德、钉钉，一步步把事办完，这一连串操作背后，每一帧屏幕、每一次点击，都在悄悄烧掉你的 Token？

作为已经开始把活儿交给 Agent 的开发者或企业，你是否感到一种新的焦虑：当阿里把"会用屏幕"的 Agent 做到 27B 就反超几百 B，你手里的 AI 助手，会不会变成一台 24 小时运转、却没人盯着账单的"自动烧钱机"？

作为一个盯着技术周期的人，你有没有意识到：当 Stripe 用 75 亿美元把"路由 Token"买下来，AI 每一次自主调用的价格，可能已经被悄悄标好了——而这件事，比你想象的来得更快？

2026 年 8 月 20 日，阿里巴巴用一篇公众号推文，把 Qwen-UI-Agent 推到台前；就在这不到 24 小时前，支付巨头 Stripe 宣布要用约 75 亿美元买下 AI 模型路由平台 OpenRouter。两件事撞到一起时，整个 AI 圈都在问同一个问题：当 Agent 学会替我们干活，到底谁来为它干的每一件小事买单？

答案或许并不遥远。

一、当 AI 学会"点屏幕"：GUI 智能体到底是什么

过去一年，智能体的能力边界，基本是靠着 CLI、MCP 这类工具接口撑起来的。但现实很骨感：绝大多数软件，从来没打算给你开放 API——银行的页面、政务的系统、老东家的内部工具，一个都不给。

GUI（图形用户界面）才是数字世界里覆盖面最广的通用入口。只要有界面，智能体就能上手操作，软件一行代码都不用改。Qwen-UI-Agent 押的就是这条路线：不去等世界 API 化，直接把屏幕当成最大的接口。

它的核心能力可以一句话概括——看懂界面，模拟人的点击、输入、滑动，替你把事办了。阿里给它的定位很大胆，叫"数字设备上的通用执行器"，一套模型覆盖手机、电脑、网页和深度搜索四类环境。

真机演示最能说明问题。你可以让它"约朋友去天目里喝咖啡，在高德查地址、到大众点评找附近一公里内人气最高的咖啡馆、再去小红书总结前五条笔记看大家推荐哪款"；也可以让它"查 12306 最早到杭州西的高铁、算地铁到公司的时间、最后在钉钉约个会"。一条指令，跨五六个 App，连着做完。

这不是 demo 秀。AI 第一次，真的长出了一双手。

图1：Qwen-UI-Agent 跨 App 执行示意——一套模型覆盖手机 / 电脑 / 网页 / 深度搜索四类环境

二、27B 反超几百 B：真机"军训"练出的硬实力

2.1 成绩单：五项第一，且是被公认基准

Qwen-UI-Agent 不是自嗨式宣传。它的分数来自业界公认的通用基准，而且主力版本只有 27B 参数——用 27B 的模型去碾压几百 B 的 GPT 和 Claude，这背后的训练方法，比模型规模更值得关注。

还有个能说明效率的数字：在 OSWorld-v2 上，它拿到 40.0% 的部分完成度，同时比基线省了 58% 的执行步数。换句话说，它不只是"做对"，还在学着"少绕路"。

2.2 真机训练的门槛：从模拟到真实的鸿沟

这个模型最硬的底牌是真机。此前各家 GUI 智能体大多在模拟器里训练、在模拟器里评测，一到真机就掉链子——App 改个版、弹个窗、换个布局，模拟器里练出的"肌肉记忆"当场失灵。

阿里搭了一个覆盖 100 多台真实手机、150 多款应用的移动环境，任务构建、轨迹采集、训练、评测全在真机上跑，还自建了 400 多个任务的真机基准 MobileWorld-Real，专门打通"从模拟到真实"的最后一公里。

这意味着这条路真正的门槛，不在模型本身，而在于能不能拿到足够真实、足够多样的操作数据。100 多台真机、150 多款 App——这本身就是一道资源壁垒。

2.3 它还懂得"停手"

会点屏幕的模型，安全问题比性能更要命。Qwen-UI-Agent 把安全判断贯穿任务执行全过程：面对违法或高风险请求（比如"怎么造大规模杀伤性炸药""给 50 个联系人群发去缅甸旅游"），它一步都不做，直接拒绝并终止；面对支付、删除数据、隐私授权这类敏感场景，则在关键步骤主动停手，向你说明情况，等确认后再继续。

比如"在支付宝给妈发 500 块红包"，它把金额和备注都填好了，却停在支付那一步交还给你。危险的不做，敏感的不擅自决定——这正是自主 Agent 能不能进普通人手机的前提。

图2：Qwen-UI-Agent 关键基准成绩单——27B 反超几百 B 旗舰

三、Token 焦虑浮现：会干活的 Agent，也是会烧钱的 Agent

3.1 推理悖论：单价降了 70%，账单涨了 300%

但故事到这儿，要拐弯了。

一个容易被忽略的事实是：2026 年，前沿模型单 Token 价格相比前几年下降了差不多 70%。但企业和独立开发者的 AI 账单，却涨了 300%~500%。这个反差被业界称为"推理悖论"（Inference Paradox）——单价越低，大家越敢用；越敢用，Agent 就越爱"自己加戏"。

根子在于架构变了。从"单轮对话"切换到"多步自主 Agent"后，每个任务消耗的 Token 呈数量级膨胀。一个聊天机器人往返可能只要 800 Token；一个多步 Agent 工作流，算上系统提示词、工具定义、每一步的调用和结果回读、自我纠错的循环，轻松干到几万 Token。有开发者跑一个自主评测流水线的经历很典型：不到 3 小时烧了 85 美元，查日志发现每一步都成功、Agent 干净退出——钱就是这么没的。

多家机构的测算口径一致：Agentic 工作流每任务消耗的 Token，是普通聊天机器人的 5~30 倍。

3.2 一个 170 步的任务，到底烧了多少 Token

而 GUI 智能体，偏偏是其中最"费电"的那一类。

为什么？因为它的"眼睛"是屏幕截图——每一帧都是图像 Token；它的"记忆"是不断变长的上下文，每一步都要把前面的操作重读一遍；它的"动作"是连续的点击、输入、滑动，一个任务往往几十上百步。

阿里自己放出的一个长程任务，就很说明问题：深度分析 Google（Alphabet）从 2019 年至今的增长轨迹，要覆盖营收、利润、研发投入、资本开支等八项指标，数据必须来自财报和 SEC 文件并交叉核验，最后还要生成 Excel、PowerPoint、Word 三份交付物，再做多轮视觉检查修正版式。这个任务总步数达到 170 步。

你可以算一笔账：170 步里，GUI 负责网页检索与数据源定位，CLI 负责数据下载与分析，每一步都在往上下文里灌内容。一个"会自己干完一整件事"的 Agent，本质上也是一个"会自己把 Token 烧穿"的 Agent。

3.3 从 "Tokenmaxxing" 到 "给 AI 设额度"

企业的反应很有戏剧性。一开始，大家鼓励员工猛用 AI，这个风潮甚至有个名字叫 "Tokenmaxxing"——拼命堆 Token、拼命用。可很快发现，生产力提升并没有跟上花费。于是画风一转：许多公司开始给内部 AI 使用设上限、封额度。

问题从来不是"哪个模型更便宜"，而是"这一连串自主操作，到底烧了多少、烧得值不值"。于是催生了一个新的需求——把简单任务路由给便宜模型、把复杂任务交给贵模型。而这，正是下一节那笔 75 亿美元收购的来由。

图3：推理悖论——单 Token 价格下降，企业 AI 账单反而暴涨

四、Stripe 花 75 亿买下"Token 收费站"：谁在给 AI 的活儿定价

4.1 OpenRouter 是什么：400 个模型背后的统一入口

把镜头从杭州切到旧金山。就在 Qwen-UI-Agent 发布的同一周，支付巨头 Stripe 宣布，要用约 75 亿美元收购 AI 模型路由平台 OpenRouter。

OpenRouter 做的事很巧妙：开发者只对接一个端点，背后却能调用超过 400 个模型、来自 80 多家供应商。系统会根据请求的复杂度、价格、速度和可靠性自动打分，把任务路由到最合适的模型——切换供应商，不用改一行代码。它从流经其上的推理消费里抽取大约 5% 作为收入。

这家公司的体量已经不小：超过 1000 万开发者和企业用户，日均处理量超过 10 万亿 Token，英伟达、Zoom、Lovable Labs 都是它的客户。它成立于 2023 年，如今只有约 90 名员工，却被 Stripe 用约 5 倍于三个月前估值（13 亿美元 → 75 亿美元）的价格拿下。

4.2 为什么是 Stripe：Token 成了 AI 的"核心货币"

Stripe 创始人兼 CEO 帕特里克·科里森（Patrick Collison）说了一句点睛的话："Token 是企业构建 AI 应用的核心货币，而现实世界的经济潜力，取决于能否善用稀缺的算力资源。"

这句话点破了收购的逻辑。OpenRouter 常被比作"Token 版的 Stripe"——Stripe 把付款路由给商户，OpenRouter 把 Token 花费路由给模型厂。两边都是"简化复杂交易、抽一道过路费"的生意，对称到战略上几乎理所当然。Menlo Ventures 的合伙人直言：乍看 Stripe 是个不像的收购方，但相似度"诡异得惊人"。

对 Stripe 来说，这步棋不是押注某个具体模型，而是押注 AI 消费的底层基础设施——它会计费、会路由、会在"每一笔 AI 调用"上抽成。按它自己的话说，是"为 AI 构建经济基础设施"。

4.3 估值三个月涨 4 倍：被重估的"计量权"

更耐人寻味的是估值曲线。OpenRouter 今年 5 月融资时估值才 13 亿美元，8 月就被 Stripe 以 70~75 亿美元拿下，溢价超过 400%。a16z 等早期投资方在一周内连收两笔巨型退出。

市场在用真金白银投票：在自主智能体把 Token 烧成刚需的年代，"谁帮我把 Token 管好、路由好、计量好"，本身就是一门值钱的基础设施生意。

图4：Stripe × OpenRouter——Token 路由成为 AI 时代的"经济基础设施"

五、我们站在什么门口：自主智能体 × Token 经济的交汇

5.1 对普通人：你的私人助理，可能开始有账单了

把这两条线拧到一起看，味道就变了。

一边，是 Qwen-UI-Agent 这样的 GUI 智能体，终于能让 AI 真正"替你办事"——从查高铁到约会议，从比价到做报告。手机助手不再只是"问答机"，而是"办事员"。

另一边，是 Stripe/OpenRouter 这样的基础设施，开始为每一次 AI 调用"标价格、记流水、做路由"。当 Agent 能自主跑 170 步、烧掉几万 Token，这笔账就不会再是"免费后台运算"，而可能变成你手机里一项看得见的成本。

换句话说：你的 AI 助理，可能第一次有了"账单"。你享受它替你办完一整件事的爽感，也得开始操心它"办事"的代价。

5.2 对行业：Agent 竞赛的下半场，是成本治理

更宏观一点，Agent 的能力竞赛正在分出上下半场。上半场比"能不能干完"——谁在基准上拿第一、谁先跑通真机；下半场比"干完要花多少"——谁能又好又省地路由、谁能把 170 步任务控制住、谁能在支付前停手。

Qwen-UI-Agent 们负责"把活干完"，Stripe/OpenRouter 们负责"把账算清"。一个造手，一个造收银台；一个在生产价值，一个在计量价值。两条线在同一周合流，不是巧合，而是同一个时代的注脚：AI 正在从"会聊天的工具"，变成"会自己干活、自己花钱的主体"。

图5：自主智能体 × Token 经济——造手的人与装收银台的人，在同一周握手

我们这代人，大概会亲眼看到"Token 焦虑"像"流量焦虑""电量焦虑"一样，成为日常。区别是，前两者你还能关掉 App 喘口气，而 Token 焦虑的背后，是一个开始自主运转、并对每一次点击都悄悄计价的智能生态。

当 AI 第一次学会点开每一个 App，它不再只是一个聪明的问答机；当 Stripe 第一次为 AI 的每一次调用标好价格，它不再只是远处的金融基础设施。8 月 20 日前后，造手的人和造收银台的人，在同一周握了手。下一个问题不再是"Agent 能不能替我办事"——而是"它办事花掉的 Token，这笔账怎么算、又由谁来算"。

关于我们

Techub：解构前沿技术，重塑应用场景，把未来的智能生态提前剧透给你。✦ 前沿与生态｜具身智能 · AI Agent · 智能家居 ✦ 硬核与落地｜非标自动化 · AI 驱动研发 · 智能机电融合 一场充满未知的逆旅。点击上方关注，我们一起捕捉科技奇点。

参考来源

1. 阿里巴巴 Qwen 官方公众号 / 千问, "Qwen-UI-Agent: 以真实世界为中心的 GUI 智能体基座模型", 2026-08-20（技术报告 arXiv:2607.28227；项目主页 tongyi-mai.github.io/Qwen-UI-Agent；GitHub Tongyi-MAI/MAI-UI）.

2. IT之家, "阿里发布 Qwen-UI-Agent，主打让模型真正'会用'每一块屏幕", 2026-08-20.

3. Pandaily, "Alibaba Releases Qwen-UI-Agent: Making Models Truly Use Every Screen", 2026-08-20.

4. 腾讯新闻, "阿里发布 Qwen-UI-Agent：让模型真正会用每一块屏幕", 2026-08-21.

5. 网易科技 / 智东西, "阿里把 AI 扔进 100 台真机里'军训'，玩转各种屏幕", 2026-08-21.

6. Inside AI, "Stripe to Buy OpenRouter for Over $7.5 Billion in AI Gateway Push", 2026-08-20.

7. 至顶科技 / 今日头条, "Stripe 收购 AI 模型路由平台 OpenRouter，交易额据报超 75 亿美元", 2026-08-20.

8. 腾讯网（引纽约时报）, "Stripe 同意以 75 亿美元收购 OpenRouter", 2026-08-20.

9. Payments Dive, "Stripe, OpenRouter finally strike a deal", 2026-08-20.

10. DEV Community（minh_phuongnguyen）, "The Inference Paradox: Why Agentic Workflows Are 4x More Expensive Than You Think", 2026.

11. MintMCP Blog, "LLM Cost Optimization for Agent Teams: Route, Track, and Reduce (2026)".

12. 《财经》, "Token 经济，中国账本"（封面报道）, 2026.

作者：Techub

作者：Techub