代理开始做长任务，谁能把调用量变成利润？

企业让代理执行长任务，购买的逐渐从一次回答变成一项可验收成果。模型负责推理和选择动作，运行框架负责工具、状态与权限，客户则判断结果能否使用。三个环节都要成立，调用量才可能持续形成收入。

截至本文原研究时点，GLM-5.3展示后训练改进与工具能力，DeepSeek Harness提供模型中立的开发者预览运行框架，Anthropic披露Claude收入运行率增长。这三组材料分别支持能力、执行方式和商业活动的观察。它们不构成同一产品或共同客户案例，不能据此证明一种技术架构已经带来某个收入数字。^{[1][2][3][4][5]}

模型能力提高，首先改变什么成本？

Z.ai的历史文档把GLM-5.3描述为沿用GLM-5.2基座、重点改进后训练的版本，并列出代码、终端和代理评测。100万上下文、128K输出、工具调用、缓存及MCP说明接口范围；原时点产品在Coding Plan中可用，API仍标示即将推出。这些是当时的厂商表述，不应被后续动态文档无说明替换。^[1]

长上下文让代理读取更多资料，工具调用使它能够对环境采取动作，但更大的输入上限不保证每件任务需要更多算力。实际请求可能只用少量上下文，也可能因缓存减少重复处理。规格与真实计费行为之间，需要实际工作负载作为连接。

后训练提高一次成功率时，可以减少重新规划与无效执行。客户可能因此愿意把更复杂的任务交给代理，而不是简单减少调用预算。对模型供应商，单位任务消耗下降与可售任务增加可能同时发生；经营结果由两者乘积及实现价格决定。

厂商评测还需要用客户自己的任务验证。代码环境、权限、历史系统和数据质量都会影响结果。不能将基准分数直接换成企业节省工时；也不能因评测没有覆盖某种行业工作，就反向断言技术没有价值。需要比较同类任务在明确验收标准下的成本与失败结果。

运行框架承担了模型之外的工作

DeepSeek Harness的设计将模型请求、工具执行和步骤记录组织为代理回合，模型适配器、工具和策略可以替换。会话日志、沙盒、审批及持久化用于管理执行过程。原文将其列为开发者预览，兼容性仍可能变化，不能当作已证明成熟的企业产品。^[2][3]

这些能力影响长任务失败后的代价。若一次登录失效导致所有前序工作重做，客户要为重复推理、运行环境和等待付款；若状态保存完整，只需从安全节点恢复，尾部成本可能降低。恢复能力不一定提升单次理想演示速度，却可能改善真实部署的平均成本。

模型中立还改变软件公司的议价。客户可以在保持工具与流程的同时替换模型，部分集成价值留在软件层。但这不保证运行框架能够收费：开源替代、客户自建和模型厂商捆绑服务都可能限制价格。技术控制点与商业定价权需要分开检验。

企业可能愿意为权限、审计、稳定支持和数据连接付费。这些服务通常涉及持续运维，不能把收入全部视为高毛利软件许可。客户越依赖复杂旧系统，供应商越需要承担集成与维护成本；部署数量增加也可能同时扩大支持团队。

一件合格工作的成本，应该包含失败

假设100件任务消耗推理与环境费用120个成本单位、人工复核80个单位，最终80件通过验收。单位合格成果成本为200除以80，即2.50。失败任务花的钱也必须留在分子，否则产品可以通过排除失败，得到并不存在的低成本。

若模型升级后计算费用升到150、复核降到30、合格任务升至90，则单位成本为180除以90，即2.00，下降20%。较高调用价格与较低成果成本可以并存。若复核仍为80、合格任务只有85件，单位成本约2.71，升级则未带来同样收益。全部输入都是假设。

按成果收费时，这个差别影响供应商毛利。若每件合格成果收费3个单位，前两种情景单件贡献分别为0.50与1.00，尚未计研发、销售和其他固定成本。客户和供应商可以分享效率改进，但谁获得多少，取决于续约定价与市场竞争。

验收必须稳定。客户不断增加范围、供应商把需要大量返工的成果算作成功，都会破坏比较。合理合同应说明交付范围、修改次数和人工接管责任。真实商业化并不要求代理毫无监督；保留少数人工决策，仍可能大幅降低整体工作成本。

任务增长要超过效率提高，才会增加总计算

一个简化关系是总计算需求等于任务量乘单位任务资源消耗。若后者下降30%，任务量需要增长超过约42.9%，总量才高于原水平，因为1除以0.7约为1.429。任务增长40%时总量为原来的98%；翻倍时则达到140%。

新增需求可以来自现有业务执行频率提高，也可以来自过去人工成本太高而没有开展的工作。前者比较容易找到历史基线，后者需要证明任务确实有经济价值。代理自行产生大量后续动作并不必然增加客户收益，重复检查和无效循环应计入成本而非有效产出。

总token量也不是总收入。缓存价格、输入输出结构、批量折扣及模型路由都会改变每个token的实现收入。简单任务转向低价模型，可以提高应用供应商利润，却降低高价模型的收入占比。调用增长因此要与实现价格和毛利一起阅读。

更不能把任务持续时间视为GPU持续满载时间。代理可能等待网页、数据库或人工批准，计算只发生在部分步骤。按全部驻留时间估算GPU需求，会高估加速器使用；完全忽略执行环境，又会低估CPU、内存、存储和安全隔离的需求。

Claude的增长支持商业观察，不证明技术归因

Anthropic披露运行率从2025年末约90亿美元提高到2026年4月超过300亿美元，5月超过470亿美元，并描述超过1000家年化支出逾100万美元的企业客户。公司同时安排多吉瓦算力合作。这些信息说明付费业务扩张与供给规划加速，但不提供完整季度损益或现金流。^[4][5]

这些收入来自Anthropic自身产品与客户，不能归因于GLM-5.3或DeepSeek Harness。甚至在Claude内部，也需要产品收入、客户留存、价格与使用结构，才能区分代理功能、其他模型应用和分销渠道各自的贡献。时间上同时出现不是因果证据。

运行率还可能高于此前期间确认收入，客户数量门槛也无法给出集中度。对基础设施投资者，最有价值的后续信息是稳定回款、合同期限、服务毛利以及需要长期采购的容量。没有这些口径，就不能把运行率除以一个猜测的单卡收入，算出硬件需求。

积极解释是高价值生产任务开始支撑更多持续付费，推动算力成为客户经营流程的一部分。反面解释是短期热度、补贴或较少大客户拉动收入，而广泛部署仍受权限、复核和系统集成限制。现有公开材料允许提出两种可检验路径，尚不能完整分解其权重。

等待时间也占用资源，但未必占用同一种资源

运行代理的成本结构与只提供模型API不同。浏览器、代码环境、文件和数据库连接可能在模型等待时继续保留。若每个客户需要独立隔离，环境启动、资源回收和并发管理就成为付费服务的一部分。模型推理账单之外，还存在执行平台自己的单位经济。

在稳定系统的简化假设下，平均同时在途任务数等于每小时到达数量乘平均驻留小时数。若每小时有120件任务、每件平均半小时，在途任务约60件；驻留时间降至15分钟，则约30件。这里是任务并发，不是GPU数量，亦不代表每件任务独占一台服务器。

资源能否及时回收决定节约是否兑现。如果任务结束后环境仍长期闲置，平均完成时间改善未必带来相同比例的成本下降；如果服务商把多个可隔离任务高效复用，单位环境成本可以降低。客户看到的速度与供应商实际支付的资源账单之间，还隔着调度设计。

高峰也可能比平均数更重要。大量企业在同一工作时段提交任务，可能要求更多空闲容量保证等待时间。可延后执行的任务可以削峰，但需要客户接受不同交付期限。即时服务和异步服务应当具有与资源保障相符的定价。

因此，代理需求对基础设施的影响应分成推理、执行环境、状态存储和企业连接。各自的利用率、价格与资本要求不同，不能统一按任务数量乘某个机柜系数。真实部署数据会逐步揭示哪个环节需要新增投资，以及哪个环节可以主要靠软件优化扩大容量。

价值可能留在客户、模型或流程软件

客户若以固定软件费获得更多合格工作，效率收益可能主要留在客户。模型供应商若能持续提供显著更高成功率，可以通过能力差异保留溢价。运行平台若掌握难以替换的连接、验收与权限，则可能在模型成本下降时提高服务利润。三者不存在必然同步的收入曲线。

对基础设施，较早受益的可能是可以弹性提供推理和执行资源的服务，而长期专用容量需要更稳定的需求承诺。若企业试点无法转成持续生产，强行提前锁定多年资源会增加闲置；若生产任务稳定放量，过于依赖短期采购又可能付出更高成本或面对供给不足。

未来十二至三十六个月，应观察每件验收任务成本、实际复核分钟数、付费留存、每客户任务增长、实现单价和服务毛利。它们能区分有价值的自动化与昂贵的调用扩张。模型和运行框架进步提供了条件，最终决定利润的仍是客户愿意反复购买、且服务商能够经济交付的工作。