智东西
编译 杨京丽
编辑 李水青

智东西4月7日消息，4月6日，Xiaomi MiMo大模型负责人罗福莉在社交平台X上发文，将Anthropic封禁OpenClaw等工具与此前MiMo推出的Token Plan放在一起分析，系统阐述了她对Agent算力分配与定价逻辑的思考。

▲罗福莉在社交媒体X上的发文部分截图（图源：X）

4月4日，Anthropic宣布，Claude禁用OpenClaw等第三方工具，用户只能通过额外套餐或Claude API Key使用这些工具。此前，OpenClaw等开源编程框架的用户可借助月费订阅大量消耗Claude算力，该路径现已被切断。

罗福莉在文中提出了以下几个核心观点：

1、Claude Code的订阅是一套精心设计的算力均衡分配系统，仍可能处于亏损状态；第三方框架的上下文管理极差，实际成本可达订阅价格的数十倍。

2、第三方框架并非被彻底封禁，用户仍可通过API调用Claude。短期阵痛会倒逼框架改进上下文管理，最终转化为工程规范。

3、低价卖token+对第三方框架开放，看似吸引用户，实则是陷阱，大模型公司不应盲目参与价格战。

4、MiMo Token Plan按token额度计费、支持第三方框架，目标是长期稳定交付高质量服务。

5、行业真正的出路不是更便宜的token，而是更高效的Agent框架与更强大的模型之间的协同进化。

罗福莉发文的原文内容编译如下：

两天前（4月4日），Anthropic切断了第三方框架通过Claude订阅调用模型的通道——这并不意外。三天前（4月3日），MiMo推出Token Plan——这是我投入大量精力参与设计的一套方案，也是在算力分配和Agent框架发展方向上一次认真的尝试。

把这两件事放在一起，我有一些想法。

一、第三方框架token浪费严重，实际成本或达订阅价数十倍

Claude Code的订阅是一套精心设计的算力均衡分配系统。我猜测，它大概率不赚钱，甚至可能在亏损，除非Anthropic的API利润率高达10到20倍，但我对此表示怀疑。

我无法精确计算第三方框架接入带来的亏损，但我观察过OpenClaw的上下文管理，很糟糕。在一次用户查询中，它会将多轮低价值的工具调用，拆分为独立API请求发出，每次请求都携带一个很长的上下文窗口，往往超过10万token。

即便有缓存命中，这种做法依然非常浪费；极端情况下，还会推高其他查询的缓存未命中率。最终结果是，每次查询产生的实际请求数比Claude Code官方原生的框架高出数倍。

按API定价折算，真实成本大概是订阅价格的数十倍。这不是一个小差距，是一个巨坑。

二、Anthropic并非彻底封禁第三方框架，短期阵痛或倒逼框架优化

OpenClaw、OpenCode这类第三方框架仍然可以通过API调用Claude，只是不能再搭载订阅套餐了。短期内，这些Agent用户将直面成本压力，费用轻松跳涨数十倍。

但正是这种压力，会推动框架开发者去改进上下文管理、最大化prompt缓存命中率，复用已处理的上下文、削减无效的token消耗。

痛苦最终会转化为工程规范。

三、价格战是陷阱，大模型公司需先算清编程方案的账

我想呼吁大模型公司，在搞清楚如何为编程方案定价之前，不要盲目地竞相压价。

以极低价格出售token，同时对第三方框架完全敞开大门，看似对用户很有吸引力，但这其实是一个陷阱，也正是Anthropic刚刚走出来的那个陷阱。

更深层的问题在于：如果用户把精力浪费在低质量的Agent框架、极不稳定且缓慢的推理服务、以及为降本而被迫降级的模型上，最终发现自己仍然什么都做不成，这对用户体验和留存率来说，就是一个恶性循环。

四、MiMo Token Plan：长期稳定，高质量交付

MiMo Token Plan支持第三方框架接入，按token额度计费， 底层逻辑与Claude近期推出的额外用量包一致。因为我们追求的是长期稳定地交付高质量模型和服务，而不是让用户冲动付费后便弃之不用。

▲雷军发布关于MiMo Token Plan定价介绍（图源：微博）

五、真正的出路：高效框架与强大模型的协同进化

更宏观地看：全球算力供给已经跟不上Agent创造的token需求增速。真正的出路不是更便宜的token，而是协同进化，即“更高token效率的Agent框架”叠加“更强大高效的模型”。

Anthropic这次举措，无论其初衷如何，客观上正在将整个生态推向开源和闭源的方向。这大概是一件好事。Agent时代不属于烧掉最多算力的人，而属于用得最聪明的人。

结语：Agent时代，算力、框架与定价逻辑的平衡

在Agent加速落地的当下，行业竞争的核心，正在从“谁的token更便宜”转向“谁能把算力用得更值”。Anthropic对第三方工具调用路径的收紧，以及MiMo Token Plan的设计，都说明大模型商业化已经进入更精细、更务实的阶段。

未来，AI编程方案的胜负手，不只在模型能力本身，也在上下文管理、框架效率、服务稳定性和定价逻辑的系统平衡。谁能真正帮助开发者以更低浪费撬动更高产出，谁才能在下一轮Agent生态竞争中占据主动。