近日，AI圈内掀起一股“养龙虾”的热潮。这里的“龙虾”并非餐桌美味，而是指当下火爆的开源智能体框架OpenClaw。它被包装为能自动处理复杂任务的“数字员工”，吸引了大批技术爱好者和追求效率的上班族尝鲜。然而，追捧背后，第一批“尝鲜者”正迅速转变为“受害者”。不少人之前熟练使用各类免费AI工具，但大费周章部署“龙虾”后，却发现：仅仅简单使用几天，账单便悄然攀升至近百元；更有人在一夜之间，因为智能体的连续工作而收到欠费通知。
这只“龙虾”，为何如此“烧钱”？3月14日，记者采访了第一批“养虾受害者”和赛迪四川AI产业创新研究中心副总经理、电子科技大学博士殷长明。
社交媒体“养虾受害者”截图
从“免费”到“账单刺客”
布署和使用每一步都要钱
在各大社交平台，关于“养龙虾”花费的吐槽和账单分享正不断涌现。一位用户晒出自己“养龙虾”一周的详细账单，总花费83元。在中等强度使用下，其花费波动剧烈：第一天调试就花了8元；第二天写3份文档，12元；第三天因分析大表格，单日飙升至25元；尽管后续几天尝试控制，但一旦开启多代理任务，花费又跃升至18元。另一用户称周末自己电脑装了下OpenClaw，一个晚上就问几句好，查了一些肉价数据，100万Token就没了，还收到了欠费邮件。
博主“运维董工”在接受记者采访时算了一笔账，揭开了“免费”表象下的成本冰山。她指出费用主要包含两部分，其中部署成本（一次性/月付）如果采用零硬件方案：用现有电脑/笔记本跑，投入约0，但得24小时开机，电费每月在10到30元；如果采用买设备方案，比如Mac mini，一次性花费在4000到8000元，云服务器月租在25到150元。
而其中最大头是Token费用，OpenClaw本身没有“大脑”，得接外部模型，按使用量(Token)计费：轻度使用（每天几次查询）：70到200元每月；日常使用（自动化+多任务)，200到500月每月；重度使用（批量处理、复杂任务）则每月花费千元左右。
为什么免费的AI突然要收费了？钱到底花在了哪里？要理解这一点，必须搞懂一个关键概念——Token。
养龙虾为何如此烧钱？
通用AI和“龙虾”产品有本质差异
要弄懂账单，首先得明白“Token”是什么。记者咨询了赛迪四川AI产业创新研究中心副总经理、电子科技大学博士殷长明，他解释道：“Token可以简单理解为大模型处理文字信息时的‘计价单元’。模型并不是按‘问一次、答一次’来收费，而是把用户输入的问题和它自己输出的答案，所有文字拆解成更小的片段来分别计费。”通常，一个中文字约等于1到2个Token。
那么，为什么用千问、DeepSeek聊天不怎么花钱甚至免费，而“养龙虾”却如此烧钱呢？殷长明指出了根本差异：“这本质上是产品定位和任务复杂度的不同。普通聊天AI是‘问答机’，任务简单直接，消耗可控。而‘龙虾’这类智能体是‘执行者’，它接到一个指令后，内部要进行多轮复杂的‘思考’：拆解任务、理解上下文、调用各种工具，比如打开浏览器搜索、读写文件、判断结果是否合格……这个过程需要反复、多次地调用底层大模型，就像一个连环扣，每一环都在消耗Token。”因此，智能体完成一个看似简单的任务，其背后的Token消耗量可能是单次问答的几十倍，费用自然水涨船高。
普通用户要“养龙虾”吗？
简单操作既不划算也非必要
理解了Token的概念，就能更深入地看清“养龙虾”烧钱的根源。殷长明分析道，让用户感到“烧钱”的核心，在于智能体“持续干活”的特性。不同使用方式造成的花销差异极大。做几个简单、步骤明确的小任务，成本尚可控制；但如果是多步骤、跨软件操作，或开启长期记忆、连续运行模式，Token消耗就会呈指数级上升。“花销高低不只看部署在哪里，更要看你的‘龙虾’每天执行多少任务，以及这些任务有多复杂。”
对于大多数普通用户从使用千问、DeepSeek转到“养龙虾”的困惑，殷长明从产业角度进行了剖析。他认为，按Token收费本身是合理的商业模式，因为它对应了模型推理的真实算力成本。问题在于“成本不透明”和“信息不对称”。许多宣传只强调“框架开源免费”，却没有清晰告知用户“持续调用模型会持续产生费用”以及“复杂任务会导致费用激增”，造成了心理预期的巨大落差。
那么，对普通人而言，现在安装“龙虾”去处理一些简单操作，划算吗？殷长明的观点很明确：对大多数普通人来说，目前既不划算，也非必要。 “如果只是处理日常的轻量任务，现有通用AI已经做得很好，成本更低、使用更简单。‘龙虾’的价值在于处理那些重复性强、流程固定、需要跨工具操作的复杂任务链。”他建议，用户是否必要使用，关键在于是否有高频、自动化的刚需，而非追赶潮流。
避免“账单刺客”要小步试水
未来“龙虾”或以其他形态普及
如何避免成为“账单刺客”的下一个目标？殷长明给出了具体建议。首先要小步试水，不要一开始就让智能体处理核心工作，而是用最便宜、最简单的任务测试，摸清完成一次典型操作的真实成本。其次必须“设置预算护栏”，充分利用平台提供的额度提醒、调用次数限制、自动停止等功能，为消费设置“硬刹车”。最后要“谨慎授权”，切勿一开始就开放邮箱、支付、核心文件夹等高危权限，应从低风险接口开始，逐步建立信任。
关于“养龙虾”的适用前提和人群，殷长明认为，前提不是会安装，而是要有明确场景、懂技术边界、能接受调试过程。他建议三类人群更适合尝试：一是开发者和技术爱好者，他们试错成本低，理解更深；二是自动化需求强烈的“一人公司”创业者或自由职业者，如自媒体、电商运营者，容易将智能体用出实效；三是有清晰流程优化需求的小团队。
展望未来，殷长明认为，能执行任务的智能体（Agent）一定会越来越普及，但“龙虾”当前的形态未必会快速普及到每个人手中。未来，“会干活的AI”更可能作为一种能力，被深度集成到操作系统、办公软件等各类平台中，让用户以更低感知、更安全的方式使用。而要走向大规模普及，产业必须解决“安全可控、成本可算、责任可追”等核心挑战，让用户不仅能享受自动化之便，更能用得明白、花得清楚、感到安心。
配配网提示：文章来自网络，不代表本站观点。
