READING GUIDE · 精选看点

01　一个足够重要的任务

02　真实世界数据，远比 demo 更重

03　为什么是星图 AstraFlow

当 AI 真正进入城市建设，消耗的不只是算力和额度，更是一次开发者参与真实世界改造的机会。

一个足够重要的任务

AGI Bar 的创始人赛博禅心，前阵子接到了一个非常有分量的任务：「百年京张·AI 创新带城市设计开源征集」。

如果你关注过北京的城市规划，或者对京张铁路遗址公园的改造有所了解，一定会知道这个项目的分量。它不只是一个设计比赛，更是一个关于北京、关于海淀、关于未来城市形态的硬核开源实验。

赛博禅心当时跟身边朋友说的原话，我现在还记得：「这是我为北京、为国家最直接能够提供自己贡献的一次机会。」

能用代码、用 Agent 参与到这种级别的城市建设里，去处理真实世界里的复杂数据，说实话，这种机会真的不多。血液里的冒险精神一下就被点燃了，因此我也参与了这个征集项目。

但万万没想到，热情有多高涨，账单就有多刺眼。

图 1 · 火山方舟用量截图，近 5 小时用量 99%

图 2 · 智谱 BigModel 用量截图，5 小时额度 100% 耗尽，积分归零

两家头部大厂，双双熔断。

真实世界数据，远比 demo 更重

要先理解这有多夸张，得先说清楚百年京张这个项目到底有多硬核。

它不是一个 demo，不是一个练手的小工具。它涉及的是极其庞大的真实世界数据：43.6 平方公里的城市治理数据、几十年的京张铁路历史文献、复杂的交通动线规划，还有多模态的建筑方案生成。你要处理的可能是某段铁路遗址几十年前的图纸扫描件，也可能是某个街区十几种交通方式的叠加流向，还得把这些东西翻译成能动起来的方案。

我的 Agent 跑了一整天。

读一份几十页的招标 PDF、几百页的规划图纸，每读一个文档，就要消耗一大块 token。调整一次空间数据分析，要把临时数据吃进去再吐出来；让视觉模型出一张建筑效果图，背后也是一笔不小的算力账。

一天跑下来，火山方舟近 5 小时用量 99%；智谱 BigModel额度直接 100% 耗尽，积分清零。

太离谱了。

更离谱的还不只是钱，而是我必须频繁在两个平台之间切来切去。这个任务在火山跑，那份图纸在智谱调，一不小心就跑串了。不光是成本在烧，心流也是一刀一刀被切开的。你想想那种感觉，正沉浸在啃一份历史文献，突然一个额度警告弹出来，脑子里那根弦啪一下就断了。

项目不能停，北京城建的愿景不能停。

我的需求其实很明确：不用开多家会员，一步到位；额度充足；支持用相对低的成本把项目跑完。后来，我把目光锁定在了星图 AstraFlow上。

图 3 · 星图模型广场，200+ 模型聚合广场实拍

为什么是星图 AstraFlow

为什么是它？聊下来以后，最打动我的其实是三件事。

以前是什么状态？要用 DeepSeek 得开硅基流动的账号，要用 GLM 得登智谱的开放平台，要用 Qwen 得去阿里云百炼充钱。三个平台、三套配置、三个充值入口，光是记住每个平台的计费规则，人就已经累了。

星图这边把200+主流模型全部聚到一个入口后面，百度、阿里、智谱、Kimi、DeepSeek、MiniMax、阶跃星辰，你想用哪个用哪个。不是你去适应平台，是平台围着你转。用最擅长的模型，做它最擅长的事，这个朴素的道理在星图这里第一次真正跑通了。

Auto Router 智能路由

这个是我最满意的一点。Auto Router 智能路由的意思是按任务难度，自动分配最合适的模型。简单的任务派给小模型跑，复杂的任务才派给大模型。

听起来没什么，但以前手动切模型的人才知道这里面的坑。用顶配模型跑一个简单问题，是拿大炮打蚊子，钱就是这么烧掉的。

实测跑下来，综合成本降了约 50%。

一半。

按量计费，告别额度焦虑

这个才是从根源上解决问题：用多少付多少，每一笔账单清清楚楚。

没有月度套餐的倒计时，没有积分归零的恐慌。不是每次跑都要盯着进度条提心吊胆，担心下一步是不是突然就断了。你只需要专心把事情做对，跑多少花多少，心里有数。

接入之后：稳，而且丝滑

接入星图之后，我立刻把之前卡住的几个核心任务重新跑了一遍。

最直观的感受就是两个字：稳，而且丝滑。

图 4 · 2 小时京张项目，Kimi K3 连打 2 小时

图 5 · 京张项目文档，文件齐备通过 PR

先说超长上下文这块。

百年京张这个项目的文档量是真的大。几十页的招标文件，几百页的历史规划图纸扫描件，还有大量的沿线文化带分布说明。以前用单平台跑，经常跑到一半就弹出一个冰冷的错误：Context Length Exceeded。

上下文长度超了。

然后你就要手动去切分文档，分块喂进去，来回对位置，还得自己记着哪块读过、哪块没读。整个过程非常破坏工作心流。

星图这边，直接把几百页的文档扔给支持超长上下文的 Qwen-Max。一口气读完，中间不断。你要提取什么，直接问就行。京张铁路遗址公园沿线的文化带，哪个节点有什么历史建筑，哪个路段对应哪段故事，全部结构化输出。

不是它帮你整理，是你带着问题去问它，它带着答案回来找你。

这个区别太大了。

Agent Sandbox：把城市设计落到代码里

再说 Agent Sandbox。

城市设计这东西，最后一定要落到代码上。不是说聊聊就行，是真的要写大量 Python 脚本去处理 GIS 数据，去算坐标、算动线、算覆盖面积。以前跑这些代码还得自己在本地配 Docker 环境，配 Python 依赖，配 GDAL 库。生怕哪一步版本不对，把本地搞崩，前功尽弃。

星图直接把安全沙箱集成进去了。

代码写完，在云端跑。不用担心环境污染你的本地，不用担心装错哪个库，不用担心依赖冲突。跑完出结果，清掉，下一批。给开发省下的，是实打实的折腾时间。我算过，至少省了半天的配置时间，还不用踩坑。

06 · COMPARISON

跑完海淀项目后的复盘对比

跑了这几天海淀项目之后，我做了个复盘对比，大家可以根据自己的情况对号入座。

模型丰富度

火山和智谱以自家模型为主，上新速度中等，你只能用他们让你用的。星图这边是 200+ 模型，新模型基本当天上线，Kimi K3、Qwen-Max、DeepSeek-V4、GLM-5，你想试谁就试谁。不用等平台排期，不用等别人先趟路。

成本控制

火山和智谱是固定定价或套餐制，看上去简单，但最容易爆额度。流量一来，超了就是超了。星图是按量计费加 Auto Router，简单的活儿小模型跑，复杂的活儿大模型上，综合成本降约 50%。不是省一点，是省一半。

开发体验

大厂直连要适配各家 SDK，每个平台的接口写法都不一样，代码换来换去很费劲。星图是原生兼容主流接口规范，你原来写的代码改两行就能跑，几乎没有迁移成本。

适用场景

大厂直连适合企业级重度依赖，你要长期稳定用某个固定模型，没问题。星图更适合跑复杂 Agent、多模型测试，以及那些对成本敏感、又不想被单一平台绑死的人。也就是说，项目复杂、需求多变、预算有限，星图更适合。

被额度追着跑的日子，不想回去了

写到最后，还是回到初心。

折腾这么多工具，说到底还是因为心里愿意参与「百年京张」这件事。

能为一座城市留下一行代码、一个方案，是作为开发者的荣幸。

至于「大模型 API 哪家强」这个问题，其实没有绝对答案。

只有最适合你当前项目的解法。

唯一确定的是，被额度追着跑的日子，我是不打算回去了。
想尝试的朋友可以自己尝试UCloud