今天早上，Anthropic 正式发布了新模型 Claude Fable——也就是前阵子沸沸扬扬的 Mythos「神话」民用简化版。毕竟号称是“AGI 水准的模型”，我自然第一时间上手实测，看它到底有几分真功夫。

先说结论：确实很强，当之无愧的新 SOTA。但代价不菲，姿态也不太好看。

两个月前 Mythos Preview 才刚放出风声，我就写过一篇《AGI已经来了，但你有船票吗？》，讨论的是顶级 AI 能力正在被圈禁起来这件事。如今看来一语成谶——这次连命名都不再遮掩：Mythos（神话）是供奉给通过审查的“领主”的，Fable（寓言）则是讲给平民听的。 同一个底层模型，Fable 是被施了阉割与加锁的版本。

在这次发布之前，我已经将 Claude 降级到每月 100 美元的套餐，平时基本在吃灰——主力是 Codex，Claude 只负责打杂和 review。而用完 Fable 后，我的判断是：Claude 又重新抬起了头，可以再战。当即决定升回每月 200 美元的 Max 套餐。跑过几个真实场景后，感受尤其鲜明：Fable 确实具备洞察力，是新 SOTA 的实至名归者。

这正应了我之前《退订 Claude，拥抱 Codex》里的说法：AI 行业风水轮流转，城头变幻大王旗，SOTA 几个月就能换一轮。

实战检验：能否发现 Codex 看不见的问题？

最近我让 Claude Fable 帮我复刻了一款童年经典——《坦克大战》。
还原度出乎意料地高：

接着我冒出一个念头：干脆让它做一个高清修复、全面升级界面的 3D 版坦克大战，保留所有核心规则，但视觉上彻底现代化。
结果它真的给我做出来了！！！

这个项目里每一处视觉元素全部是用 JavaScript 写出来的，完全没有使用任何图片素材。这种能力实在强得让人头皮发麻。我到现在都想象不出那些坦克的轮廓、颜色和阴影究竟是怎么“画”出来的，但它就是做到了，而且在网页上跑起来流畅得不可思议。

不过，没有贴图的游戏总觉得少了灵魂。

但我自己既不会做图，也不知道怎么加到项目里去。作图、切图、调整细节本来就够折腾，即便用 AI 生成，也要琢磨一堆提示词，还得分心控制比例和风格，想想就头大。

于是我想，干脆把贴图这件事也外包给 Codex 试试。
没想到，一试就成了：

加上贴图之后，整个游戏的质感立刻跳了好几个台阶。

重点是，我是个彻头彻尾的视觉设计门外汉，完全不懂图片处理，也不会用 PS，甚至描述需求时都说得含含糊糊。
正是在这种状态下，AI 的价值才璀璨夺目地显现出来！

虽然我根本不知道它具体是怎么实现的，但内心只剩震撼，只能反复念叨“太牛了”。

今天这篇文章不聊任何命令行，也不搬运复杂工具。就单纯看看效果，任何人都能看懂。

工具方面我只用了 Codex：

操作只有一步：在红框里输入你的要求，剩下的一切全部交给它。

下面我们来仔细看看，它都生成了哪些画面。

第一波，它自主为我创作了八张材质贴图：

一次就给出了砖墙、钢板、水面、冰面、树冠、战场地面、坦克装甲和履带这八种材质。全程我没写任何提示词，它完全根据项目主题自主构思，材质和比例也全是它自己规划的。效果图其实相当不错，真实感很强。不过实装进游戏后我发现色调偏暗，而且纹理重复太密集，略显压抑。

于是让它重新生成一套：

这一版加到游戏里就舒服多了。虽然真实感不如上一套那么强烈，但游戏氛围一下子对了，看起来明快又顺畅。

生成大幅纹理之后，它还自动替我完成了切图：

一张图对应一种纹理，清晰分明，文件名也帮我起好了，并且已经直接载入游戏中，只要刷新网页就能立刻体验。

接下来它又优化了炮弹特效：

同样是由它自主编写提示词、自动生成图像，然后自动切图。

文件已经命名好，静静躺在 effects 目录下：
muzzle-flash.png 是炮口火焰，
projectile.png 是飞行炮弹光效，
impact-spark.png 是打在墙上或钢板上的火花，
explosion.png 是坦克炸开的火球，
smoke.png 是爆炸烟雾，
scorch.png 是地面焦痕。
我甚至好奇它到底是怎么把每一张图都抠得这么干净的！

接着我要求它优化大本营的图标：

现在代码的逻辑是：基地完好时显示金色鹰徽，一旦被摧毁，就自动切换成烧毁破碎的鹰徽。
哇，这个效果真的非常出彩！不过地图上的鹰是需要复杂建模的，直接贴上去确实还存在一些小问题。

随后我发现道具的视觉效果还没升级，于是委托它重新设计了一整套道具贴图：

此前介绍了用 Image 配合故事板与 Seedance2.0 快速生成视频的思路，但部分读者反馈操作步骤仍显繁琐。
为了进一步提效，本文将整个流程封装进扣子（Coze）工作流，只需两步就能获得全套视频制作素材：

1. 输入一个主题，工作流自动帮你：

   • 撰写完整的剧本
   • 生成专业的视频故事板（附带中文标注与分镜说明）
   • 输出可直接用于视频生成的提示词

2. 拿到这些素材后，倒入可灵、即梦等工具就能产出视频。

整个过程无需手动干预，一键跑通。

先看效果（工作流运行示例）：

示例主题：古装宫廷悬疑剧，贵妃深夜被皇帝突然召见，表面恭顺内心恐惧，宫廷权力斗争一触即发

工作流自动生成了：

① 完整剧本（包含标题、类型、15 个场景描述）
② 专业故事板（5列×3行共15格，含中文分镜标注、镜头类型与动作说明）

③ 视频提示词

有了这三样素材，AI短剧的制作管线就基本形成了闭环。

这套工作流并非只适用于短剧，它还内置了另外三种主流视频类型的故事板格式，方便适配不同创作需求。

• 广告/产品宣传故事板

• 知识科普视频故事板

• 带货视频故事板

拿着生成的这些故事板，再去制作 AI 漫剧、商业广告或产品宣传片（根据实际情况略作调整），都可以轻松胜任。而且工作流一旦搭建完成，就可以反复使用。如果后期找到了更合适的其他故事板模板，也只需直接替换即可，灵活性极高。

下面就来一步步拆解这个 Coze 工作流的搭建全过程。

一、在扣子中新建工作流

1. 打开扣子，点击“新建工作流”。
2. 填写工作流的基本信息：

扣子官网：https://www.coze.cn/space

二、工作流节点搭建详解

第一步：开始节点配置

在“开始”节点中，依次配置 6 个输入变量：

第二步：剧本生成节点

添加一个大模型节点，填写提示词，并设置好输入与输出参数，由大模型输出完整的文字剧本。

第三步：人物参考图处理

在使用 AI 生成视频、尤其是包含角色的画面时，缺少统一的人物参考图很容易导致角色形象不一致。因此这一环节非常关键。

工作流中提供了两种模式：

1. 如果已有现成的人物图，直接上传 URL 即可；
2. 如果没有，让工作流自动生成。

1. 添加条件判断节点
用以判定「是否已提供人物图」，从而决定跳过或执行自动生成分支。

2. 添加文本处理节点
此节点负责生成用于绘制人物图的提示词。

（完整提示词见文末）

OpenAI Codex 的后台日志里，忽然冒出了一串从未正式公开过的模型代号。社区立刻将它与 150 万 token 的超大上下文窗口、比 Claude Fable 5 便宜三倍的定价传闻绑定。虽然 OpenAI 至今没有出面证实，但这场讨论本身已经透露出一个强烈的信号：大模型竞争的标尺，正从“谁在排行榜上分数更高”快速滑向“谁能用更低的成本完成复杂的真实任务”。

1.5M

传闻中的上下文窗口（token）

3×

比 Claude Fable 5 更便宜的传闻

6月下旬

预计的发布窗口

一条后台日志，怎么就变成了行业风向标

开发者在 Codex 后台日志里捕捉到了 iris-alpha 的踪迹。它没有任何官方解释，却瞬间点燃了社区的想象：150 万 token 上下文、更激进的 API 定价，甚至更强的代理编程能力，都被一一对应到这个代号身上。这些参数目前都还停留在猜测层面，OpenAI 既没有发布 GPT-5.6，也没有确认任何一项性能指标。

但这次“泄露”之所以能被放大成行业事件，是因为它恰好卡在了一个竞争叙事极度成熟的节骨眼上。Anthropic 已经用 Claude Fable 5 明确把“长任务代理+企业工作流”锁定为下一个主战场；谷歌的 Gemini 系列则借助自研 TPU 和云基础设施，同样在悄悄构筑长上下文的壁垒。OpenAI 若要在同一时间窗口内作出回应，必然要在上下文长度、代理深度和价格上同时出牌——而这位“iris-alpha”所暗示的，正是这三张最敏感的牌面。

150 万 token：装得下整个仓库，但守得住注意力吗？

从 GPT-5.5 的 100 万 token 到传闻中的 150 万，数字上只是半倍的扩展，可它带来的工作方式变化却是结构性的。在短上下文时代，工程师必须把代码库切成一堆小包，按相关性逐段喂入。而 150 万 token 意味着整仓的依赖关系、接口协议、测试输出、需求文档可以一次性塞给模型。

直接受益的几类典型任务：

• 代码库级理解：一次性送入仓库结构、依赖图和测试信息，大幅减少人工剪裁
• 长文档处理：合同、论文、会议纪要包不再需要强行分块
• 多步代理任务：多轮决策和中间结果被保留，无需反复压缩历史
• 企业知识检索：对 RAG 管道的强依赖会松动，但检索本身并不会退出舞台

不过，上下文拉长的同时，成本、延迟和指令稳定性上的挑战也成倍放大。真正该追问的不是“能塞进去多少 token”，而是“模型在十几万字的混杂输入里，能不能始终如一地记住约束条件、不遗漏关键事实，并稳定输出正确的工具调用”。容量增加只是门票，可靠性才是上桌的资格。

最近，越来越多的人开始讨论告别 Windows、转投 Linux 的可能性，我也完全看得出背后的逻辑。Windows 近年的变动，让不少用户重新审视自己操作系统的选择。我本人也已经完成了系统切换，说实话，这次迁移给我带来了很多意想不到的收获。

对于当下绝大多数日常场景，Linux 完全有能力成为 Windows 的优质替代。它能让你对电脑拥有更高的掌控权、更少的限制，运行效率通常也更出色，不过它并不是万能方案，并不适合所有人。

我现在的日用系统就是 Linux，接下来我会用自己的亲身经历，和你拆解切换是否值得、真实的使用感受、踩过的坑，以及这套系统究竟适合哪类人群。

• 为何考虑从 Windows 转向 Linux
• 日常主力用 Linux：实际体验如何
• 客观总结：你该不该用 Linux 替换 Windows

为何考虑从 Windows 转向 Linux？

Windows 一直都是一款省心、开箱即用的系统。但近几年来，它的一些界面和功能调整显得多余，而且常常打断使用体验。

Windows 在自定义方面门槛偏高。想要实现个性化设置，通常需要额外安装第三方软件，而系统的一些核心组件更是无法彻底卸载。

此外，系统强行集成智能助手 Copilot 也让人颇为苦恼，它会持续占用电脑资源，用户却很难完全禁用这项功能。

Windows 11 似乎总在有意识地限制用户按照自己的习惯来使用电脑。虽然网上总能找到各种变通方法，但实际操作时，就像在和系统“掰手腕”。电脑本该完全由使用者掌控，不是吗？

Linux 与 Windows 的核心区别

想换掉 Windows，主流选择实际上只有两个：macOS 和 Linux。macOS 只能运行在苹果硬件上，因此绝大多数人最终会把目光转向 Linux。

长久以来，大众对 Linux 的印象往往停留在无图形界面的服务器系统，并且一定要熟练掌握终端命令才能使用。

我在深入了解后发现，很多对 Linux 的刻板印象并不成立。它真正的亮点在于：

• 高度可定制：不需要借助第三方工具，就可以自由调整桌面外观、操作流程乃至系统运行方式。
• 无冗余捆绑：系统初始状态精简干净，用户只需要按需安装自己所必需的软件即可。
• 性能出色、资源占用低：没有杂乱的预装程序，加上 Linux 内核对低配设备极佳的支持，整机运行非常高效。
• 天然适配开发场景：对 Python、C++、Rust 等编程语言的支持远优于 Windows；Docker、Docker Compose、Git 等开发工具原生深度集成在终端中。
• 免费且开源：Linux 属于开源系统，绝大多数发行版完全免费，没有隐性收费。整个社区也以开源为核心理念，并不提倡付费闭源软件。

人们不愿切换到 Linux 的原因

尽管优势明显，仍然有很多人犹豫不决。我当初打算换系统时，也同样有过不少顾虑，下面分享一下我是如何逐个克服的。

远程访问 · AI Agent · 终端工具

MindFS 是一个开源网关，让你在本机跑 Agent CLI 的同时，通过浏览器把会话、文件和终端能力搬到手机、平板或其他设备上。

17+

支持 Agent CLI

AGPL-3.0

开源协议

<10MB

单文件安装包

刚在本机搭好一个 AI 编程 Agent 的终端 CLI，体验畅快，可一旦离开座位，整个交互链路就会断掉。过往的 session 滞留在本地，日志只能回到主机翻阅，手机或第二台设备完全无法触达。MindFS 正是为填补这个断层面设计出来的开源网关，让你在本地跑着 Claude Code、Codex、Qwen 等 Agent 的同时，将操作窗口、文件和历史会话一并映射到任意远程设备上，保持对话延续。

MindFS 的定位与核心能力

MindFS 本质上是一个 Agent 远程访问网关加结果可视化层。它坐落在本机 Agent CLI 和浏览器之间，负责转发对话流、文件树和工具调用流，让同一份 Agent 会话能被多个终端看到并继续推进。官方仓库为 a9gent/mindfs，采用 AGPL-3.0 协议。开发团队同时运营着 relay 服务 relay.a9gent.com，为那些不想折腾端口映射的用户提供一条公网可达的访问通道。

它自身不捆绑任何模型，也不内嵌 Agent，只专注于打通“输入‑输出”的全路径。底层的智能替换工作交给你本机已安装的 Claude Code、OpenAI Codex、Gemini CLI、Cursor、Copilot CLI、Qwen、Kimi、Hermes、OpenClaw 等 17 个主流 Agent CLI。安装时你需要主动声明当前使用的 Agent，MindFS 会通过已有配置去发现并代理它们，透明地接管交互。

适用场景：四种典型困境的打通方式

最常见的一个使用场景就是“用 iPad/Android 躺在床上查看电脑上跑着的 Agent”。“远端”不必是云服务器，而可以是除本机外的任何一种浏览器交互入口。在四种高频需求里，MindFS 都能给出直接路径：

一个新项目动辄 20 万行代码，别人花几天都理不清的架构，现在一条命令就能输出为可交互的知识图谱。Understand Anything 把“读懂一个项目”从新人的苦差事变成了几小时的探险。

覆盖 15+ 平台 ｜ 6 个分析 Agent ｜ MIT 开源协议

先说结论：它不只是一个 AI 代码分析工具

Understand Anything 是以插件形态嵌入 Claude Code、Codex、Cursor、Copilot 等 CLI 或编辑器的增强层。它通过多智能体流程扫描项目，将文件、函数、类与依赖关系编织成交互式知识图谱，然后给你一个可点击、可搜索、可追问的可视界面。本质上，它把代码结构变成了可探索的思维地图，让你摆脱靠目录名猜测和随机跳转来理解系统的低效方式。

项目源自 Egonex，采用 MIT 协议开源，GitHub 仓库维护详实，已提供在线演示和丰富示例。

核心用途

简单来说，它解决的是“刚接手一个陌生项目时，如何快速建立整体认知”的难题。加入新团队、继承历史代码、审查大型仓库，这些场景通常需要数天甚至数周来消化代码。 Understand Anything 的目标是把这一过程压缩到几小时：自动扫描、抽象结构、生成图谱，帮你自上而下建立起清晰的认知框架。

输出远不止一张图。除了结构视图，还能切换到业务领域视图，将代码映射为业务流、领域和步骤；甚至可以把 Karpathy 模式的 LLM Wiki 知识图谱化，将文档中的实体、论断和关系可视化。

适用场景与局限

适合经常接手或维护中大型项目的开发者，尤其是负责集成、模块拆分和团队知识传递的人。系统设计、代码评审、新人 onboarding——这些环节都能借助该工具显著降低认知负担。

不适合那些已经习惯成熟 IDE 内置导航的用户。它依赖 LLM 完成语义理解，意味着在中文项目里，模型对语言和业务术语的把握会直接影响输出质量。另外，对无权限的私密超大 monorepo 进行全量扫描会非常耗时，更推荐分阶段或按子目录执行。

功能亮点

▸　交互式知识图谱 — 文件、函数和类变成可点击节点，支持搜索、查看关系和摘要。

▸　业务领域视图 — 切换至 domain view，将代码结构映射为业务流和步骤。

▸　引导式学习路径 — 自动生成按依赖排序的学习路线。

▸　变更影响分析 — 提交前预览改动可能波及的模块。

当前可用性：Beta 测试阶段

将同一问题同时提交给多个模型，再由裁判模型提炼共识与分歧，最终输出远超单一模型的答案——这正是 OpenRouter 新推出的 Fusion API 的核心机制。它以“模型委员会”的协作范式，声称用一半的成本实现旗舰级智能。背后并非新模型的诞生，而是一套精巧的调度与归纳架构。这对 AI 代理商、集成商和开发者意味着什么？本文将深入拆解其工作原理与最佳适用场景。

从单一模型到专家圆桌：并行调度多个模型

传统 API 调用模式中，发送一条提示词，只由一个模型返回结果。Fusion API 将这套流程重构为三个阶段：分发、收集与归纳。

系统首先将同一提示并行分发给一组模型。每个模型均可自主调用网页搜索和命令行工具，独立完成检索、推理和内容生成。

随后，一个专门的裁判模型会审阅所有返回结果，并从中抽离出四类结构化信息：共识点、矛盾点、部分覆盖的交叉内容，以及每个回答独有的洞见。

最后，裁判模型基于这些结构化信息重新整合答案，而不是简单地对多个回答取平均或投票，从而获得更均衡、更深刻的回应。

性能揭秘：共识与差异协同驱动的增益

OpenRouter 在官方发布中通报，他们在 100 个高难度研究任务上的测试显示：模型组的表现持续优于组内任意单一模型；即便组员全部采用成本更低的预算模型，其组合也能以更低总成本超越单只旗舰模型。

进一步拆解增益来源时，官方给出的贡献比大致为 3:1——约四分之三的性能提升来自模型间答案的综合整理，剩余四分之一归功于模型多样性本身。

这意味着，即便你只调用两个模型，收益也主要源于它们如何被整合，而非模型各自的绝对强度。组合方式远比模型数量更加重要。

对 AI 代理商的启发：外包式质量保障与动态调度

Fusion API 本质上是一套“外包式质量保障机制”。无需自己训练更强模型，也不必在价格战中继续内卷，只需调度多个现有模型，就能摊薄成本并提拉输出质量的上限。

对于 AI 代理商而言，这个模式的价值在于能够根据任务难度动态选择模型组：简单请求使用经济型模型，复杂任务灵活引入旗舰模型，系统输出质量不会打折，但账单却会显著优化。

普通 AI 用户同样可以通过 OpenRouter 的聊天界面或 API 直接接入 Fusion，无需绑定任何单一厂商，也不用关心底层究竟是哪个模型在担任裁判。

适用场景与潜在局限

如果你已经在使用 OpenRouter 的多模型路由，Fusion API 是对现有流程的直接升级。对于追求成本与质量平衡的团队，它提供了一个无需更换供应商的折中路径。

然而，它并非所有场景的最优解。在低延迟要求苛刻的场景下，并行调用多个模型会引入额外的时间开销；对答案一致性要求极高的生产系统，也需额外验证裁判模型的归纳逻辑是否稳定可靠。

此外，Fusion API 目前仍处于 Beta 阶段，产品页面已明确标注。进入生产环境前，建议先在低风险任务上跑通全链路验证。

可以预见，当“模型委员会”逐渐成为行业标准组件，竞争的焦点将从“单个模型谁更优”转向“谁能以更低成本高效整合多个模型”。

参考来源：OpenRouter 官方主页及 Fusion 产品页面

高迪从未将教堂仅仅视为一座结构体，他让光线成为第四维度的建造材料，用其分配空间，书写时间。

圣家堂的中殿并非被动容纳日光的容器，而是一处精心编排的光路再分配现场。穿透彩色玻璃的日光，是高迪最精准的台词；石墙、窗棂与穹顶合谋，将教堂变成一台让时间显形的戏剧装置。

光作为材料：彩色玻璃的色彩工程

高迪对待彩色玻璃的方式充满了物质性。他并不是在玻璃表面贴覆图案，而是在制造阶段便将不同颜色的玻璃层叠融入厚度。这样，进入室内的光先天带有精确的色温差序——深红、琥珀、青蓝、紫罗兰各司其位，相互交错又彼此制约。当云层缓慢游移，整套色温便随之产生一次轻柔的漂移，室内光线如同呼吸般起伏，而非一种固定的氛围设定。

也正因如此，圣家堂的石材地面与柱体不再仅仅是结构承重构件，它们同时充当了漫射光线的媒介。高迪对拱顶及柱身的曲线做了连续的微调，让阳光先在某一柱面上均匀铺展，再经过柱面反射进走廊通道。这意味着，在同一时刻，教堂内不同站位会接收到截然不同的色温光域。建筑师在这里扮演的，实际上是一位空间编剧——调度光的出场次序，控制明暗节奏，将人置于情节推进之中。

日光经过彩色玻璃落在石质地面上，将剖面图中的色彩事件直接写入现实。

东西立面的时间剧本：喜悦与受难的光影对比

高迪将教堂的西立面交付给黄昏，东立面则留给上午。这种安排并非选址的被动结果，而是他主动运用建筑朝向去控制色温与亮度强度。上午，西立面被高色温的强光洗礼，呈现出白热而明快的氛围；下午，东立面的光线变得深沉、厚重，阴影步步加深。他把喜悦立面与受难立面分别捆绑在这两种截然不同的光场强度中，使建筑叙事与太阳的运行轨迹形成直接的耦联。

这在宗教建筑史上虽非孤例，但高迪将其推向了极致的演出状态——他并非仅仅迎接光的到来，而是预先构设光的戏剧转折：云的形状、窗外树木的剪影、地面反射率，都在他的计算之内。观者需要放慢脚步，才可以真正读完这场被太阳执导的演出。

东西向立面开口使太阳处于地平线上方不同位置时，室内的色温性格随之变化。

身体在光场中的重组：动态的空间体验

在实地观察中，最直观的一条证据即是：日光在中殿地面上铺出一块块琥珀色与深红色的光池，云层掠过时，这些光池的颜色立即随之流变。观者的身体被安置于这样一道气态边界中，这远不止是装饰层面的象征隐喻，而是一个实在的空间修辞事件——光将空间切割成实时变色的区域，人由此自动调整行走速度和停留位置。

换言之，高迪建造的并非一座供人穿行并观赏内部装饰的教堂，而是一台光的接收器。人体的存在，正是让这台仪器运转起来的必要条件。所有的柱、拱、墙、窗，最终承担起对日光进行再分配的功能，人和光共同完成空间的最后一层意义。

设计启示：将光的叙事转化为空间方法

• 把色温作为结构层级来考虑：在项目的材料阶段，就应当将光的颜色分层嵌入物质本身，而不是留待后期用灯具去补救或模拟。让材料直接承担光的叙事功能，灯具仅处理必要的功能性照明。

• 通过动线来设计光场：在高迪的方法中，人的行走路线不是观光流线，而是光路的测试路径。任何对空间叙事有所追求的设计，都应先模拟人在一天内不同时段所处的位置变化，将人的动线规划为光的“观影位”，再着手其他装饰表达。

• 验证尺度的变量，而非固化氛围：未来的宗教或冥想空间最容易犯的错误，就是把“氛围”制成一层固定的滤镜。高迪给出的提示是，真正的氛围来自颜色、时长、运动状态的动态叠加，这三项都能被逐时段量化或枚举，然后写入设计说明，成为可操作、可验证的依据。

参考来源： ArchDaily, “Contemplative Drama: How Gaudi Shaped Light and Color at Sagrada Familia” https://www.archdaily.com/1042229/contemplative-drama-how-gaudi-shaped-light-and-color-at-sagrada-familia Sagrada Família 官方背景资料

AI大模型超值评测：火山方舟Coding Plan限时促销

Coding Plan 9.9元起，旗舰模型仅需19元
618特惠：首两月2.5折，9.9元起，另送2500万Tokens免费领取

当其他平台纷纷涨价之时，字节跳动却在618推出了大幅降价活动，令人惊喜。Coding-Plan-Lite套餐仅售9.9元，Agent Plan Small也是9.9元。

原本我已打算放弃续费，没想到竟然迎来此等优惠，当即决定趁机续订两个月。

2026年6月8日至2026年8月8日期间，所有用户购买 Coding Plan Lite、Pro 套餐，均可享受首两个月 2.5 折的优惠，第三个月起恢复原价。

该优惠资格在新购、续费、升级场景中共享，一旦使用，后续即便升档或退订，也不会重新获得。

📅 活动时间：2026年6月8日至2026年8月8日
👥 活动对象：所有用户，名额有限，先到先得

参与活动的产品与资格说明

活动期间内，每个账号最多能享受两个月的特惠套餐，新购、续费、升配共享同一优惠资格。若用户首次仅订阅了一个月的特惠套餐，第二个月的特惠套餐相关操作需在首月套餐购买成功次日起才可进行。

优惠规则的详细说明

• 活动优惠资格按用户维度发放
• 新购、续费、升配共享同一优惠资格
• 用户使用优惠资格后，后续操作不会因续费、升配或换档重新获得
• 名额有限，先到先得

最近更新时间：2026.06.08

这次火山方舟618活动的优惠力度的确相当可观。Agent Plan也同步加入了降价行列。

2500万Tokens免费领

此外，登录即可领取2500万Tokens的使用额度。我此前早已领取，如今也即将使用完毕。领取方式很简单：前往火山方舟控制台，点击开通服务并完成一键授权，每个模型即可免费获得50万Tokens。

名额有限，先到先得！赶紧去体验这场降价盛宴吧。