Trioma 的成本账：从模型调用到任务交付

一、嘉宾背景

这期约55分钟的 Eye on AI，由主持人 Craig S. Smith 访谈 Trioma 受访代表 Iskander Malikov。提供的嘉宾资料没有明确 Malikov 的具体职务。他在节目中主要介绍产品选择、商业机制和用户需求，相关发言属于公司受访代表对平台的说明。

Malikov 自述曾建设和扩展消费类应用，涉及交易及图表相关产品。他借这些经历解释消费产品运营、用户分发和使用便利方面的挑战，讨论浏览器交付时也引用了此前的产品经验。材料没有进一步交代相关产品的名称、规模或业绩，因此这段经历能提供观点背景，却不足以判断其过往业务表现。

他将 Trioma 描述为三层体系：上层是用户接触的网页与桌面界面，中间是包含65个模型的多模型及编排层，底层是 GPU 算力；移动应用尚待推出。平台同时面向个人与企业。个人用途包括问答、创作和编程，企业则更关注建站、客服、合规等完整流程的自动化。访谈讨论的核心，是 Trioma 如何连接模型使用、任务执行与算力供给。

二、本期主要内容

Smith 首先追问，Trioma 是否只是把请求发送给合适的模型。Malikov 将回答的重点放在任务拆分上：编排器先分析用户需求，再决定由单个模型完成，还是交给多个模型协作。他承认，分析和选择模型会增加等待，复杂请求未必能像直接询问前沿模型那样迅速得到响应。编排层承担多少理解和组织工作，由此成为访谈的一条主线。

Malikov 还称，当某个模型因内容限制无法完成子任务时，系统可以切换到另一个模型，处理后再返回原模型。节目没有展示具体任务的切换轨迹或相应控制机制，因此无法判断这一做法的适用范围。他把部分编排能力称为内部翻译器，意在将日常语言转为可执行任务，减少用户对提示工程的依赖。被追问技术实现时，他只提到持续调整权重和参数，并表示详细实现应由 CTO 解释。

商业模式的介绍分为两部分。首先是企业级合作和 API 批量采购：Malikov 称，Trioma 消费数百万乃至数十亿 token，借此获得折扣，并作为模型商的分发层，为其带来用户和需求。他没有说明这些用量对应的周期，也没有披露折扣比例。另一部分是算力参与机制：他将 TGN 解释为 GPU 网络，TES 解释为能源流，TY 则是用于 AI 使用的积分；购买席位或软件许可证，被描述为可生成兑换 AI 积分的权益。

这套机制仍有多项条件未说清。Malikov 对 TGN 的最低购买金额并不确定，只说约30或50美元。他提到持续兑换积分，以及不再参与时通过稳定币提现，但没有明确生成量、兑换比例、费用或退出条件。持续兑换能否覆盖使用需求，还取决于实际生成量，因而无法仅凭访谈计算长期使用成本。

算力计划与当前运营状态也有区别。Malikov 明确表示，公司目前租用云公司的 GPU，正在转向拥有设备。他将自有 GPU、出租算力和内部部署开放权重模型，与利润改善及 AI 主权联系起来，但没有披露设备规模或运营数据。平台的国际服务范围同样有边界：他称公司位于阿联酋，接入了 GLM 等中国模型，但受合作伙伴和条款限制，不向朝鲜、伊朗等部分市场提供服务。

按 Malikov 给出的相对时间线，产品在当年1月开始开发，8月可用，采访前一天正式发布。访谈没有给出正式发布的绝对日期，不能直接用节目上传日期代替采访日期。他称，公司依据用户反馈选择创作、编程及企业 API 等发展方向。整场讨论因此主要呈现了早期产品的设计与商业逻辑，尚未构成对成熟运营结果的完整披露。

三、核心观点：推理、例子与边界

Malikov 提出的成本比较方法，是看完成一次合格交付究竟花了多少钱。他以制作文档或修改图片为例：某个平台可能需要20至30美元、约15次迭代，另一个平台可能只需一次提示和一次微调，费用低十倍。这个假设说明，token 单价低，任务总成本未必低：返工会继续消耗调用，模型与任务不匹配也可能抵消价格优势。不过，节目没有提供相同输入、统一质量标准和实际账单。这是一种评估思路，并非 Trioma 便宜十倍的实测结果。

模型选择是这笔账的另一部分。Malikov 认为，部分任务使用普通模型就足够，费用可能便宜十倍；这一判断的前提，是输出达到要求，访谈没有附上具体任务、模型或测试明细。他称 Trioma 的仪表盘可以显示各模型支出，帮助用户追踪费用来源，但支出记录本身不能回答结果是否合格。Smith 问到平台能否以更低价格覆盖 Perplexity 的全部能力时，Malikov 仍以结果成本作答，没有逐项证明功能对等。因此，节目标题中关于2026年最便宜的 AI 使用方式及65个以上模型测试的设问，不能视为已有完整价格比较和逐模型评分支持的结论。

编排的价值也不能只用接入模型的数量衡量。Malikov 称，模型开放 API 后，接入通常需要数天，偶尔只需数小时；更耗时的是优化模型在编排引擎中的使用，让它承担适合的任务。接通模型与有效分工，是两件不同的事。音频、图像、文案等子任务可能各有适用模型，但分析请求、拆分任务和选择模型也会增加等待。编排因此涉及结果质量与响应速度的取舍。Malikov 声称，三至五个模型协作的结果总优于单一供应商，但没有提供配套基准；能力可以互补，并不意味着每次组合都必然更好。

Smith 对同名模型的使用感受，进一步说明了比较平台的难处。他表示，在 Perplexity 等聚合平台和厂商自身服务中使用同名模型时，感受到的能力差异不只是措辞变化。Malikov 将差异归因于内部编排，并称 Trioma 的自动模式会按内容类型调用音视频、图像及文案模型。这提示平台层可能影响最终输出，却没有验证其他平台实际调用了什么模型、如何调用。同名标签不足以保证比较条件一致，输出不同也不足以单独证明某个平台削弱或替换了模型。

订阅讨论则把成本问题带到了供应商一侧。Malikov 的推理是，每次生成都消耗真实计算，用户充分使用订阅额度可能压低利润，因此供应商将增加限制，市场也会转向按量付费。这是他对商业模式的预测，访谈没有分析各家公司的成本结构，也没有证明订阅必然退出。他同时把 Trioma 的订阅描述为额外积分激励，表明订阅与按量使用仍可在同一产品中并存。批量采购和任务优化可能降低成本，但能否形成长期优势，仍需运营数据支持。

谈到软件的未来，Smith 以 HeyGen 集成和按个人需求简化 Photoshop 为例，追问编码智能体会怎样改变 SaaS。Malikov 用浏览器交付、免安装和分享便利解释此前 SaaS 的价值，并认为 AI 正让软件从提供工具供人操作，转向接受用户的任务委托。他称，联合创始人曾在约10分钟内生成一个具备音视频、摄像头、聊天和群组功能的通信应用，并由此强调用途、用户和社区的重要性。但功能齐全的原型与能够长期运行的产品仍有距离，节目没有提供代码、测试或生产可靠性证据，无法据此认定完整工程交付已被压缩到十分钟。

桌面端和视频能力的讨论，最终仍落到如何验收交付。Malikov 观察到，用户需求正从问答走向创作、编程和智能体自动化；他称，能访问本地文件、终端和应用的桌面端更受编程用户欢迎。这些是他的用户观察，访谈没有提供比例或趋势统计。针对 Smith 提出的四路视频与一路音频同步剪辑需求，他称 Studio 具备相应能力，还表示，即使底层模型单次限制为30秒，平台也能生成最长60分钟的视频。节目没有演示，也没有解释实现方法。成片时长、连续生成能力、音画同步和剪辑质量，需要分别检验，不能用其中一项代替其余几项。

四、学习与应用

对个人使用者而言，Malikov 的结果成本主张可以通过任务账本检验。选择自己反复执行的文档、图片或编程任务，先明确合格条件，再比较不同平台。总费用之外，还应记录修改次数、等待时间和最终是否通过验收，并把失败尝试计入消耗。这样才能看清，较低的调用价格是否被人工修补抵消，较好的输出是否需要超出使用场景承受范围的等待，并据此说明选择理由。

比较同名模型时，需要区分模型表现与整套服务的表现。尽量保持输入材料和验收标准一致，同时记录是否开启自动模式、使用了哪些工具，以及实际可见的调用信息。如果平台不提供完整轨迹，差异的来源就应保留为未知，不能凭一次输出认定厂商替换了模型。评估编排产品时，还可以要求演示任务拆分和失败处理，分别检验模型选择、子任务协调及自然语言理解能力。复杂任务可以等待多久，则应由具体用途决定。

订阅选择也应依据实际任务消耗，而非照搬节目中的支出举例。Malikov 用每月20或100美元说明订阅的积分激励，又用约500、5,000描述 API 重度用户的潜在支出；后一处转录混入了 users，不能直接当作精确套餐或金额承诺。实际比较时，需要核对可用额度、超额费用和使用限制。使用强度不稳定，还应分别估算低使用和高使用情境。按量计费的商业理由，并不意味着它对每位用户都更合适。

对企业和开发者，约10分钟生成通信应用的故事，可以作为快速验证需求的参考。让智能体先完成一个可观察的核心流程，再检查功能、测试、权限、部署和维护责任，才能区分原型生成时间与完整交付工期。桌面端访问本地文件、终端和应用，有助于执行任务，也要求试用时明确授权范围；这些能力是否值得纳入评测，应取决于任务是否确实需要。视频团队则可以用 Smith 提出的四路视频与一路音频同步剪辑需求检验 Studio，分别检查同步、切换、跨片段一致性、人工修正量和总费用，不能只看导出时长。

TGN 的参与条件需要独立核对。许可证权益、TES 生成规则、TY 兑换比例、费用和稳定币退出流程，都需要明确说明；已经租用的算力，也应与计划拥有的设备区分开来。缺少这些条件，就无法从访谈计算回本周期，或判断一次购买能否支持长期使用。将其描述为闭环，并不能补足这些信息。

Malikov 提出的社区、群聊、用户互助和教育方向，可以落实到围绕真实用途分享任务说明、失败案例与验收办法，让经验能够复用。他同时承认，客服、合规及部分法律初级岗位面临压力，并认为 AI 能增强有能力者获取知识、提高生产力和开展创作的能力。这些判断没有附带岗位统计。组织可以先观察具体任务发生了哪些变化，再调整培训与人员分工；既不能据此推算岗位消失比例，也不能用对生产力的乐观预期代替对初学者成长机会的考虑。

来源

• 原始节目：Is This the Cheapest Way to Use AI in 2026? (65+ Models Tested) | Iskander Malikov,Trioma