2026 阿里云峰会上，阿里云发布全新 AI 产品官网「千问云」。它不同于传统面向开发者手动操作的模型服务平台，定位是「为 Agent 而生」的 AI 模型服务入口：提供 Qwen、GLM、Kimi、DeepSeek、Wan、HappyHorse 等 150 多款主流模型 API，并把原本依赖人工操作的模型调用链路全面 Skill 化、CLI 化。
过去的模型平台到底麻烦在哪
回顾一下开发者调用一个新模型的标准动作：读文档、选模型、配置 API Key、写集成代码、调参数、查用量。每一步都不复杂，但加在一起意味着不小的人力投入，而且每当要换模型或比对性价比，这套流程还得重来一遍。
对人类开发者来说这是可以忍受的成本，但对 Agent 来说几乎不可行——Agent 不会「阅读文档然后合理推断」，它需要的是结构化、可被程序直接消费的能力封装。这正是千问云此次重构要解决的核心问题。
让 Agent 学会用平台：Skills 与 CLI
| 能力 | 封装了什么 | 主要面向 |
|---|---|---|
| 千问云 Skills | 把模型选型、模型调用、认证配置、用量查询做成 Agent 可调用的技能包 | 各类 Agent 工具自动按任务选模型 |
| 千问云 CLI | 登录认证、模型查询、模型调用、用量查询、环境诊断 | 命令行、脚本化工作流与自动化场景 |
Skills 的作用是让 Agent 可以根据任务自动选择模型：用视觉模型处理图片，用生图模型生成图片，用视频模型创作视频，无需人工配置，也不必为每个组合单独写集成代码。CLI 则更贴合命令行与自动化场景，相比图形界面更适合被 Agent、开发工具和脚本直接调用。目前两者均已在 GitHub 开源。
模型怎么选：把对比维度前置
在多模型环境中，真正的成本往往不在调用费用，而在选型试错。千问云提供了模型参数、能力、价格、上下文长度、模态支持和适用场景等维度的对比信息，用户可以直接在平台上比对，再进入模型体验页面，用真实 Prompt 或业务任务验证输出效果，而不是靠评测榜单的印象下判断。
计费模式：为什么要有 Token Plan
千问云提供按量付费和 Token Plan 订阅两种模式。差别在于适配的使用节奏不同：按量付费适合零散、波动的调用；Token Plan 更适合高频 AI 编程、Agent 长任务和持续调用这类场景，用于降低长期成本。
这个设计对应的是调用结构的变化。过去模型用量由人类开发者决定，调用是间歇性的；进入 Agentic 阶段后，任务由 Agent 连续推进，调用呈现出高频、连续、多模型的特征，费用和用量管理自然成为必须正面处理的问题。
平台视角的变化：从「人操作 API」到「Agent 调用能力」
千问云的意义不只是上线一个新官网，而是云厂商开始围绕 Agentic 时代重新设计模型服务平台。未来调用模型的主力可能不再只是人类开发者，而是能自动执行任务的 AI Agent。判断一个平台的前景，除了看它有多少模型，还要看它的能力是否容易被 Agent 发现、调用、编排和计费。
换句话说，竞争正在从模型层延伸到调用层：模型本身重要，模型是否容易被 Agent 使用同样重要。谁能让 Agent 更顺畅地选模型、调模型、查用量、控成本，谁就更靠近下一代 AI 应用开发的入口。
常见问题
千问云只提供 Qwen 系列模型吗？
不是。除 Qwen 外，还提供 GLM、Kimi、DeepSeek、Wan、HappyHorse 等 150 多款主流模型 API。
Skills 和 CLI 需要付费吗？
两者均已在 GitHub 开源，可自行获取；模型调用本身按平台的计费方式结算。
什么时候该选 Token Plan？
如果主要用于 AI 编程、Agent 长任务或持续性调用，Token Plan 通常比按量付费更划算；调用零散且波动较大时，按量付费更灵活。
小结
千问云的变化可以概括为一句话：模型服务的服务对象，正在从人转向 Agent。把选型、调用、认证、用量这些环节封装成可被机器直接调用的技能与命令，看似是接口层的改造，实质是假设了「未来的使用者不会打开控制台」——这一假设一旦成立，模型平台的形态就会被重新定义。