我是怎么用5美元的订阅来经营我的AI公司的(三)——OpenCode篇

之前我讲过“PaperclipAI 的安装“，也讲了”怎么创建公司“。这次我们聊聊怎么选 Provider。

在正式开始之前先回顾一下:

创建公司的时候,PaperclipAI 会让你连接模型,一共提供了 9 种 Provider——Claude Code、Codex、Cursor、Cursor Cloud、Gemini CLI、Hermes Gateway、Hermes、OpenClaw Gateway、OpenCode、Pi。

如果你订阅了 ChatGPT Plus、Claude Pro、Gemini CLI 这些，直接选你在用的那个接进去就行。但如果你还没想好选哪个,那么你可以跟我一样使用 OpenCode 并订阅 OpenCode Go。

为什么选 OpenCode Go

原因很直接:首月只要 5 美元,而且可选的模型数量刚好覆盖了我组建虚拟公司需要的各种能力——从高频简单任务到深度推理决策都能找到对应的模型。额度对我个人的实际使用量来说也够用,不需要为了“以防万一”多花钱囤更贵的订阅。

5美元订阅到底买了什么

OpenCode Go 是专为开源写程序模型提供的低成本订阅服务,机制很清楚:首月 5 美元,之后每月 10 美元,可以稳定用一批精选的开源代码模型。

它的限制不是按“请求次数”算的,而是按美元价值算的。这也是为什么不同模型能用的次数差这么大——像 DeepSeek V4 Flash 这种便宜模型,允许你多请求几万次;像 GLM-5.2 这种成本高一点的,允许的次数就少很多。具体分三层:

• 5小时限制:12美元的使用量
• 每周限制:30美元的使用量
• 每月限制:60美元的使用量

超出限制也不会直接被卡死。如果你的 Zen 余额里还有额度,可以在控制台开启“使用余额”选项,达到限制后自动切到余额继续用,而不是把你的请求直接拦下来;就算真的到限制了,免费模型你还是能继续用。这个弹性我觉得挺重要的,不会因为某天任务多了一点就直接断供。

opencode-go 目前一共支持 16 个模型:

deepseek-v4-flash、deepseek-v4-pro、glm-5.1、glm-5.2、grok-4.5、hy3、kimi-k2.6、kimi-k2.7-code、kimi-k3、mimo-v2.5、mimo-v2.5-pro、minimax-m2.7、minimax-m3、qwen3.6-plus、qwen3.7-max、qwen3.7-plus

从便宜量大的 DeepSeek V4 Flash,到额度很少但能力最强的 Grok 4.5、Kimi K3,全都在这 5 美元的订阅范围里,不用额外掏钱。

我的情况比较特殊一点:这一个订阅,我同时用来供 PaperclipAI 里的员工、Hermes,还有 OpenViking 三方调用。所以接下来我想聊两件事:怎么给不同员工分配“智力等级”,以及 Hermes、OpenViking 各自为什么选了那个模型。

员工怎么分工

我把整个虚拟公司想象成一个真实团队,每个 Agent 对应一个“员工”,按职级分配不同能力和额度成本的模型。先上花名册:

名字	职位	上级	主要模型	次要模型
SenXiao	Chief Executive Officer	(无 / 直属 Board)	opencode-go/grok-4.5	opencode-go/kimi-k3
Content Lead	Head of Content	SenXiao	opencode-go/glm-5.2	opencode-go/glm-5.1
Product Manager	Product Manager	SenXiao	opencode-go/glm-5.2	opencode-go/glm-5.1
Verifier	QA Lead	SenXiao	opencode-go/deepseek-v4-pro	opencode-go/kimi-k2.6
Summarizer	Summarizer	SenXiao	opencode-go/mimo-v2.5	opencode-go/deepseek-v4-flash
Reflection Coach	Reflection Coach	SenXiao	opencode-go/qwen3.7-max	opencode-go/kimi-k2.6
Blog Writer	Staff Writer	Content Lead	opencode-go/qwen3.7-plus	opencode-go/qwen3.6-plus
Macro SaaS Analyst	Macro SaaS Analyst	Content Lead	opencode-go/qwen3.6-plus	opencode-go/deepseek-v4-flash
AI Tools Scout	AI Tools Analyst	Content Lead	opencode-go/deepseek-v4-flash	(未配置)
Researcher	Research Specialist	Content Lead	opencode-go/qwen3.6-plus	opencode-go/minimax-m2.7
Design Agent	Design Lead	Product Manager	opencode-go/minimax-m3	opencode-go/mimo-v2.5
Engineer	Founding Engineer	Product Manager	opencode-go/kimi-k2.7-code	opencode-go/kimi-k3

一共 12 名员工,组织结构是这样的:SenXiao(CEO)直属 5 人——Content Lead、Product Manager、Verifier、Summarizer、Reflection Coach;Content Lead 底下带 4 人——Blog Writer、Macro SaaS Analyst、AI Tools Scout、Researcher;Product Manager 底下带 2 人——Design Agent、Engineer。

分模型的道理其实很朴素。职级越高、决策越关键,模型就配得越贵越强,比如 CEO SenXiao 用的是 Grok 4.5 这种深度思考模型,因为它要拍板的是最终决策。任务越专精,就配越对口的专精模型。高频但不难的活,就交给便宜够用的模型,比如 AI Tools Scout 要天天扫描信息,主力模型就是 DeepSeek V4 Flash——便宜、量大,刚好配得上它“广撒网”的工作方式。

这里有个容易被忽略的点:光看职级还不够,还得看这个岗位实际会被调用多少次。CEO SenXiao 平时的工作主要是听汇报、拍板、往下派任务,实际调用次数并不高,所以我才放心把 Grok 4.5 这种额度很少的模型(5小时也就一百来次请求)配给它,不会因为额度小就撞上限流。反过来,AI Tools Scout 这种要高频调用的岗位,就必须配额度大的模型,不然很快就用光了。

再说说次要模型。每个员工基本都配了一个次要模型,但这个配置逻辑不是套一个公式就完事,是一个个岗位琢磨出来的:

CEO 这种核心决策岗位,次要模型要跟主要模型同一个梯队。Kimi K3 跟 Grok 4.5 一样都是深度思考层,主要模型额度用完了直接换上同等能力的备用,决策质量不会因为切换就打折扣。

Macro SaaS Analyst、Design Agent 这种优先级靠后的岗位,额度紧张的时候要给更高优先级的员工让道,所以次要模型直接配成全公司最便宜走量的那一梯队,保证任务不断供就行,不去抢紧俏额度。

Engineer 这种日常技术岗位,走的是反过来的逻辑:平时用能力不错的 kimi-k2.7-code 做日常开发就够了,但一碰到它解决不了的难题,不会让它在同一个智力水平里反复空转、浪费额度硬试,直接切到更强的 Kimi K3 啃下来。

Verifier 这种工作量本身不大的岗位,备用模型不用死磕同档。它的次要模型 kimi-k2.6 跟主要模型 deepseek-v4-pro 不在一个梯队,但因为很少被触发,能力上有点落差影响也有限,没必要为了小概率的备用场景配一个同样贵的模型。

AI Tools Scout 这个岗位,主要模型 deepseek-v4-flash 本身额度就是全公司最大的一档,几乎不会撞限流;而且这个岗位对信息筛选的准确性要求高,不能随便降智,与其找个能力打折的模型硬顶上冒险,我干脆没配次要模型。

Reflection Coach 这个岗位比较特殊,它的工作是复盘其他 Agent 的执行记录、比对证据、给出可复核的改进提案,本质是长上下文分析和技术判断。次要模型选 Kimi K2.6,看中的就是它在长文本、代码上下文推理上的优势,不是图便宜,也不是为了保持同一梯队。

额外接入 Hermes

除了公司内部这 12 个员工,我还单独接入了 Hermes,用的是 mimo-v2.5 模型。选它是因为 mimo-v2.5 的强项就是低延迟、高吞吐,适合实时交互,额度也极大(5小时能有三万多次请求)。Hermes 在 Discord 上要随时响应聊天,本质就是高频实时对话,这正好匹配它的需求,不会因为聊得频繁就撞上限流。Hermes 原生就支持 OpenCode Go 的 API key,选中它、填进去 key 就能用,复用的还是同一个 5 美元额度池,不用额外账号,也不用转发层。

Hermes 目前的定位不是公司员工,而是我的个人小助手——利用它自带的长记忆能力,帮我整理文档、编排个人事务。后面我会考虑把它正式接进公司架构里。

为了让它的记忆更扎实一点,我还给它配了 OpenViking(用的是 deepseek-v4-flash)作为长记忆层。选 deepseek-v4-flash 也是一样的道理:它擅长文本分类、数据清洗、意图识别、RAG 预筛选,而长记忆层的本质工作就是不断处理和检索信息,刚好对口。额度同样很高,扛得住长记忆频繁调用的压力,这部分调用也算在 OpenCode Go 的额度里。

花了多少钱

写这篇文章的时候,我已经用了 3 天(今天也算在内),整体效果我挺满意的。

第一天,组织公司架构、调整层级、给员工做能力测试,任务量不小,但整个过程花了不到 5 美元。要注意 OpenCode Go 首月订阅费是 5 美元,但实际计费是按模型真实用量算的,订阅费买的是“资格”,真正花掉的是用量额度。

第二天,接入 Hermes,让它导入 OpenViking 知识库,这两项加起来花了 2 美元多一点。

第三天,也就是今天,还在跑,费用还没最终出来,先按下不表。

光前两天,组建公司、搭架构、测员工、接个人助手,加起来也就 7 美元出头,大部分基础工作已经跑完了。

踩过的坑

几个实际用下来发现的问题,提前说给你听。

OpenCode Go 没有图像/视频模型。Go 订阅里精选的模型清单是面向写程序场景的,不包含能处理图像/视频的模型。如果你的工作流里有设计稿生成、视频处理这类需求,Go 覆盖不了,得额外接别的方案。

Hermes 接的是 Discord,要善用子板块。不要在一个子板块里讨论不同话题——一是话题混在一起,上下文会越堆越大,消耗的 token/额度也跟着涨;二是不同话题混在同一段上下文里,Hermes 检索记忆的时候容易串,回复可能答非所问。不同话题开不同板块,这两个问题基本都能避免。

通过以上的分享,你应该对怎么用一个 5 美元订阅撑起一整套虚拟公司的模型分工有了大概的了解。核心不是“用了多少模型”,而是按角色和任务难度精确匹配模型成本——贵的模型只用在真正需要深度思考的节点上,高频重复的活交给便宜量大的模型兜底。

接下来我会分享一次完整的实战案例,看看这套架构在真实任务里是怎么被拆解、调度、跑起来的,欢迎阅读下一篇 🌈。