Usecase
One Agent connected to many models inside a shared workspace beneath a vast planet

Tutti Agent:一个 Agent,接通所有模型。

低门槛开启的方式,也是控制任务成本的其一选择。

用 AI Agent 的两道门槛

你想用 AI Agent 干活,第一道门槛是:得先有一个。

订阅 Claude Code,每月 $20 或 $200。订阅 Codex,又一份钱。配好 API key,装好 CLI。等这些都弄完,你还没开始干活,已经花了好几个小时。

第二道门槛更隐蔽:一个模型不够用。

Claude 擅长写代码和长上下文推理,GPT 擅长通用对话和创意生成,Gemini 擅长多模态理解,DeepSeek 性价比高适合批量任务,Kimi 在中文长文本上表现好。每个模型都有自己的强项和价签。

如果你想用多个模型,当前的做法是分别订阅、分别配置 API。Claude 一份订阅,OpenAI 一份订阅,Gemini 一份订阅。每家的 API key 不一样,调用方式不一样,计费规则不一样。你要在多个平台之间切换,手动管理好几套凭据和配置。更浪费的是,有些任务交给便宜的模型就够了,但你手上只有贵的那个,所以每次都用贵的跑。

Tutti Agent 解决的就是这两道门槛。

Tutti Agent 是什么

Tutti Agent 是 Tutti · VM 内置的 Agent。

它目前已经接入了多家模型,包括 GLM、MiniMax、Kimi、DeepSeek 等系列,后续还会持续接入更多。你不需要分别订阅、分别配 API,Tutti Agent 替你接通了这些模型。

这意味着两件事:

  1. 没有自己的 Agent 也能开始用。你刚接触 AI Agent,还没决定订阅哪个,先拿 Tutti Agent 试。它在 Tutti · VM 里开箱即用。
  2. 一个入口,多模型按需调用。你不用在 GLM、MiniMax、Kimi、DeepSeek 之间手动切换。Tutti Agent 根据任务特点选择合适的模型,或者你指定用哪个模型跑哪个任务。

多模型的必要性

不同模型,擅长的事不一样

  • GLM-5.2:通用能力强,中文理解好,支持 1M 长上下文。适合复杂分析、长文档理解、综合性任务。
  • MiniMax M3:对话和创意生成表现好。适合写文案、头脑风暴、开放性问题探索。
  • Kimi K3 / K2.6:长文本处理是 Kimi 的强项,适合读长文档、整理大量资料。
  • Kimi K2.7 Code:面向代码场景优化。适合代码生成、代码审查、技术方案讨论。
  • DeepSeek V4 Flash:速度快、成本低。适合批量处理、简单代码生成、数据整理。
  • DeepSeek V4 Pro:推理能力更强。适合需要深度思考的复杂任务。

如果你只用一个模型,就意味着用它的短板去干别的模型的长项。用 GLM-5.2 跑批量数据整理,成本偏高。用 DeepSeek V4 Flash 做复杂代码重构,质量可能不够。

不同模型,价格差很多

这是很多人没算过的一笔账。

同一个任务,不同模型的调用成本可能差好几倍。批量整理用户反馈,用 DeepSeek V4 Flash 可能只要几分钱,用 GLM-5.2 可能要几毛钱。一个月跑下来,如果你所有任务都用最贵的模型,成本可能是混合使用的三到五倍。

当前的问题是:大多数人没有「混合使用」的条件。你得在多个平台分别注册、分别充值、分别配 API。光是管理这些账号和 key 就够烦了,更别说在平台之间来回切换。

Tutti Agent 把这件事简化了。一个 Agent,后面接着多家模型。你指定哪个任务用哪个模型,或者让 Tutti Agent 自己判断。不需要多个订阅、多套 API key。

实际怎么用

场景一:按任务类型分配模型

你在做一个产品上线项目,涉及多种任务。

代码方案设计、重构,你让 Claude Code(Fable)或者 Codex(SOR)来做,它面向代码场景非常强。市场文案和用户调研报告,你用 MiniMax M3,因为它的创意生成和对话能力更好。需要读一份几十万字的产品文档做摘要,你用 Kimi K3 或 GLM-5.2,长上下文不会丢内容。批量整理用户反馈数据,你丢给 DeepSeek V4 Flash,成本最低,够用。

这些任务都在同一个 Room 里推进。每个任务用最合适的模型,总成本比全程用 Claude Code(Fable)低很多。

场景二:多模型任务流水线

你在做一个产品竞品分析。需要读竞品资料、分析功能结构、写出对比报告。

你让 Tutti Agent 用 Kimi K3 读长长的竞品文档,提取功能点和设计模式。然后把分析结果交给 MiniMax M3,让它组织成结构化的对比报告。最后让 Kimi K2.7 Code 做一遍技术方案相关的审核。

多个模型,一个任务流。每个环节用最擅长的模型,全程不需要你手动在平台之间搬运内容。所有过程和产出都在 Room 里。

场景三:快速上手,零配置

你刚听说 Tutti · VM,还没订阅任何 AI Agent。你创建了一个 Room,打开 Tutti Agent,直接开始用。

不需要订阅 Claude Code、Codex,不需要注册 API key,不需要配置环境。Tutti Agent 已经接好了 GLM、MiniMax、Kimi、DeepSeek 等模型,你只管说需求。

Tutti Agent 和 BYOS 的关系

有人会问:既然 Tutti Agent 接了这么多模型,为什么还需要 BYOS?

因为它们解决不同的问题:

  • Tutti Agent 解决的是「快速开始」和「多模型灵活组合」。你不用配置任何东西就能用,而且可以按需切换模型。后续还会接入更多国内外模型,覆盖范围会越来越广。
  • BYOS 解决的是「最强 coding 模型 + 个人能力资产」。你在自己常用的 Agent 上投入的配置、skills、MCP server,是你的积累。BYOS 让你带着这些积累进来,不因为换了协作环境就丢掉。

最理想的状态是两者结合:用 Tutti Agent 做快速任务和多模型组合,用自己的 Agent(BYOS)做需要个性化配置的专业任务。它们在同一个 Room 里协作,产出物互相 @ 引用。