Databrick Genie
Databricks 的 Genie 现已改为按用量付费，服务主体没有免费配额，这标志着自主代理工作负载的转变。文章主张构建一个与平台和模型无关的 GenBI 层，将语义定义与底层基础设施分离，从而在代理规模扩大时实现成本控制和灵活性。
2026年7月8日，Databricks 正式将 Genie 产品转为按用量付费模式。每个用户每月享有免费额度，超出部分根据底层模型用量以 DBU 计费，查询本身的计算费用另计。尤其值得关注的是，服务主体（service principals）没有任何免费额度，从第一个 token 开始计费。这一定价策略本身是合理的——推理成本需要回收，免费期终究是促销而非商业模式，同时提供预算控制工具也体现了透明度。
然而，这一变化揭示了更深层的趋势：GenBI 的经济模型正在重塑。当分析查询不再由人类手动输入，而是由自主代理通过 MCP 协议在更大的工作流中发起时，查询量将不再与员工数量挂钩。一个代理可能在任何时刻、根据触发器发起数十次查询，且无人实时监控这些查询。
对于这种无界、无人值守的工作负载，捆绑定价存在三个关键问题。首先，成本无法线性控制——代理的查询量不可预测，免费的零层消失意味着每一笔查询都需付费。其次，硬性的预算上限可能变成生产事故——当代理的预算在月中耗尽，管道可能静默返回空值，而无人察觉。最后，准确性的自我纠正机制失效——人类用户发现答案错误会重新提问，但代理不会，错误答案会传播到下游步骤。
因此，作者认为唯一的解决方案是拥有一个与模型、平台和代理无关的 GenBI 层。以 Wren AI 为例，它作为开源上下文层，位于数据仓库与模型之间，支持任何模型（包括开源权重模型）、任何平台（如 Azure、AWS、GCP），以及任何代理（通过 MCP 提供统一语义定义）。这种架构使得语义定义（如“净收入”）以 MDL 文件形式存储在 Git 仓库中，可版本控制、可移植，且不随平台锁定。
文章最后提出五个评估问题：24个月内会有多少查询来自代理？预算上限触发时对自主工作流的影响是什么？能否使用已有的推理资源或自托管模型？所有代理是否能访问相同的定义？语义定义是否可携带？这些问题的答案将决定企业在 GenBI 投资中的长期成本与灵活性。
总结而言，保持数据湖仓不变，但拥有计费开关。自主代理的 GenBI 时代已经到来，真正的价格体现在架构决策中。