每月6美元，无限制的LLM API：无需追踪Token，无需限制

Yolo-Auto 正式推出了一款新的 LLM API 服务，以其极简的定价模式吸引了开发者的注意：每月仅需 6 美元，即可无限制地使用 Qwen3.6-35B-A3B 模型，无需追踪 Token 数量，也没有请求上限。

该服务基于 Qwen3.6-35B-A3B 模型，这是一个稀疏 MoE（混合专家）架构的模型，拥有 35B 总参数，但每次推理仅激活约 3B 参数，从而在提供强大能力的同时保持较低的计算成本。模型支持 128K 的上下文窗口，足以处理长文档和复杂对话。

Yolo-Auto 的定价模式打破了传统按 Token 计费的惯例。创始人强调，按量计费会让开发者在使用时产生顾虑，从而限制工作流的效率。固定费率使得开发者可以专注于任务本身，而不必担心成本失控。

服务完全兼容 OpenAI 的 /v1/chat/completions API 格式，这意味着用户无需修改现有代码即可集成。支持的工具包括 Cursor、LangChain、LlamaIndex、Claude Code 等主流开发平台。用户只需设置 base_url 和 API 密钥即可开始使用。

隐私方面，Yolo-Auto 明确声明不存储用户输入的提示或生成的响应内容。管理面板仅显示请求元数据（如时间、模型、Token 计数），但绝不访问文本内容。数据也不会用于模型训练。

根据官方介绍，该服务的低成本得益于两个关键因素：模型本身的稀疏激活特性（每次推理仅使用 3B 活跃参数）以及公司直接运营裸机基础设施，没有中间商加价。

在用例方面，Yolo-Auto 特别适合编码代理（如 Cursor、OpenClaw）、RAG 评估管道、批量数据处理、CI 审查机器人、以及长时间运行的自动化脚本。这些场景通常会产生大量 Token 消耗，按量计费成本高昂，而固定费率使得此类工作流变得经济可行。

FAQ 中明确回答了“无限量”的实际含义：没有 Token 上限，但由于吞吐量有限，高负载时可能影响调度优先级。同时，并行请求受限于插槽数量，超出部分会收到重试提示。

Yolo-Auto 目前专注于 Qwen3.6-35B-A3B 模型，但计划未来添加更多模型，前提是能维持相同的定价和可用性。服务提供免费试用层（每日 15 次请求），无需信用卡即可开始评估。

总的来说，Yolo-Auto 为开发者提供了一种降低 LLM API 使用门槛的新选择，尤其适合那些需要频繁调用模型但预算有限的团队或个人。