DigitalOcean 为 AI 代理引入全包式按单位定价模式,模仿其原始按 Droplet 的简单定价。
DigitalOcean已将自己从一个让$5服务器使用简单化的云转变为它现在称为的AI原生云。今天它推出了Agent Droplets,这是一项订阅服务,将计算、内存、存储、推理和工具访问捆绑在一个月度价格中——独立开发者$50,团队$200——对代理消耗的所有内容分别提供15%和20%的折扣。
DigitalOcean最初的Droplet将启动虚拟服务器的复杂性转变为开发者可以在晚上11点理解并在睡前运行的东西。Agent Droplets采用相同的结构逻辑,针对在生产中运行AI代理的多供应商、多发票现实。首席执行官Paddy Srinivasan强调,这是为正在启动初始工作负载然后扩展它的AI原生软件公司设计的。
Agent Droplets建立在Managed Agents之上,这是DigitalOcean在2026年9月推入公开预览的平台。Managed Agents为每个代理会话提供自己隔离的microVM——一个轻量级虚拟机,以毫秒而非分钟启动,运行一个工作负载,然后被丢弃。该公司称这个环境为Harness Runtime。
每个会话通过称为Action Gateway的单个Model Context Protocol(MCP)端点接收超过16,000个工具的受控访问,加上对超过75个开源和专有模型的无服务器推理。虚拟机在大约一秒内启动,从暂停恢复大约需要300毫秒。
Team层级针对每天在多个代码库中运行代理的初创团队,对代理消耗的每个DigitalOcean托管资源提供20%的折扣。Pro层级为这些组织中的个人开发者提供服务,提供15%的折扣。两个计划都不限制代理数量或按座位收费——这是对AI编码工具中普遍存在的按座位和信用池模式的结构性突破。企业安全功能——单点登录(SSO)、多因素身份验证(MFA)、基于角色的访问、审计日志和分布式拒绝服务保护(DDoS)——包含在每个层级中。
一个关键区别在于:Claude和GPT等前沿模型仍保持按需付费列表定价,不享受Droplet折扣。折扣适用于计算、内存、存储和DigitalOcean托管开源模型的推理,这些模型的权重是公开可用的,可以在任何兼容基础设施上运行,例如Llama或Kimi。
Action Gateway通过单个托管MCP端点代理对超过16,000个工具(包括Github、HubSpot、Stripe等)的访问。凭证在代理外部进行代理,代理接收对工具功能的受控访问而无需持有基础凭证。对于在受管制环境中运营或处理敏感客户数据的组织,这个架构选择提供了更清晰的审计跟踪,限制了会话泄露的影响范围,并将代理可以执行的操作与其身份验证方式分离开来。
DigitalOcean在每个Agent Droplet层级都包含可观测性,而不是将其隐藏在企业合同之后。代理工作负载相比传统云应用提出了截然不同的可观测性挑战。企业组织的可观测性预算从基础设施总支出的5%增加到最多30%才会有反弹,因为公司改革其基础以匹配AI速度。单个代理会话可能调用多个模型、调用外部工具,并做出跨步骤复合的决策。追踪该链条需要为代理工作流而专门构建的工具。DigitalOcean的Harness Runtime提供会话级隔离,其中每个会话的活动被包含,生命周期被管理(启动、暂停、恢复、分叉),状态被保存在快照中。
超过75%的Managed Agents工作负载目前在DigitalOcean托管的开源模型上运行,其余的在按列表价格的前沿模型上运行。推理路由器自动将正确的模型与正确的工作负载匹配——这个机制决定了代理工作的多少保留在折扣开源模型层级内,多少溢出到无补贴的前沿支出。在当前75%的开源模型组合下,大多数工作负载成本落在Droplet折扣范围内。
DigitalOcean还宣布了Agents and Inference Balance,一个预付钱包,资金金额从$5到$500,只有Managed Agents和推理服务可以从中取出。余额没有过期日期,这是对行业预付信用过期趋势的又一次突破。代理在Droplet额度用完后自动从中取出,除非客户选择了将支出限制在计划价格。
DigitalOcean以让基础设施对独立建造者和自举创业者可访问而建立了声誉,拥有超过680,000的客户基数。Agent Droplets标志着定位向AI原生软件公司的转变,重点是可扩展性。当被问到DigitalOcean认为其中端市场AI开发者从AWS Bedrock、Vertex和Azure AI Foundry等供应商那里缺少什么时,Srinivasan的答案很明确:一个专门为推理和代理工作负载构建的AI原生云——而不是"旧云原始概念的重新包装"——结合企业能力如身份和访问管理(IAM)、审计、合规和可观测性,这些通常带有沉重的企业合同价格标签。
新闻稿明确提到了五小时和周度使用窗口以及按座位收费——Cursor和Claude Code使用的定价结构——作为Agent Droplets设计要不同的模式。Srinivasan观察到开发者在管理他们的计费计划而不是他们的工作,而Agent Droplets是围绕实际使用构建的,所以主要的约束是工作本身而不是任意的窗口或人数。作为背景,GitHub Copilot在2026年6月转移到计量AI信用,Cursor运营信用池加超额模式,Claude Code在滚动五小时窗口上限制使用。在过去一年中,AI编码工具的定价已经大幅分化。
DigitalOcean的Currents研究发布于2026年2月,来自超过1,100名开发者、CTO和创始人的回应,提供了市场背景。近一半的受访者(49%)认为大规模推理成本高是扩展他们AI产品的最大障碍。44%接受调查的组织现在将大部分(76–100%)的AI支出分配给推理而不是培训——这是从构建模型转向大规模运行模型的显著转变。
基础设施情景也印证了这一点:61%的受访者为他们的AI堆栈拼凑多个工具,而只有23%使用单个供应商的模型、数据和基础设施一体化解决方案。对于采用多工具方案的企业,主要挑战集中在复杂性和成本——单独的工具和API的费用(50%)、难以预测成本(49%)和部署复杂性(48%)。
代理采用正在快速发展但仍处于早期阶段。52%的公司正在积极实施AI解决方案,但只有10%在生产中拥有完全自主的代理,40%仍然需要人工审查代理输出。