華為雲 AgentArts 200 萬免費 tokens 怎麼用？學生 AI Agent 導流

華為雲智果（AgentArts）目前提供一個很容易被誤讀的學生 AI agent 練習入口：官方文件寫明，首次開通後提供 2,000,000 tokens 的免費額度，可以用於模型調測與智能體試運行。這筆額度對學習很有價值，但它不是可以複製、下載或分發的公共 API token，也不是一支可以放進主要 agent gateway 的免費 API key。

本篇的結論先說在前面：AgentArts 免費 tokens 適合做課堂內的 prompt 比較、短流程試跑與模型效果觀察；若要透過 API 呼叫智能體、發布應用，或把 2,000,000 tokens 用完，官方文件要求開通對應的 MaaS 模型服務並完成鑑權，後續依實際使用量計費。主要 agent 不應把這筆平台試用額度假裝成可長期輪換的 API 燃料。

本系列只整理合法公開的免費額度與試用，不代為開通華為雲、不進行實名或付款、不取得任何人的 IAM token 或 API key，也不會用重複帳戶延長試用。若要先理解所有 provider 都適用的 secret、資料與人工接手原則，可延伸閱讀 AI agent 使用 FAQ。

當日敲門模型：控制台現行預置模型

這一篇不硬填一個可能過期的模型 ID。華為雲官方的模型介紹與模型調測說明把可用模型放在 AgentArts 控制台的預置模型清單；學生進入模型頁後，應以當日仍顯示「免費試運行」且通過課程 allowlist 的模型卡片為候選，讀回模型名稱、能力、上下文長度與剩餘試用額度，再開始短 prompt 測試。

若目標是替主要 agent 學生做敲門實驗，優先選控制台當日列出的最高能力預置文字或多模態模型，但不能把「最高能力」推論成固定的 DeepSeek、Qwen 或其他品牌，也不能因舊文章提過某個模型就假設它仍在免費池。模型卡片若沒有免費試運行標記、要求先開通 MaaS，或需要輸入第三方鑑權，就立即退出這個免費流程。

function approveCurrentAgentArtsModel(modelCard) {
  if (!modelCard || typeof modelCard.name !== 'string' || !modelCard.name.trim()) {
    throw new Error('AgentArts model card is missing');
  }
  if (modelCard.freeTrial !== true || modelCard.requiresMaaSAuth === true) {
    throw new Error('Model is not approved for the free trial');
  }
  return {
    model: modelCard.name.trim(),
    contextWindow: Number.isFinite(modelCard.contextWindow)
      ? modelCard.contextWindow : null,
    checkedAt: new Date().toISOString()
  };
}

這段是學生 agent 的本地正規化範例，不是華為雲 API 的欄位或模型清單。modelCard 必須由本人在控制台讀回後人工批准，不能從網頁猜測或讓 agent 自動選取會觸發付費的模型；如果控制台不提供足夠的免費狀態證據，就回傳 REVIEW_REQUIRED。

200 萬 tokens 的真實用途

華為雲的免費模型與使用額度文件說，開通 AgentArts 後，平台預設提供 2,000,000 tokens，無需額外配置，可用於模型調測與智能體試運行。免費套餐頁也把它描述為首次開通贈送 200 萬 tokens，並明確指出適用場景是模型調測與智能體試運行。這是平台內的試用資源，扣量位置在 AgentArts 的資源管理與模型調測頁面，不等於學生收到一組可帶走的 token 字串。

「token」在這裡是用量單位，不是憑證。token 會隨 prompt、輸出長度、對話上下文與模型不同而扣減；API key、IAM token、模型鑑權資料則是另一層安全物件。不要把 2,000,000 寫進環境變數，也不要在社群文章中尋找所謂 AgentArts 免費 key。正確做法是讓本人在控制台查看剩餘免費額度，並把當天的非敏感數字記在本地帳本。

官方資源管理頁會展示模型免費試運行資源的剩餘數量與總數；文件示例把耗盡狀態寫成 0/2,000,000。這個 read-back 比文章中的宣傳數字更重要。課程若要批准一次試跑，應保存查核時間、剩餘量、選用模型、輸入輸出上限與是否仍處於試運行模式；如果控制台顯示不同總量，採用當下控制台與官方說明共同支持的較小範圍。

首次開通與再次開通的差別

官方免費套餐頁目前把福利定義為首次開通贈送 200 萬 tokens。它同時寫明，退訂後重新開通不會再次贈送，但已取得的 tokens 仍可使用。這代表學生不應把退訂、重開或建立多個專案當作免費額度策略；那既不能合法增加配額，也會讓帳務狀態與權限讀回變得不清楚。

開通前要先確認使用的是本人有權管理的華為雲帳戶，並讀回 AgentArts 的體驗版狀態、模型免費試運行資源、資源總量與有效說明。不要為了「捕獲」額度索取別人的帳戶、登入驗證碼、IAM 憑證或控制台截圖。學生若無法完成自己的合法登入，就把本方案標成不可用，而不是找共用 key。

官方說明也提醒，免費額度不用不會產生費用；但超出免費額度或部署後的實際調用，會依 MaaS 規則計費。這兩句必須一起閱讀。免費試運行不代表整個華為雲帳戶永遠不會產生費用，更不代表只要看到 2,000,000 就可以把自動付款或按需計費留在開啟狀態。

模型調測是免費額度的主場

AgentArts 官方調測文件說，模型調測是平台把輸入參數封裝成標準 API 請求，送到目標模型服務並即時返回結果；支援文字對話、圖像理解、文本向量化與文本排序等模型類型。免費額度下，平台預置模型可以直接調測。這表示學生能在界面裡學習 request、response、延遲與錯誤處理，而不必先把 API secret 放進前端程式。

調測本身免費，不等於所有被調測的資源都永久免費。官方文件說每一次對話請求都會消耗 tokens，並依正式調用的計費規則計算。免費資源耗盡後，預置模型需要開通模型並配置鑑權；自訂模型則可能使用學生自行接入的第三方服務，該第三方的費用和資料政策完全另算。

課堂可以把一次實驗切成三個階段：先用短 synthetic prompt 測試預置文字模型，再記錄輸出長度和品質，最後才由人工決定是否比較另一個模型。不要一開始就上傳整個私人知識庫、開啟多輪長上下文或啟用圖像、向量與排序的全套流程。免費額度不是理由，資料最小化和用量可重現才是學習目標。

這不是可抽出的免費 API key

華為雲官方文件把免費額度與 API 呼叫清楚分開：若免費額度用完，或透過 API 接口調用智能體，就需要開通 MaaS 對應模型服務並完成鑑權，按實際 token 用量計費。另一份官方資源文件也寫明，免費試運行資源只支持模型調測與智能體試運行；智能體發布後若要使用 MaaS 模型，必須自行開通並設置鑑權。

因此本文不提供一個「把 AgentArts 免費額度轉成 OpenAI 相容 endpoint」的做法。若有人宣稱能從瀏覽器、網頁原始碼或公共貼文抓到 AgentArts API token，應把它視為憑證外洩或未授權存取風險，而不是免費資源。真正的 API key 只能由帳戶持有人在官方控制台建立，並放在 server-side secret store；本系列不代收、不轉交、不測試任何真實 key。

若課程之後有正式批准的華為雲 MaaS API 帳戶，應另開一篇付費或已授權 API 的文件，重新核對 endpoint、模型、IAM／API key、按需計費、Token Plan、限流與服務條款。本篇的 2,000,000 tokens 不能跨越那條邊界，也不能拿來證明付費 API 已經具備可用額度。

免費額度與 MaaS 計費要分層

華為雲最新 MaaS 計費文件說，線上體驗與模型調用可能按 token 計費，並有按需計費與 Token Plan 個人版等購買方式；文件也提醒，套餐額度用完後，超出部分可能依正常價格收費。這類付費文件不是 AgentArts 2,000,000 免費 tokens 的延長線，而是說明為何免費試用不能被接成無人值守的永久 fallback。

本系列的免費-only 閘門要分成四個欄位：trialTokensRemaining、trialMode、paidFallbackAllowed 與 apiInvocationApproved。只有第一個數字大於安全餘量、模式仍是平台試運行、付費 fallback 為 false，且任務確實是界面內調測時，才可讓學生 agent 排入工作。任何欄位缺失都不等於安全，應停在人工審查。

function assertAgentArtsTrial(state, now = Date.now()) {
  if (state.trialMode !== 'MODEL_DEBUG_OR_AGENT_TRIAL') {
    throw new Error('AgentArts trial mode is not verified');
  }
  if (state.apiInvocationApproved === true) {
    throw new Error('Free trial is not an API fuel source');
  }
  if (state.paidFallbackAllowed === true) {
    throw new Error('Paid fallback is not approved');
  }
  if (!Number.isFinite(state.trialTokensRemaining) ||
      state.trialTokensRemaining <= state.reserveTokens) {
    throw new Error('Trial tokens are below the safety reserve');
  }
  if (state.checkedAt + state.maxReadbackAgeMs < now) {
    throw new Error('AgentArts resource read-back is stale');
  }
}

assertAgentArtsTrial(readFreshAgentArtsState());

這段程式只是本地策略範例，不是華為雲控制台的官方欄位名稱。MODEL_DEBUG_OR_AGENT_TRIAL、安全餘量和 read-back 年齡都必須由課程管理者定義；不能把本地狀態名稱誤當成平台 API。它的作用是讓主要 agent 在沒有證據時拒絕呼叫，而不是自動取得任何免費資源。

課堂用量帳本要記 token 而非祕密

每次調測前後，保存去識別化的任務編號、模型名稱、輸入長度級距、輸出上限、控制台剩餘額度、查核時間與結果狀態即可。不要保存原始 prompt、完整輸出、學生姓名、登入資訊或任何 key。若平台只顯示總剩餘量，就不要猜測一次請求扣了多少；將它標成估算，下一次工作前重新讀回。

token 的消耗與請求數不是同一件事。一次短 prompt 可能只消耗少量 tokens，一次含長上下文與長輸出的 agent 迴圈則可能迅速消耗額度。模型調測文件也提供最大回覆長度等參數，學生應把輸出上限先設成小值，再以可重現的方式增加。不要用「今天只發一個 request」推論必定沒有超額風險。

把 2,000,000 當作課程總預算，而不是某一個學生可以無限使用的私人額度。若有多名學生共用一個 AgentArts 空間，管理者應按學生、任務和日期分配本地子配額；當有人接近上限，只停止該任務，不要為了平衡帳本而要求另一位學生提供登入或 key。跨帳戶配額不是合理的修復方法。

function recordAgentArtsTrialUsage(ledger, event) {
  const safeEvent = {
    taskId: String(event.taskId),
    model: String(event.model),
    result: event.result,
    estimatedInputTokens: Number.isFinite(event.estimatedInputTokens)
      ? event.estimatedInputTokens : null,
    estimatedOutputTokens: Number.isFinite(event.estimatedOutputTokens)
      ? event.estimatedOutputTokens : null,
    trialTokensRemaining: Number.isFinite(event.trialTokensRemaining)
      ? event.trialTokensRemaining : null,
    checkedAt: new Date().toISOString()
  };
  ledger.push(safeEvent);
  return safeEvent;
}

帳本範例刻意不接受 key、cookie、IAM token、原始輸入或完整輸出。若錯誤回應中包含 credential、帳戶識別資料或付款資訊，也只能保存分類後的狀態碼，不把原文寫入公開報告。真正的帳務數字仍以官方控制台為準，本地帳本只用來做預算和停止決策。

模型範圍與附加服務要鎖定

AgentArts 的模型清單會隨平台更新，模型卡片會顯示模型名稱、上下文長度等資訊。學生 agent 應只使用當日平台顯示、課程已批准的預置模型；不要因為某篇舊教學寫過 DeepSeek、Qwen 或其他模型，就假設該模型仍然在免費資源中，或所有輸入輸出都使用同一 token 價格。

文字對話、圖像理解、向量化與排序是不同能力，資料格式、模型限制與可能的資源消耗都不同。若課程目標只是比較文字 agent，先把模型 allowlist 限在文字對話；圖像、embedding、rerank、知識庫、外部工具與自訂供應商另做審查，不把它們的免費或付費單位混進 2,000,000 tokens。

自訂模型接入更需要小心。AgentArts 文件描述自訂模型可以配置供應商、API 地址、認證與調測；這表示學生可能把第三方 API key 放進平台。那支 key 的費用、資料留存、模型 license 和撤銷規則由第三方決定，不能因為 AgentArts 的界面仍顯示免費 tokens，就宣稱第三方請求也免費。最安全的第一輪實驗是平台預置模型加 synthetic data。

資料政策採最小必要原則

AgentArts 的免費額度是供模型服務使用，並不自動等於「資料不會被處理」。官方計費文件提醒，模型、日誌等部分底層資源由關聯服務提供，可能有獨立的計費與處理說明；模型服務本身也有各自的條款。學生應只送公開資料、自己編寫的範例或已經獲得批准的去識別化內容。

不要把 API key、IAM token、cookie、學校帳號、未公開作業、病歷、個人聯絡資料、公司原始碼或付款資料放入 prompt、知識庫、上傳文件或錯誤回報。若要研究 RAG、記憶或工具使用，先在本機以假資料完成資料流，再決定是否值得送到雲端。免費額度不能替代學生與課程的資料保護責任。

輸出也不應直接視為事實。課堂可以讓學生比較答案、引用和錯誤，但醫療、法律、金融、身份判定或教育評量等高風險任務需要人工與適用規範的審查。主要 agent 若遇到敏感資料或高風險意圖，應在呼叫前停止，而不是為了消耗免費 tokens 而繼續。

耗盡、發布與 API 呼叫的停止線

AgentArts 官方文件給了三個明確的停止訊號：免費額度用完、智能體透過 API 接口被調用、智能體發布後需要使用 MaaS 模型。這些訊號都不能用自動 retry、換模型、換 key 或另一個學生帳戶繞過。停止後，管理者要讀回剩餘免費量、服務狀態、是否需要鑑權與是否存在付費設定，再決定另立已授權的付費流程。

平台界面錯誤不一定是 429。可能是權限不足、模型未授權、試用額度為零、模型服務下線、API 鑑權缺失、超時或關聯服務的錯誤。把每一類都歸成「先停、再讀回」比無差別重試安全；尤其不要在錯誤回應中尋找可用 secret。

function classifyAgentArtsStop(state) {
  if (state.freeTokens === 0) return { action: 'STOP_TRIAL_EXHAUSTED', retry: false };
  if (state.apiInvocation === true) return { action: 'STOP_REQUIRES_MAAS_AUTH', retry: false };
  if (state.published === true) return { action: 'STOP_REVIEW_PUBLISHED_BILLING', retry: false };
  if (state.authRequired === true) return { action: 'STOP_REVIEW_AUTH', retry: false };
  if (state.modelUnavailable === true) return { action: 'STOP_REVIEW_MODEL', retry: false };
  if (state.timeout === true) return { action: 'STOP_UNTIL_REQUEST_STATE_IS_KNOWN', retry: false };
  return { action: 'STOP_AND_ESCALATE', retry: false };
}

這個分類器同樣是本地示意，不是華為雲官方錯誤碼表。它的關鍵是所有未知狀態都不重試。若一次超時可能已經扣量，先查控制台，再由有權限的管理者決定是否可做一個極短的人工驗證；主要 agent 不自行把未知狀態轉成下一個 provider 或付費 fallback。

適合學生的實驗任務

• 以同一段公開短文，限制輸出上限，觀察模型調測結果與剩餘免費 tokens 的變化。
• 在兩個已批准的預置文字模型間比較答案品質、延遲、輸入長度與估算用量。
• 用 synthetic 資料演練單 agent、工作流與多 agent 的停止條件，不發布到真實使用者。
• 刻意讓本地安全餘量接近門檻，驗證控制器會停下來而不是自動改走付費 MaaS。
• 把模型不存在、鑑權要求、試用耗盡與超時事件寫入不含秘密的錯誤分類報告。

這些任務把 AgentArts 當成有明確終點的教學沙盒。學生學到的是 prompt 設計、上下文管理、用量會計、模型比較和安全停止，不是如何把一個雲端試用額度變成多人共用的 key。每個任務都要有預算、資料範圍、成功條件與人工接手人，完成後讀回資源，不以「回覆成功」作為唯一完成證據。

不適合放進主要 agent 的情境

不適合的情境包括長時間無人值守迴圈、公開服務的正式流量、需要 SLA 的 production agent、未經審核的文件批次上傳、敏感資料處理、把平台免費額度接成自動路由、把控制台管理憑證交給學生程式，以及在免費額度耗盡後暗中使用按需計費。這些需求超過本篇的免費試用範圍。

也不要把 AgentArts 的 2,000,000 tokens 與華為雲其他免費試用、MaaS Token Plan、第三方模型供應商額度相加。不同服務可能有不同帳戶、地區、期限、計費與資料政策；未經同一控制台和官方文件確認的數字，不能放入學生 agent 的總燃料表。額度多不代表風險少。

主要 agent 的放行清單

本篇不把 AgentArts 免費額度列入主要 agent 的 API fallback；若未來要讓主要 agent 讀取其結果，只批准由學生人工在平台完成短任務後，以去識別化結果匯出或人工轉述的方式接回。若要做機器對機器 API 接入，必須另開正式授權的 MaaS 方案並重新完成安全、費用和資料審查。

可考慮的人工放行條件是：本人帳戶；首次開通福利在官方控制台可見；剩餘量高於課程安全餘量；模型在當日 allowlist；任務是模型調測或智能體試運行；輸入為公開或 synthetic data；沒有 API 呼叫、發布、按需計費或自動付款；每次任務前後都有資源 read-back；遇到未知錯誤即停止。少一項就維持 REVIEW_REQUIRED。

若控制台要求開通 MaaS、綁定付費方式、配置 API key 或把請求送到已計費的模型服務，這不是本文的免費試用放行。管理者可以另立付費流程，但不能從本篇的 200 萬 tokens 推導「學生已有免費 API token」。

官方來源與本篇判定

本篇以華為雲官方免費模型與使用額度、免費套餐、模型調測、資源與訂閱、計費項、資源管理、MaaS 計費說明 與模型介紹為依據。官方資料目前支持「首次開通 200 萬 tokens、免費模型調測與智能體試運行」這個窄結論，同時支持「API、發布或耗盡後要進入 MaaS 鑑權與計費」的停止線。

最後判定：AgentArts 是有明確價值的免費平台練習額度，但不是可捕獲、分享或自動輪換的免費 API token。它可以列入學生課堂的人工試用清單，不列入主要 agent 的無人值守燃料池；只有在未來另有正式授權與獨立付費審查時，才討論 API 接入。本文沒有開通帳戶、建立憑證、呼叫真實 API、綁定付款或發布 WordPress。

下一篇會依同一門檻繼續找另一個官方免費或試用 API 入口，先確認它提供的是 token、request、credit 還是平台內額度，再決定能否進入學生 agent 的合法燃料清單。