Token Monster 可根據您的任務自動進行最佳 LLM 和工具選擇

Token Monster 是一個全新的 AI 聊天機平台，已進入 alpha 預覽階段，目標是改變使用者與大型語言模型 (LLM) 的接觸方式。

Token Monster 由 OthersideAI 及流行的 AI 寫作工具 Hyperwrite AI 的共同創辦人兼執行長 Matt Shumer 所創造，其最突出的特色在於它能針對任何給定的任務，智慧地將使用者的提示轉送至最適合的 LLM。透過利用多種模型的能力，它能提供更好、更精緻的輸出。

目前，Token Monster 支援七種主要的 LLM。當使用者輸入一個提示時，系統會運用 Shumer 經過廣泛迭代所開發的精心製作的前置詞彙來分析輸入，決定模型與連接工具的理想組合，並產生充分利用每個選定 AI 獨特優勢的連貫回應。可用的 LLM 包括

• Anthropic Claude 3.5 Sonnet
• Anthropic Claude 3.5 Opus
• OpenAI GPT-4.1
• OpenAI GPT-4o
• Perplexity AI PPLX (用於研究)
• OpenAI o3 (用於推理)
• Google Gemini 2.5 Pro

Token Monster 與其他聊天機器人平台的不同之處，在於它能自動決定每項任務的最佳模型。它也能辨識何時使用連線工具 - 例如網路搜尋或程式碼執行環境 - 並協調流暢的多模型工作流程。

"Shumer 解釋說：「我們正在建立與所有工具的連接，同時建立一個智慧型系統，以決定何時使用何種工具。

例如，系統可能會呼叫 Claude 執行創意任務，呼叫 o3 執行推理任務，呼叫 PPLX 執行研究任務。如此一來，使用者就不需要不斷手動切換不同的模型，任何人都可以更輕鬆地獲得高品質、專門打造的結果。

功能重點

可在 tokenmonster.ai 免費註冊的 alpha 預覽版可讓使用者上傳各種檔案類型，包括 Excel 試算表、PowerPoint 簡報和 Google Docs。

其他值得注意的功能包括網頁內容萃取、持續聊天會話，以及「FAST 模式」，可自動將提示導向最適合的模型，無需使用者介入。

Token Monster 的核心是 OpenRouter，這是一項第三方服務，可提供各種 LLM 的存取。Shumer 個人在這個平台上投入了適量的資金。

這樣的設定讓 Token Monster 可以無縫整合來自多個提供者的模型，而不需要獨立的基礎架構或客製化的整合。

定價與可用性

目前，Token Monster 並非以每月固定訂閱的方式運作。

相反地，使用者只需透過 OpenRouter 為他們使用的代幣付費，這使得該平台能高度適應不同的使用層級和預算。

Shumer 指出，這種定價方式的靈感來自 Cline，Cline 是一種提供大量使用者無限 AI 處理能力的工具，可透過增加計算資源達到更好的輸出。

多步工作流程產生更豐富的 LLM 回應

Token Monster 的 AI 工作流程超越了簡單的模型選擇。

在一個例子中，系統可能會從使用網路搜尋 API 的研究步驟開始，將收集到的資訊提供給 o3 以找出知識缺口，使用 Gemini 2.5 Pro 建立大綱，使用 Claude Opus 草擬內容，再使用 Claude 3.5 Sonnet 潤飾。

這個經過精心安排的多步驟流程，旨在產生比單一 LLM 本身所能產生的更詳細、更全面的回覆。

使用者也可以儲存聊天會話，並使用開放原始碼的線上資料庫 Supabase 安全地儲存資料。這讓使用者可以無縫恢復專案，同時保持對儲存資料與暫時保留資料的控制。

非傳統的 CEO

在一次大膽的嘗試中，Token Monster 的領導權已下放給 Anthropic 的 Claude 模式。

Shumer 承諾會跟蹤「CEO Claude」所做的每個決定，並將此計畫視為 AI 管理企業能力的實際測試。

"他在 X 網站上發文表示：「我們不是永遠徹底改變了管理方式，就是犯了一個巨大的錯誤。

從 Reflection 70-B 爭議中脫穎而出

Token Monster 的出現，讓 Shumer 擺脫了一段充滿爭議的時期，他在去年推出了 Reflection 70B--Meta 的 Llama 3.1 模型的微調版本，後來又撤回了 Reflection 70B。

該模型最初被宣傳為全球性能最高的開放源碼人工智能，但在獨立研究人員無法複製其聲稱的基準結果後，很快就面臨批評和欺詐指控。

Shumer 公開道歉，並將錯誤歸咎於行動過快所造成的疏失。這件事突顯了快速 AI 開發所帶來的廣泛挑戰，以及模型發佈需要更大的透明度。

下一步將整合 MCP

Shumer 也分享 Token Monster 團隊正在研究新的功能，例如與模型上下文協定 (Model Context Protocol, MCP) 伺服器整合。

MCP 將允許網站和公司讓 LLMs 存取他們的知識庫、工具和產品，除了基本的文字或圖像製作之外，還能執行更多進階的任務。

這將允許 Token Monster 與使用者的內部系統連結，開啟使用個案的大門，例如管理客戶支援票單或與商業應用程式連線。

他強調 Token Monster 仍處於早期開發階段。雖然 Token Monster 已經提供了一套強大的工具，但它仍然是一個 alpha 產品，預期會根據使用者的意見快速發展。"他說：「我們會不斷迭代，增加新的功能。

有前途的實驗

對於想要利用多個 LLMs 綜合智慧的用戶來說，Token Monster 提供了一個很有吸引力的解決方案，而無需手動切換模型的複雜性。

它是專為那些不願花費數小時調整提示或測試不同模型的人所設計，讓系統的自動路由和多步工作流程來管理繁重的工作。

隨著 Token Monster 持續成長，觀察個人和企業如何採用此平台，以及其在 AI 驅動領導力方面的實驗如何展開，將會是一件有趣的事。目前，在快速發展的 AI 聊天機器人和智慧型助理世界中，它是一個引人注目的新加入者。