Expo 要把手机租给写码 agent,一分钟十美分

Expo 在 November 12 发布了一个听起来像管道工程的东西,其实不是:云端 iOS 模拟器和 Android 模拟器,按分钟卖给写码的 agent。
这个定位很窄,也很具体。一个跑不动 app 的 agent,看不见 app 到底做了什么。在 web 上这个缺口几年前就补上了,因为无头浏览器很便宜,截图不要钱。在移动端它一直开着,原因很无聊。iOS 模拟器只能跑在苹果硬件上,云端 agent 跑在 Linux 上,而 Android 模拟器在你还没编译任何东西之前,每个就要吃掉 4GB 内存。
所以一个并行跑七个 agent 的开发者需要七个模拟器,这意味着要么一台特别大的笔记本,要么一个队列。Expo 的答案是把这些模拟器搬进自己的云,一个 agent 发一个,按每个模拟器每分钟 $0.10 收费。
你实际拿到的东西
Linear 里报的一个 bug 交给 agent。agent 复现它,写出修复,在云端模拟器上跑一遍,然后在 pull request 上留下录屏、截图和日志。团队里任何人点一个链接就能打开正在跑的构建,不用走 TestFlight 那一圈。
最后这一点才是真正的产品。TestFlight 是一条带着审核时钟的分发渠道,把它当作内部验证回路一直很别扭。一个能打开活构建的链接是另一套流程,更接近 web 团队看 preview deployment 的方式。
它支持 Cursor、Claude Code 和 Codex,跑在 Linux 上,也跑在 Windows 上,通过 WSL,或者跑在云沙箱里。整条链里没有 Mac。
价格才是有意思的部分
一分钟十美分,就是一个模拟器一小时六美元。

每个 pull request 跑一次十分钟的验证,就是一个 PR 一美元。一天合并一百个 PR 的团队,一天就是一百美元,一个月大约三千美元,这还没算任何人写一行产品代码。对一家已经在付模型 token 钱的公司来说,这不是零头。它和推理费用坐在同一场预算会议里。
套餐里带的额度说明了 Expo 的预期。Starter、Production、Enterprise 三档每月都送 60 分钟。60 分钟是六次完整的验证跑。这是试用,不是工作流。Expo 自己清楚,所以定价按用量算,不按人头:他们赌的是,团队一旦把这个回路养成习惯,会烧掉远超免费额度的量。
拿它和替代方案比。在办公室放一台 Mac mini 当构建机,一次性大约一千美元,之后是永久的维护麻烦。放七台就是七千。按每月三千美元的模拟器分钟算,云端方案在三个月内就比自购硬件贵,又在一周左右比雇那个维护硬件的人便宜。
为什么这是没人定过价的瓶颈
两年以来,关于写码 agent 的叙事都是生成速度。每秒多少 token,第一个 patch 要多久,一个 agent 的上下文里能塞多少文件。这些全都变快了。没变快的是 patch 存在之后的那段回路。
在 web 上,补救很轻松:丢进浏览器跑,截个图,看一眼。在移动端,等价的一步需要硬件,而硬件不会跟着 git 分支扩容。团队绕过去的办法是只把能做单元测试的那部分代码交给 agent,于是所有让移动 app 成为移动 app 的东西都被排除在外:导航、真实屏幕尺寸下的布局、键盘行为、权限弹窗,以及 iOS 渲染阴影而 Android 不渲染的那种具体差别。
Expo 自己的说法是,agent 是快的那个部分。这话准确,也稍微有点自利,因为 Expo 从 2015 年起就在卖移动基础设施,而这块正是它自己技术栈里缺的那块。但这个观察站得住:生成变便宜的那一刻,验证就成了约束。
模拟器不会告诉你的事
模拟器复现的是操作系统,不是手机。
它会抓到坏掉的布局、启动即崩、缺失的权限文案、丢了状态的导航栈。它抓不到某家厂商图像处理上失败的相机链路、超时的蓝牙握手、用满四分钟之后的热降频,以及任何依赖特定基带的东西。这些才是能走到用户面前的 bug,它们仍然需要一台设备架和一个人拿着手机。
工作流本身还有一个更隐蔽的风险。一段修复在跑的录像,是这次修复跑过的证据,不是它修好了那个问题的证明。agent 很擅长做出一个通过的状态,而一段通过状态的录像,恰恰就是会被挂到 pull request 上、被 reviewer 扫两眼的那种产物。这个格式招来的懈怠,和当年绿色 CI 徽章招来的一样,答案也一样:得有人去看真正的改动。
会被盯着看的那部分
Expo 说 Agent Sessions 会在十一月底之前到来:一个安全层,让企业从客户反馈这类来源触发 agent,并针对 prompt injection 提供防护。
担心这个方向是对的。一个读客户 bug 报告、然后在模拟器上跑代码的 agent,就是一个从陌生人那里接受指令的 agent。模拟器是沙箱化的,或者应该是,但录像、日志和构建产物最后都落在某个地方,只要 agent 被说服从那里带东西出来,每一条都是外泄路径。
模拟器本身不带模型,这一点是好事。爆炸半径是模拟器会话,不是开发者的机器。但会话有网络,会话有屏幕,而屏幕会被录下来。
这周谁该试
如果你的团队在一个移动代码库上跑一两个 agent,补丁靠手工 review,那免费的 60 分钟足够告诉你这个回路顺不顺手。跑一个真实的 bug,别跑 demo。看那段录像。然后判断,一段修复在跑的录像对你是否比一个 diff 更有用。
如果你成规模地跑 agent,算法就不一样,也没那么舒服。一天一百个 PR,你签下的是一张随合并率上涨的月账单,也就是说你的验证成本现在跟着团队产能一起涨。把这种激励写进工具链里很奇怪,而十五年前云端 CI 造出来的正是同一种激励。那时候大家都接受了。这次大概也会。
值得留意的是移动工具链围着 agent 重组的速度。一年前的问题是,agent 能不能写一个 React Native 页面。这周的问题是,你养得起给它几个模拟器。答案看来是,你愿意按一分钟十美分付几个,就养几个。
相关文章
「宿命感拉满的橘子海剪影」:一句提示词把情绪拆成了参数
11 月 19 日到 20 日,小红书和抖音同时刷起「橘子海剪影」。点进去会发现多数人并没有站在落日下,他们把自己的一张照片交给豆包,出来的是一张 3:4 竖版情绪海报。这套氛围被拆成了十几个写得明明白白的参数。
ByteDance 的 SeedRealtime 每秒只取两帧,再自己决定什么时候开口
豆包 Seed-Realtime-1.0 把摄像头画面、屏幕画面和语音合成一个全双工会话,每秒最多推两帧。有意思的决定是帧率、主动说话,以及默认就开着的审核回复。
Cicada 直接听会议的系统音频,会议室里没有机器人
Cicada 是 Mac、Windows、Linux 和 Android 上的免费应用,从系统音频里写出双语字幕和结构化会议笔记。按住一个键,你能用自己克隆出来的声音,把回复用另一种语言说出去。整个过程里没有机器人加入通话。
一台 server、一个 AI 主播:夜间直播背后的代码
open-yoki 是一个每晚在 Binance Square 直播的 AI 主播的生产代码,人格、声音和跟钱有关的功能都拿掉了。headless Chrome 画帧,ffmpeg 推 RTMP,一个 Markdown 文件夹决定她的情绪和要发的东西。