Token单价已死，交付结果当立

来源类型： 微信公众号文章
日期： 2026-06-02
标签： AI, OpenClaw, 记忆系统, 电商, 办公效率, 网络安全, 编程, 数字化, 芯片, 大模型
原文链接： https://mp.weixin.qq.com/s/5xJDu4jdAcaeMrw9bHU0-Q

摘要

▎用户只在乎工作结果，而非Token。钛媒体作者丨最话FunTalk 全免费路线被抛弃，所有AI应用都在转向Anthropic路线。可能是GPT横空出世后，用户增速过于耀眼，在很长一段时间，无论国内还是国外的AI产品都是模仿它的路线，以免费吸引海量用户，再考虑怎么商业化变现。然而，GPT自己走着走着就发现这条路行不通，或者说不划算。AI不同于传统互联网，算力需求不是每新增一个用户边际递减，而是用户量越大，调用频率越高，使用场景越复杂，算力消耗的曲线呈指数级攀升。这种“逆边际成本”结构是整个产业必须面对的结构性约束，行业必须革新商业逻辑，不能再是“先圈地再收割”，而是从...

核心内容

▎用户只在乎工作结果，而非Token。

钛媒体作者丨最话FunTalk

全免费路线被抛弃，所有AI应用都在转向Anthropic路线。
可能是GPT横空出世后，用户增速过于耀眼，在很长一段时间，无论国内还是国外的AI产品都是模仿它的路线，以免费吸引海量用户，再考虑怎么商业化变现。
然而，GPT自己走着走着就发现这条路行不通，或者说不划算。AI不同于传统互联网，算力需求不是每新增一个用户边际递减，而是用户量越大，调用频率越高，使用场景越复杂，算力消耗的曲线呈指数级攀升。
这种“逆边际成本”结构是整个产业必须面对的结构性约束，行业必须革新商业逻辑，不能再是“先圈地再收割”，而是从一开始就把算力当成核心生产要素来定价，要从“价格战”转入“价值战”。
因此国内AI用户数第一的豆包上线付费订阅，就再正常不过了，甚至，我都觉得它推出的时间有点晚了。
豆包坐拥3.45亿月活，比国内其他家AI应用的用户数加起来还多，算力需求过于恐怖，任何一个人去负责豆包的AI infra都得头皮发麻。
须知，谷歌用千亿美元级资本投入、自研TPU生态、万卡级集群支撑的Gemini，全球月活跃用户也不过7.5 亿。
3.45亿月活是豆包的“甜蜜的烦恼”，其中太多基础需求的“浅度用户”，但即便是浅度需求，也不能单纯通过“降智”降低单位请求的算力供给，那会崩了口碑。
而众多“浅度”用户在某种程度上拖累了大众对豆包的专业度心智，以及跟付费意愿更强的专业用户“抢算力”，有限的算力被“浅度用户”消耗，还不能变现；复杂任务和生产力场景，消耗更多算力与推理时间，但用户却无需付费意愿。一根筋变两头堵，从商业逻辑上，是不划算的。
所以通过付费订阅实现需求分层，普通用户常用到的查资料、写基础文案、日常问答、学习辅导等功能，算力需求较少，继续免费；复杂任务和生产力场景，算力需求高，按需付费。这样既能留住海量用户，又能遴选出付费用户，是各家AI应用的通行做法了。
事实上，专注于生产力场景的AI早就建立了收费机制，比如Anthropic的Claude，以及Gemini、GPT都是免费版+订阅模式。甚至，订阅费都在上涨，Anthropic旗下企业级产品Claude Enterprise就在月费基础上，额外按实际消耗的算力付费。
国内方面，自2026年2月以来，智谱已连续三次上调模型定价， GLM-5.1发布时再度提价10%，结果是2026年第一季度API调用定价提升83%，但调用量仍然增长400%，呈现“量价齐升”的态势。Kimi也是，会员体系最低档从 9.9元起迭代为49元，最高档到699元/月，并引入Agent集群权限等差异化增值。
它们据此反而在专业用户群体建立了“专业心智”，建造了商业飞轮的雏形。
豆包的付费订阅，虽迟但到，还没设阶梯收费的国产AI应用，迟早也会跟进。然而，订阅模式也只是起点，AI的终局，应该是一门看“交付结果”的生意。

有趣的是，就在豆包酝酿收费的几天前，DeepSeek刚刚完成了一场令行业瞠目的降价，4月25日，V4-Pro宣布价格暴降75%，输入价格（缓存未命中）降至3元/百万Tokens，输出价格降至6元。
仅隔一天，V4-Pro再次加码，缓存命中价格直接打到0.025元/百万Tokens——两分钱。与此同时，V4-Flash的缓存命中价格更低，跌至0.02元/百万Tokens。
对比GPT-5.5的$2.5/百万Tokens，和Claude Opus 4.7的$15/百万Tokens，这样的价格，几乎就是白送。
但低价，真的意味着商业上的胜利吗？
仍以豆包为例，在商业模式上，当下字节做出的选择，是SaaS订阅。这条路最保守，也最安全。
问题是，将SaaS订阅套在AI产品身上，本质上仍然是在为用户消耗的Token买单——无论包装成“标准版”还是“专业版”，底层的成本核算逻辑并没有变：用户多用一次模型，平台就多烧一份算力。
回想2024年的那场大模型价格战，阿里云通义千问主力模型直降97%，百度直接宣布免费，整个行业陷入一场"谁比谁更便宜"的竞赛。当时有人欢呼“大模型进入厘时代”。
当时就有人冷静指出：当所有玩家都挤在同一个计量单位上互相压价，负毛利就不是意外，而是结构性的终点。
两年过去了，V4把地板又凿穿了一层，但游戏规则没有任何变化。
腾讯科技前段时间出了一篇名为《Token经济学》的深度分析，提供了一个值得重视的观察框架：当前的AI商业化，早已不再是一道“Token单价”的算术题。不同的任务类型里检索、推理、长时运行、多轮交互，对应着完全不同的成本结构。
一个轻量检索任务，搜索和grounding的费用可能是Token本身的四十倍；一个重度编程session，模型推理成本才是大头。根本不存在一张通用的“AI单位成本表”。
换句话说，“谁的Token更便宜”这个问题本身，已经是一个过时的提法。它默认了行业存在一个统一的计量单位，而现实是，计费对象正在裂变，价格维度正在扩散，Token只是其中最底层的那一片。
《Token经济学》给出了一个五层结算栈的框架来理解这种变化：最底层是公用事业层，算力、Token、缓存、搜索，可计量、可路由，本质上和水电煤没有区别；往上是协议与能力层，包括MCP、A2A等跨平台互操作接口；再往上是知识封装层，涵盖Prompt、Eval、Memory这些行业know-how的序列化；第四层是执行交付层，Agent作为被托管、被监控“数字劳动力”来运作；最顶层是结果与责任层，按outcome收费，“结果”本身变成合同化的结算对象。
V4降价，本质上是把第一层的公用事业价格打到了接近免费。但国内厂商的商业模式，几乎完全压在这一层上。
从这个角度看，豆包的这次收费还是只在第一层推进，是“只有价格可以打”的主动防御型策略。

当国内还在围绕Token单价缠斗的时候，大洋彼岸的AI商业，已经走到了一个完全不同的阶段，具体来说，这是三条轨道并行演进的路线，各有各的前提条件，也各有各的生长逻辑。
第一条轨道最激进，也最引人注目，即按结果付费。
以Intercom的AI客服产品Fin为例，其定价$0.99/单次服务，只在AI真正解决了客户问题时才收费。什么算“解决”？要么客户主动确认问题已处理，要么客户在Fin回复后没有继续追问。这个定义被写进了系统规则，不依赖人的主观判断，不存在归因争议。
Fin目前每周处理超过100万次客服对话，Intercom也借此把AI相关营收从几乎为零拉到了过亿美元的量级。Zendesk走的是同一条路，但更稳健，按自动解决工单收费，承诺量$1.50/单次服务，按需使用$2.00/单次服务。
Sierra AI则更为高调，由OpenAI董事长Bret Taylor联合创办，从第一天起就完全基于outcome定价，企业合同价格区间在$50K到$200K/年不等，21个月做到超过$150M的ARR，目前服务于超过40%的财富50强企业，最近刚以$15B估值融了$9.5亿美元。
第二条轨道务实得多，即按动作消耗。
Salesforce的Agentforce没有一刀切到“按结果”，而是推出了Flex Credits体系：每个AI action消耗20 c

...(内容截断，完整内容请查看原文)

本页由自动化脚本生成，待人工审核补充