与众多AI初创公司合作后，我认为大多数AI聊天应用的定价模式完全不合理

过去一年里，由于我们为AI SaaS公司提供MoR/支付基础设施，我与许多构建AI聊天产品的团队进行了交流。有一个问题一直很突出：一旦深入探究，大多数定价模式完全不合逻辑。几乎所有人都从同一个起点开始——简单的月度订阅、首页某处写着“无限使用”、可能还有一个针对重度用户的高级套餐。看起来简洁且有竞争力，说实话我理解团队为何这么做。但随着产品变得更加复杂，情况就变了。一条用户消息不再对应一次模型调用，而是涉及检索、记忆系统、重试、摘要、工具调用，有时同一工作流中还会使用多个模型。从用户角度看，感觉只是“我发了一条消息”，但内部可能转化为半打可计费的操作。这个差距是我看到许多团队受伤的地方。另一个让人措手不及的因素是上下文增长。客户连续数月使用同一个聊天线程，产品不断向模型输入更多历史记录，于是每次交互的成本悄然增加，而用户体验几乎不变。重试是另一个隐藏成本。提供商不稳定，请求在后台自动重试，成本飙升却没人立刻意识到原因。很多团队甚至无法清楚了解账单中有多少是重试流量、多少是实际使用。这让我想起早期的互联网服务提供商定价——表面上是固定订阅，底层基础设施成本却剧烈波动。说实话，在近距离观察了足够多的这类公司后，我开始认为“无限AI聊天”大多只是暂时阶段。一旦重度用户出现，经济模型就会变得奇怪。那些财务状况健康的团队最终通常会落在同一个地方：某种固定订阅加上使用限制或超额费用。不是因为这种定价令人兴奋，而是因为它是唯一能真正经受住实际使用模式考验的方式。我们自己也曾在这一点上犯错。曾有一个定价层级看似完全合理，直到一小部分用户通过它运行大量基于代理的工作流，悄悄侵蚀了数月的利润，而大家很久后才完全察觉。最终的解决办法是那些无聊的东西：配额、用量提醒、超额收费。从产品角度看并不令人兴奋，但可持续性更强。很好奇其他团队现在是如何思考这个问题的，尤其是随着产品越来越具备代理能力。人们仍在试图将所有底层复杂性隐藏在统一价格背后吗？还是用户已经更能接受基于使用量的模式了？