2023年所有AI产品都在按Token收费；2024年订阅制开始流行；2025-2026年**按结果付费（Outcome-based pricing）**成为新趋势。每种定价模式背后是不同的商业逻辑——选错定价等于把钱送给竞争对手。这篇文章把2026年6大AI定价模式拆透。
一句话总结
AI定价6模式：Token按量 / 订阅制 / 按席位 / 按调用 / 按结果（Outcome-based）⭐ 2026新趋势 / Hybrid混合。核心选型逻辑：成本可预测性 vs 价值可衡量性。Token适合API/平台，订阅适合稳定使用，按结果适合明确价值的Agent——这是2026年最被追捧的模式。
1. 2026年AI定价全景
┌─────────────────────────────────────────────────────────┐
│ AI定价6大模式 │
├─────────────────────────────────────────────────────────┤
│ │
│ 1. Token按量计费 → OpenAI/Anthropic API │
│ 2. 订阅制（Subscription）→ ChatGPT Plus/Cursor Pro │
│ 3. 按席位（Per-Seat） → 企业版GitHub Copilot │
│ 4. 按调用（Per-Call） → GPT Store/Coze/Dify │
│ 5. 按结果（Outcome-based）⭐ → Devin/Intercom Fin │
│ 6. Hybrid混合 → Claude Pro Max（订阅+超用按量）│
│ │
└─────────────────────────────────────────────────────────┘
2. 模式1：Token按量计费
2.1 模式核心
按输入Token + 输出Token分别计费
价格单位: $/1M tokens
2.2 2026主流API定价（节选）
| GPT-5.5 | $5.00 | $30.00 | $0.50 |
| Claude Opus 4.7 | $5.00 | $25.00 | $0.50 |
| GLM-5.1 | $1.40 | $4.40 | $0.26 |
| Kimi K2.6 | $0.95 | $4.00 | $0.16 |
| DeepSeek V4-Pro | $1.74 | $3.48 | — |
| DeepSeek V4-Flash | $0.14 | $0.28 | — |
| MiniMax M2.7 | $0.30 | $1.20 | $0.06 |
2.3 适用场景
✅ API产品（开放给开发者）
✅ 平台型产品（Coze/Dify给开发者用）
✅ 高度定制化使用（用量差异巨大）
2.4 优劣
| 公平（用多少付多少） | 用户难预测费用 |
| 易于理解 | 业务侧难做财务规划 |
| 平台方现金流好 | 用户有"焦虑感" |
2.5 致命问题：用户认知摩擦 ⚠️
用户痛点:
"问一个问题花多少钱？"
"我每天用50次会花多少？"
"超出预算了怎么办？"
→ 用户每次使用都在心算成本
→ 体验崩塌
这就是为什么Token定价正在被订阅制取代。
3. 模式2：订阅制（Subscription）
3.1 模式核心
固定月费/年费，配额内随便用
ChatGPT Plus: $20/月
Claude Pro: $20/月
Cursor Pro: $20/月
Manus Pro: $39/月
3.2 2026订阅制案例
| ChatGPT Plus | $20/月 | GPT-5.5 80次/3小时 | 等待或升级Pro |
| ChatGPT Pro | $200/月 | 几乎无限 + o3 Pro | — |
| Claude Pro | $20/月 | Claude Opus 4.7 ~45次/5小时 | 等待 |
| Claude Pro Max | $200/月 | 5倍Pro用量 | Hybrid（按Token超用） |
| Cursor Pro | $20/月 | 500 fast requests | 慢请求无限 |
| Cursor Business | $40/月/座 | 团队功能 | — |
3.3 优劣
| 用户费用可预测 | 重度用户被免费用户补贴 |
| 决策摩擦小（一次决定） | 服务商用户中位数成本不可控 |
| 现金流稳定 | 留存压力大（用不上就退订） |
| 营销简单 | 配额设计是艺术 |
3.4 配额设计的艺术
太松: 重度用户拖垮成本（GPT-4 Plus初期问题）
太紧: 用户感觉不够用，流失
经验法则:
免费用户 vs Pro用户的使用量差距 ≈ 10-50倍
中位数Pro用户成本 ≈ 价格的30-50%
极端Pro用户成本 ≈ 价格的80-150%（用Pro Max去截）
3.5 适用场景
✅ C端高频应用（ChatGPT/Claude）
✅ 专业工具（Cursor/Notion AI）
✅ 使用量稳定的场景
4. 模式3：按席位（Per-Seat）
4.1 模式核心
按"使用人数"收费
价格单位: $/座/月
4.2 2026企业版定价
| GitHub Copilot | $10/月 | $19/月/座 + Enterprise tier $39/月/座 |
| Cursor | $20/月 | $40/月/座 |
| Notion AI | $10/月/用户 | 包含在Notion Business |
| Glean | — | $25-100/月/座 |
| Anthropic for Enterprise | — | $30+/月/座 |
4.3 为什么企业偏好按席位？
| 预算可控 | “我们有100人，所以预算$1900/月” |
| 采购流程匹配 | 类似传统SaaS采购 |
| 审计清晰 | 谁用了一目了然 |
| 谈判空间 | 大客户可议价（“你给80折我买100座”） |
4.4 优劣
| 预算可预测 | 多账号/共享账号问题 |
| 销售模式成熟 | 部分用户不活跃也付费 |
| 易于扩张 | 高频用户被限制（公平性） |
4.5 适用场景
✅ B2B SaaS（企业级产品）
✅ 协作工具（团队场景）
✅ 传统行业转型（采购流程匹配）
5. 模式4：按调用（Per-Call）
5.1 模式核心
按"调用次数"收费
适合GPT Store/Bot商城/插件市场
5.2 案例
| GPT Store | 按用户使用次数分成 |
| Coze（字节） | 调用次数+Token双轨 |
| Dify | API调用次数 |
| 扣子AI | 调用次数 |
| Hugging Face Inference | 按推理次数 |
5.3 优劣
| 用户费用可预估 | 单次成本差异大（短问vs长输出） |
| 易于打包销售 | 容易刷量 |
| 平台抽成清晰 | 不适合大模型直接对接 |
5.4 适用场景
✅ 平台型市场（GPT Store风格）
✅ 包装好的工具（一次调用解决一个明确任务）
✅ 轻量集成（Dify/Coze这种低代码）
6. 模式5：按结果计费（Outcome-based）⭐ 2026新趋势
6.1 模式核心
按"完成的任务/解决的问题/产出的结果"收费
不是按消耗收费（Input），而是按价值收费（Output）
6.2 2026经典案例
| Devin | $500/月起 + 按任务复杂度 |
| Intercom Fin | $0.99/解决的对话 |
| Decagon | 按解决工单数 |
| Klarna AI Assistant | 按客服小时数节省 |
| Salesforce Agentforce | $2/对话 |
| Sierra AI | 按解决率 |
6.3 Intercom Fin为什么是教科书案例 ⭐
传统客服SaaS: $X/月/座（按席位）
Intercom Fin: $0.99/解决的对话
价值对齐:
– 客户更满意（每个解决的问题都明码标价）
– Fin有动力提升解决率（不解决不收钱）
– 替代效果明确（VS 雇佣客服每月$3000+）
实测：Klarna用Fin替代了700个客服岗位的工作量。
6.4 优劣
| 价值对齐（用户付钱=拿到价值） | 价值难定义/衡量 |
| 替代逻辑清晰（VS雇人） | 需要可验证的"完成"信号 |
| 议价空间大（按效果收钱） | 服务商风险高（失败=零收入） |
| 天花板高（1个任务可值$100） | 法务/合规复杂 |
6.5 实施挑战
关键问题: 怎么定义"完成"？
Intercom Fin的解法:
– 用户对答复满意 = 解决（用户给👍/不再发问）
– 用户转人工 = 未解决（不收费）
– AI主动建议转人工 = 未解决（不收费）
Devin的解法:
– PR被merge = 完成
– PR被关闭/无效 = 部分退款
6.6 适用场景
✅ 价值可量化的Agent（客服/工单/编程任务）
✅ 替代雇佣场景（VS人工成本）
✅ 结果导向的咨询（VS按小时收费）
6.7 2026年的崛起原因
为什么Outcome-based现在火？
1. Agent能力达标 → 真能完成完整任务
2. Token降价 → 服务商有按结果定价的成本空间
3. 企业ROI诉求 → "我付的钱产生了什么价值？"
4. SaaS天花板 → 按席位/订阅增长见顶，需要新故事
a16z 2026年报告：Outcome-based pricing是"AI商业化的下一站"。
7. 模式6：Hybrid混合定价
7.1 模式核心
组合多种模式的优势:
– 基础订阅 + 超用按量
– 按席位 + 按结果
– 订阅 + 按调用（高级功能）
7.2 2026 Hybrid案例
| Claude Pro Max | $200/月（5x Pro量） | 超用按Token |
| Cursor Pro | $20/月（500 fast） | 超出走慢请求/upgrade |
| GitHub Copilot Enterprise | $39/座/月 | 高级Agent按用 |
| Anthropic企业版 | 包年合同 | 超用按Token |
7.3 为什么Hybrid流行？
单一模式都有死穴:
– 纯订阅: 重度用户拖垮成本
– 纯Token: 用户认知摩擦
– 纯按席位: 不公平
– 纯Outcome: 服务商风险高
Hybrid = 取每种的优势 + 规避劣势
7.4 适用场景
✅ 大型企业（需要灵活组合）
✅ 平台型产品（多用户群体）
✅ 使用波动大的场景
8. 定价模式选型决策树
你的产品/服务是什么？
│
├── API/底层模型
│ └── ✅ Token按量 + Hybrid（缓存折扣）
│
├── C端高频工具（聊天/IDE）
│ └── ✅ 订阅制 + 配额（Pro/Pro Max）
│
├── B2B SaaS
│ ├── 协作型 → ✅ 按席位
│ └── 任务型Agent → ✅ 按结果
│
├── 平台/市场（Bot商城）
│ └── ✅ 按调用 + 分成
│
└── 单点Agent（解决具体问题）
└── ✅ 按结果（Outcome-based）⭐ 2026最优
9. 2026定价趋势观察
9.1 趋势1：从消耗到价值
2023: 按Token消耗（输入侧定价）
2024: 按订阅/按席位（中间态）
2026: 按结果（输出侧定价）⭐
定价权从Input端转移到Output端
9.2 趋势2：高端订阅崛起
$20/月（普通用户）
$200/月（Pro Max – 重度用户）
$2000+/月（Enterprise）
付费分层越来越细
9.3 趋势3：成本降，定价降
2023年GPT-4: $30/$60 per 1M tokens
2026年GPT-5.5: $5/$30 per 1M tokens
（3年降了10x）
DeepSeek V4-Flash: $0.14/$0.28
（比GPT-4便宜200倍以上）
→ 定价压力传导到所有AI产品
→ Wrapper无法靠价格竞争
9.4 趋势4：透明度成卖点
用户疲于"按量计费的不确定性"
→ "明确告诉我多少钱"成为差异化
→ Outcome-based + 订阅制崛起的根本原因
10. 实战：如何为你的AI产品定价？
10.1 五步定价法
Step 1: 算成本
→ 单次调用的LLM成本 + 基础设施 + 人力 = 单位成本
Step 2: 估价值
→ 用户从你产品获得的价值（替代什么/节省什么）= 价值上限
Step 3: 看竞品
→ 同类产品的定价区间
Step 4: 选模式
→ 按决策树选择主定价模式
Step 5: 定锚点
→ 价格 = max(成本×3-5, 价值×0.1-0.3)
→ 在竞品价格±50%区间内
10.2 案例：一个AI客服Agent
成本测算:
– 每个对话约5次LLM调用
– 用Claude Opus 4.7: 约$0.05/对话
– 加基础设施+人力: 约$0.15/对话
价值测算:
– 1个对话替代客服10分钟
– 客服时薪$30/小时 = $5/对话价值
定价方案:
A) 按结果: $0.99/解决的对话（参考Intercom Fin）
→ 毛利60-70%
B) 订阅: $1000/月 含1500对话
→ 毛利40-60%
推荐: A方案（价值对齐+毛利更高）
10.3 反直觉：定价低不一定卖得好
$10/月 vs $200/月
→ $200/月版本可能销量更高（B2B场景）
原因:
– 低价格 = 低价值锚定
– 企业采购看ROI不看绝对值
– 高价格 = 高质量信号
10.4 涨价是常态
ChatGPT Plus: $20/月 → 仍是$20（市场压力）
Claude Pro Max: $200/月 → 推出新档位（避免直接涨）
Cursor Business: $40/座/月 → 涨过几次
涨价策略:
– 不涨基础档（避免负面）
– 推出更高档位
– 或者涨基础档同时增加配额
11. 面试高频问题
Q1：为什么2026年Outcome-based pricing崛起？
四个原因：(1) Agent能力达标——真能完成完整任务；(2) Token降价——服务商有按结果定价的成本空间；(3) 企业ROI诉求——“我付的钱产生了什么价值”；(4) SaaS天花板——按席位/订阅增长见顶，需要新故事。Intercom Fin的$0.99/解决对话是教科书案例。
Q2：纯Token按量定价的最大问题？
用户认知摩擦——每次使用都在心算成本，体验崩塌。这就是为什么Token定价适合API产品（开发者能算账），不适合C端产品（用户怕怕）。OpenAI推ChatGPT Plus就是为了解决这个问题。
Q3：订阅制的配额怎么设计？
经验法则：免费vs Pro的使用量差距10-50倍；中位数Pro用户成本≈价格30-50%；极端Pro用户成本可能80-150%（这部分用Pro Max档位截）。不要让重度用户拖垮整体成本。
Q4：什么时候用Hybrid定价？
(1) 单一模式无法覆盖所有用户（重度+轻度）；(2) 大型企业需要灵活组合；(3) 想避免单一模式的极端缺点。Claude Pro Max（订阅+超用按量）是经典案例。
Q5：Outcome-based pricing的关键挑战？
怎么定义"完成"。Intercom Fin用户给👍才收钱，用户转人工不收钱；Devin是PR被merge才算完成。没有明确的"完成"信号，Outcome-based就跑不起来。
Q6：AI产品定价的反直觉真理？
(1) 定价低不一定卖得好（B2B）；(2) Pro Max推出来不是为了卖很多，是为了让$20/月看起来便宜；(3) 涨价不是涨基础档，是推出新高档位；(4) 透明度本身就是定价竞争力。
总结
| Token按量 | API/平台 | 公平 | 用户摩擦 | 主流 |
| 订阅制 | C端高频 | 可预测 | 用户分化 | 主流 |
| 按席位 | B2B SaaS | 预算友好 | 不公平 | 主流 |
| 按调用 | 平台市场 | 易打包 | 易刷量 | 平台型 |
| 按结果 ⭐ | Agent/单点 | 价值对齐 | 难定义 | 2026崛起 |
| Hybrid | 大企业 | 灵活 | 复杂 | 高端必备 |
AI定价的核心逻辑：
给你的AI产品的定价建议：
- 如果你做底层API → Token按量
- 如果你做C端工具 → 订阅 + Pro Max（Hybrid）
- 如果你做B2B协作 → 按席位 + 高级功能按用
- 如果你做单点Agent → 按结果（2026最优）⭐
- 如果你做平台市场 → 按调用 + 分成
路易乔布斯 © 2026 | AI Agent & RAG学习计划 · 模块05-商业化 · 第一篇
参考资源：
- a16z, “AI Pricing: From Tokens to Outcomes”, 2026
- Stripe, “AI Commerce Report”, 2025
- BGV AI Advisory, “Pricing Strategies for Agentic AI”, 2025
