为智能体交付的价值定价，但前提是你扛得住成本飙升的那个月。
智能体产品打破了 SaaS 的定价剧本，因为销货成本是真实且可变的——这个功能的每个"用户"都抽走计量的算力，于是那个铸出 80–90% 毛利的席位授权直觉无法迁移。挑一个定价模型，就是在选价格如何追踪交付的价值，以及你吸收多少可变成本风险、转嫁多少。对齐对了，增长是健康的；对齐错了，你最好的客户就是你最大的亏损。
SaaS 的毛利直觉在计量算力面前活不下来。
经典 SaaS 把一个席位对着近零的边际成本定价，于是用量与毛利解耦、毛利跑在 80–90%。智能体产品把销货成本请了回来：每次活跃使用都花模型与工具预算，2025–2026 的运营者报告智能体毛利常落在 50–60% 这一带，而非 SaaS 那样。任何不正视一个真实、可变、有时飙升的销货成本的定价模型，都是一个穿着智能体外套的 SaaS 模型——它会一直看着赚钱，直到用量变了形。
席位、用量、结果定价各在某处错位。
三种模型在可预测性与价值对齐之间各有取舍。按席位对买方可预测，但价格与成本解耦——一个高级用户摧毁毛利，一个休眠席位补贴毛利。按用量（按 token/调用/运行）很好地追踪你的成本，却为付出收费，包括失败，客户为此不满，而且这是在为你的低效惩罚他们。按结果（按解决工单、通过线索、交付产物）让价格与价值对齐，却把全部执行成本风险转到你身上。没有哪个模型没有错位；选择是你能管住哪种错位。
让价格与价值对齐，然后守住下限。
结果定价是 2026 年市场的去向，因为它卖的是客户真正想要的东西，并让回报对他们一目了然。但它只有在按"现实成功率下满载的每个成功成本"、而非顺风路径的 token 成本定价时才成立。
# outcome price must clear loaded cost-per-win with a margin band loaded_cost_per_win = (model + tools + retries + escalation + eval) / success_rate # industry rule of thumb: 2.5x–3.5x the blended per-unit cost outcome_price = loaded_cost_per_win * 3.0 # the multiple is the buffer for the p90 cost month, not greed
相对混合单位成本 2.5–3.5× 的倍数不是毛利注水——它是让你在第 90 百分位成本月（重试、长尾、上报一起飙）仍能偿付的缓冲。按 1.2× 定价，第一个坏月你就资不抵债。
智能体越自主，你持有的定价风险越大。
自主性与毛利风险一起移动。一个范围收紧、拴着短绳的智能体成本可预测；一个长程自主智能体可能决定在一个难实例上花 50×，而在结果定价下那份方差全落到你头上。你卖的自主性越多、越按结果定价，你就越是在为成本分布开一本保险账——而一本定价过低的保险账，会一路盈利，直到理赔到来。
混合定价把风险放在各方扛得住的地方。
2025–2026 成熟的打包很少是纯的；它组合多种模型，让各自覆盖不同风险：
- 平台费 + 结果单价——费用覆盖固定成本并抑制方差；单价让上行与交付价值对齐。
- 带合理使用上限的结果价——正常区间内价值对齐，配一个上限以框住你无法免费承保的病态长尾。
- 含额度之上用量透传——你吸收可预测的量，客户为自己的重度或滥用使用承担边际成本。
什么时候结果定价是个错误的承诺。
结果定价要求一个客观、双方互信的结果定义，以及一个你框得住的成本长尾；如果"成功"有争议，或成本方差无界且不可承保，结果定价就把每一个难案变成一笔你按合同欠下的亏损。只在你既能核验结果、又能扛过它最坏成本月的地方卖结果；否则一个封住你下行的混合方案是诚实定价，不是更弱的报价。