随着 Manus 2.0 这类长任务智能体成熟，AI 服务的计费方式正在从「按 token」转向「按任务」。用户不想知道你背后烧了多少 token，只想知道「帮我写完这份竞品分析多少钱」。本文给一套可复制的按任务报价公式，今晚就能用。
先把成本拆成三块
一个长任务 Agent 的真实成本，不是简单的「输出 token 单价 × 输出 token 数」。要算三项：
- 模型推理成本：输入加输出 token 的 API 账单，用主力模型价格算。
- 重试损耗：工具调用失败、模型跑偏重来，通常要在理想 token 数上再加 30% 到 50%。
- 人工兜底：复杂任务最终要人工审核一遍，这部分按 10 到 20 元/次计入。
一个实操例子
假设帮客户做一份行业研报，理想状态消耗 500 万输入 token 加 200 万输出 token。用 GPT-6 Sol 价位：输入 2 美元/百万、输出 10 美元/百万，推理成本约 4 加 20 等于 24 美元，折合人民币约 170 元。加重试损耗按 40% 算约 70 元，加人工审核 20 元，总成本约 260 元。
按 3 倍毛利报价，这个任务收 800 元到 1000 元是合理区间。如果走 GPT-6 Luna 档，推理成本能压到原来的二十分之一，但质量下降，要在交付物里说明用的是轻量模型。
三种报价模式怎么选
固定任务价：适合标准化任务（周报整理、数据抓取），一次定价长期不变，风险是用户滥用导致你亏。按成功结果：适合线索生成、简历筛选类，按合格结果个数收费，用户最容易接受。按时长：适合开放式研究，按小时报价，避免任务范围蔓延。
三个避坑提醒
第一，报价前先跑 10 个真实任务摸清楚平均 token 消耗，别拍脑袋。第二，把重试成本写进报价，不要等用户骂完才发现亏本。第三，跑三个月后复盘：哪类任务毛利最低，要么涨价要么砍掉。按任务定价的本质，是把 AI 从「自助工具」变成「可报价的服务」，这一步走通了，Agent 公司才真正有收入。别害怕一开始报价不准，跑几单就知道自己的真实成本曲线了。