智能体交付该按什么计价,这个问题在每一场客户会议上都会被问。按 Token 计价听起来技术,按结果计价听起来公道,两种口径背后是两种风险分配方式。

选错口径,项目做得再好也会亏。

按 Token 计价的问题在哪?

客户听不懂,也不关心。他们不知道一百万 token 是多少,也不知道自己的需求要消耗多少。你报一个 Token 单价,客户的第一反应是「你是不是想让我多用」。

更麻烦的是,Token 用量和交付质量不挂钩。你可以用很多 token 生成一堆废话,也可以用很少 token 一次做对。按用量计价,等于奖励低效。

按结果计价的问题在哪?

边界难定。什么叫「做好了」?通过率多少算通过?客户改需求算不算新项目?这些不写清,结果计价会变成无限责任。

我见过最惨的案例:一个按结果计价的客服机器人项目,客户不断加场景,最后做了原定三倍的工作量,价格一分没加。

正确的做法是什么?

混合计价。基础费覆盖固定成本,按结果的部分覆盖增量价值。具体结构是:项目启动费加验收尾款,中间按里程碑付款。

这样既有保底,又有激励。客户也不用为不可见的 Token 买单。

里程碑怎么切?

按交付物切,不按时间切。比如一个知识库项目,切成四段:需求确认与语料清单、检索效果验收、问答准确率验收、上线与培训。

每段都有可检查的交付物,客户签一段付一段。这样双方的风险都被切小。

验收标准怎么写?

三个要素:指标、口径、样本。指标要可量化,比如准确率不低于八成五;口径要写清怎么算,比如抽一百条人工判定;样本要写清谁提供,比如客户提供真实问题集。

三条都写进合同,验收就没有争议空间。

价格该定在什么水平?

先算成本底线,再算价值上限,取中间。成本底线是模型调用加人工复核加返工预留;价值上限是客户因为这套系统省下的人力成本。

定价落在两者之间,客户觉得划算,你也有利润。低于成本底线是自杀,接近价值上限会被比价。

客户预算不够怎么办?

三个降级方案。第一,缩范围:先做一个场景,跑通再扩。第二,降规格:准确率从九成降到八成,成本能降一半。第三,换模型:用便宜模型加人工兜底,替代贵模型全自动。

三条都要提前说清,别做到一半才降级,那时候客户会觉得你在偷工减料。

这门生意的定价权在哪?

在验收能力。你能证明交付物达标,就有定价权;你证明不了,就只能被压价。

所以真正要投入的不是模型,是验收体系:测试集、评分规则、复现流程。这套东西做扎实,报价才站得住。

按 Token 还是按结果,不是技术问题,是信任问题。客户信你能交付,就接受按结果;客户不信,才盯着 Token 算账。

去论坛讨论

前往 ziyuanagi.com 论坛 参与讨论