ARTICLE · 1325083
最赚钱的 AI 工具,没一个在为结果付费
智镜科技 · AI 商业观察
"AI 时代，付费逻辑从为工具付费变成了为结果付费。"
这句话你大概听过一百遍了。OpenAI 的董事长说过，Salesforce 的销售说过，无数 AI 创业公司的 PPT 第一页都写着它。听起来很对，很先进，很"AI Native"。
但你只要打开任何一个主流 Coding 工具的定价页面，就会发现一件事：没有一个在按"结果"收钱。
它们全都在按 Token、按积分、按请求次数收费。而且收得越来越精细，越来越像水电煤。
这不是一个细节问题。这是"为结果付费"叙事里最核心的裂缝。
先看事实：Coding 工具在按什么收钱
GitHub Copilot
2026 年 6 月正式切换计费模式：旧的"高级请求"被废弃，取而代之的是基于 Token 的 AI 积分系统。Pro 用户每月 10 美元获得 15 美元积分；Pro+ 用户 39 美元获得 70 美元；新的 Max 计划 100 美元获得 200 美元。积分消耗基于输入、输出和缓存 Token 计算，用完就停，想继续用就额外买。GitHub 的产品副总裁解释得很坦白：基础额度是固定的，但"弹性额度"会随模型定价和 AI 成本变化而调整。换句话说，你付的钱对应的不是"代码写好了没有"，而是"你消耗了多少算力"。
Cursor
付费计划包含一个每周刷新的用量池，不同模型按不同费率从池中扣减。第三方模型（Claude、GPT、Gemini）不在池内，从第一次请求起就按 API 标价从预付余额里扣。你用得多，扣得快；你换个便宜模型，扣得慢。计费单位始终是用量，不是产出。
Claude Code
没有独立定价，包含在 Claude 的 Pro（20 美元）、Max 5x（100 美元）、Max 20x（200 美元）订阅里，共享五小时会话和每周限额。超出限额后，按标准 API 费率购买 usage credits——Sonnet 5.5 输入 2 美元/百万 Token、输出 10 美元/百万 Token，Opus 5.5 翻倍。
Codex
包含在 ChatGPT 订阅中，Plus 20 美元、Pro 200 美元，用量随计划等级变化，本地消息和云端对话共用额度，设有每周上限。
四个最赚钱的 Coding 工具，四种不同的定价页面，同一个底层逻辑：你付的钱对应的是 Token 消耗量，不是代码质量，不是 bug 修复数，不是上线速度。
为什么它们做不到"为结果付费"
这不是厂商偷懒或者黑心。这是 Coding 这个场景的物理属性决定的。"为结果付费"要成立，需要几个条件同时满足：结果可定义、可测量、主要受服务方影响、归因清晰。Coding 在这四条上，几乎每一条都站不住。
① 什么叫"好的代码"？
功能上线没 bug？架构可维护？开发速度提升 30%？你没法在合同里写清楚。一个 Agent 帮你生成了 500 行代码，跑通了测试，但引入了技术债——这算"结果达成"了吗？谁来判定？
② 产出高度依赖使用者
同一个 Cursor，给资深工程师和新手用，结果天差地别。提示词质量、代码库理解、生成结果的审查能力，全在用户侧。厂商没法为你的工程判断力兜底。
③ 归因几乎不可能
一个项目按时上线了，多少功劳属于 AI 工具，多少属于团队本身？没有一份合同能事先写清楚这个分配规则。
④ 成本结构本身就是用量驱动的
每一次 Agent 调用、每一轮多步推理、每一次重跑测试，都在烧实打实的 Token 和算力。厂商的成本随用量线性增长。它不可能对一个模糊的"结果"报固定价，然后承担你无限次重试的成本。
SemiAnalysis 的数据从侧面印证了这一点：OpenAI 和 Anthropic 的 200 美元订阅档，实际提供的 API 用量价值在 8,000 到 12,000 美元之间。用户只需要消耗其中 5% 到 10%，厂商就在这个用户身上亏钱。这种成本结构下，厂商的理性选择只有一条：把计费锚点从"订阅"推向"用量"，让成本尽可能转嫁出去。Anthropic 的企业方案已经这么做了——完全按 API 消耗计费，不再包含固定用量。
Coding 恰恰是最大的那块蛋糕
你可能会想：也许"为结果付费"存在于其他场景，只是 Coding 特殊？问题在于，Coding 不是边缘场景，它是 AI 收入的核心。
Menlo Ventures《2026 企业 AI 报告》（2026 年 11 月）
773 亿美元
2026 年企业 AI 应用支出
340 亿美元 编程类 AI 应用（单一最大品类）
250 亿美元 企业聊天机器人
SemiAnalysis 的研究更激进：Coding 和软件工程消耗了前沿实验室超过 70% 的 Token 需求，贡献了 OpenAI 和 Anthropic 超过 70% 的 API 收入。重度企业用户每人每年在 AI Coding 工具上的支出可达 10 万美元。
翻译一下：AI 行业最赚钱的品类，恰恰是离"为结果付费"最远的那个品类。消耗量最大、收入最高、增长最快的地方，计费单位是 Token 和积分，不是"解决了几个问题"。
"为结果付费"确实存在，但它不在 Coding 里
公允地说，这个词不是完全虚构的。在结果边界极其清晰的场景里，它确实在落地。
AI 客服领域有先行者。Zendesk 的按解决付费模式：一个工单解决了收 1.5 到 2 美元，没解决不收费。Salesforce 的 Agentforce 也提供按"AI 成功解决的工单数"计费的选项。
但即便是客服场景，问题也在暴露。有分析指出，Zendesk 将"72 小时无活动"定义为"已解决"，这可能导致实际解决数被高估 15% 到 30%。连"工单是否解决"这种相对离散、可判定的事件都会出现定义争议，更何况"代码写得好不好"？
至于 Coding，唯一的接近案例是 Sourcegraph 的 Agentic Batch Changes：只对成功合并进代码库的 changeset 收费。但 Sourcegraph 自己在那篇博客里承认，它能这么做，是因为把这个 Agent 刻意窄化到了只干"批量迁移"这一件事。通用 Coding Agent 做不到——因为它们被设计成什么都能干，而什么都能干就意味着"结果"无法被统一定义。
所以，问题出在哪
"为结果付费"这个词之所以危险，不在于它完全不存在，而在于它被当成了整个 AI 时代的通用叙事来推销。
当销售拿着 PPT 跟你说"我们按结果收费"时，你打开合同，计费单位写的是 Token。当行业论坛上有人慷慨激昂地说"订阅制已死，结果付费当立"时，台下坐着的 Coding 工具厂商，后台账单正在按积分扣费。
这不是说厂商在撒谎。更准确的说法是："为结果付费"是一个方向，不是一个现状。它在客服、在特定任务型 Agent 里正在发生，但在贡献了行业七成收入的 Coding 领域，它连门都还没摸到。
检验方法很简单：看合同里的计费单位是什么。
如果账单随 Token、积分、请求次数波动，那你就是在为用量付费，不管包装上写了什么。如果写的是"每个解决工单 X 美元""每笔成交佣金 Y%"，那才是为结果付费。
Coding 工具没有这么做，因为它们算得清这笔账：按用量收费，成本可以转嫁，收入可以预测，风险由用户承担；按结果收费，它们要为一个自己无法完全控制的过程兜底。
所以，下次再有人跟你说"AI 时代为结果付费"时，你可以问他一个问题：
那为什么最赚钱的 AI Coding，还在按 Token 收钱？
答案会很有意思。
关于智镜科技
我们专注企业 AI 落地与产业智能化升级，帮企业算清 AI 应用的真实经济账。如果你的团队正在评估 AI 工具的投入产出，欢迎交流。
— END —
智镜科技 · 企业AI落地与产业智能化升级
