OpenAI 開始「做到才收費」：AI 定價從用量走向成果

過去十年，AI 的定價一直像背景裡运转的電表：每月按座位數、按每百萬 token、按小時算力計費。8 月 31 日，The Information 報導，OpenAI 近幾個月已悄悄為部分大型客戶提供另一種交易——只在 AI 真正完成任務時才付錢。這是個規模不大的實驗，意義卻極大：全球最大的 AI 供應商，正在測試這個產業的價值單位是否該從「用量」變成「成果」。

報導內容

根據 The Information 的簡報，OpenAI 已開始讓特定大型企業客戶選擇按成果付費——AI 把工作做完、經驗證確實完成，錢才會轉手。報導將此定位為「全產業走向成果定價浪潮」的一環，隨著代理（agent）接手過去以人工小時計價的工作，這波浪潮可能重塑 AI 合約的結構。

OpenAI 並未公布這種定價的公開費率，相關安排似乎是逐一刻意協商，而非列在價目表上。這件事本身就說明了很多：成果定價天生客製化，因為沒有兩個客戶對「任務完成」的定義完全相同。

從用量到成果的範式轉移

要看懂這件事的分量，得先回顧產業爬過的定價階梯。最初是按座位——SaaS 的預設值，原封不動搬進 AI 產品。接著是按 token，至少反映了真實消耗：Zylo 的資料顯示，截至 2026 年 4 月，企業組織平均每年在 OpenAI API 上花費約 38 萬 4,500 美元，這個數字幾乎完全由 token 電表驅動。再來是混合模式——用量加座位加點數——Salesforce 的 Agentforce 現在就至少並行提供三種版本。

成果定價則直接拆掉了這座階梯。客戶為每一次解決、每一次完成的流程、每一個經驗證的結果支付固定金額。代理失敗，供應商自己吸收算力成本。Sierra 對這套哲學講得最明白：「採用成果定價，Sierra 只在你完成任務時才收費。」

這個模板最早在客服領域成型，因為那裡的成果最容易定義。Intercom 的 Fin 代理 2023 年上線時就是每次解決收 0.99 美元——只在對話端到端結案時才計費——這套模式隨後擴散到 Zendesk、Sierra、Legora、AirHelp 等業者。Sierra 的成果費率從每次自動解決 1.50 美元起跳（隨用隨付則為 2 美元）。Salesforce 以約 36 億美元收購 Fin，某種程度上就是押注「按解決計費」的經濟模型可以規模化：當 Salesforce 執行長 Marc Benioff 說 Agentforce 客戶現在可以協商與營收成長或成本節省掛鉤的合約時，他描述的正是企業層級的成果定價。

Agentforce 本身就是最高規格的試驗場。SaaStr 對 Salesforce 三種以上 Agentforce 定價模式（消耗點數、彈性點數、如今加上掛鉤成果的客製合約）的分析，讀起來像對整個定價技術棧的即時 A/B 測試——而在企業級對話中，成果條款正節節勝出。

OpenAI 為何選在此時

有三股力量在 OpenAI 的實驗中交匯。

第一，代理改變了產品本身。 聊天機器人按 token 計費很自然；但一個會規劃、呼叫工具、執行數小時工作流程的代理就不行了。當交付物是「退款已處理」或「報告已提交」，客戶不再用 token 思考，而是直接對比真人做同一件事的成本——通常每個任務 20 到 60 美元。到了這個層級，按 token 計費幾乎無法比較。

第二，促銷定價時代正在結束。 就在本週，整個產業正在重新定價：Claude Sonnet 5 的 2 美元/10 美元優惠價 8 月 31 日到期、回到 3 美元/15 美元；GPT-5.6 Sol 的促銷價 4 美元/20 美元預定 11 月 21 日前後回到 5 美元/30 美元；Claude Code 的夏季用量加成也將在 9 月 14 日退場。以獲取用戶為目的的圈地定價階段正在收尾，接棒的方案必須撐得起真實毛利——而對財務長來說，「做到才收費」比再一次調漲 token 價格是好賣太多了的毛利故事。

第三，這個想法在 OpenAI 的圈子裡有重量級推手。 OpenAI 董事會成員、Sierra 共同創辦人 Bret Taylor 整個 2026 年都在公開主張：成果定價是軟體商業模式的未來，AI 價值的「原子單位」是完成的任務。當董事會自己成員的框架被拿去跟大客戶試點，方向已經很難看錯。Andreessen Horowitz 更早從 2024 年底就推同一套論述，主張代理給了新創一把既有業者難以複製的定價武器，因為傳統廠商的營收就綁在座位數上。

最難的一關：歸因

最清醒的警告來自支付層。看過最多 AI 業者帳單的 Stripe 已提醒：成果定價的歸因將會一團亂，因為商業成果很少能乾淨地追溯到單一 AI 系統。一張由代理解決的客服單，可能中途靠真人升級處理、靠另一家廠商寫的知識庫文章疏通、最後是因為第三方物流 API 終於回傳正確答案才結案。這算誰的成果？

這個問題在多代理系統裡會指數放大——多家廠商的模型協作產出同一個結果。它也帶來經典的量測陷阱：誰來驗證任務「完成」了？供應商會不會操弄定義？客戶會不會像今天爭執發票那樣爭執成果——而仲裁者是誰？成果定價把戰場從單位經濟移到合約條款，最後勝出的公司，可能是有最好的稽核機制的，而不是有最好的模型的。

意義所在

對買家來說，這波轉移初期是好消息：試錯成本降到近乎零（代理失敗不收錢），預算對話從「我們燒了多少 token」變成「每個成果的成本對比人工基線是多少」。可以預期採購團隊會開始在每一份 AI 合約裡要求成果條款——只因為他們現在有籌碼這樣要求。

對 AI 供應商來說，這是一次附帶篩選效應的毛利擠壓。按成果收費，就代表要吸收每一次失敗嘗試的成本——每一步幻覺、每一次重試、每一件最後還是要人類收尾的任務。對自己代理有信心的廠商會勝出；那些只有七成可靠度的廠商會發現，成果定價把錯誤率直接換算成營收折扣。這套模型的重心，短期內仍會停留在成果清晰可驗證的領域——客服結案、文件處理、有測試可驗證的程式任務——在有人敢用這種方式為更模糊的知識工作定價之前。

而對整個軟體產業，OpenAI 的實驗就是主流化訊號。當按次解決收費還只是 Intercom 的新奇嘗試時，既有業者可以視而不見；當它變成 OpenAI 本身提供的談判籌碼——這家公司的 API 躺在數千款產品底下——每一張寫著「每用戶每月」的 SaaS 價目表，突然都在跟另一種度量衡談判。Benioff 開放營收掛鉤合約與 OpenAI 測試按任務收費發生在同一個月，暗示 2027 年的軟體預算，將用一種與 2025 年不同的貨幣來編列。

Token 電表不會消失——多數 API 流量未來幾年仍會按用量計費。但這個產業最重要的價格，已經不再是「每百萬 token 多少錢」，而是「機器真正做完這件事時，你付多少」。OpenAI 剛剛開始用真實合約回答這個問題。

---

資料來源列於文章 metadata。報導數據已對照 The Information 8 月 31 日簡報、Sierra 與 Intercom 公開定價、Stripe 成果定價指引，以及 SaaStr 的 Agentforce 定價分析。