定价模型全景：订阅 / 用量 / 混合 / freemium / outcome / token，怎么挑

你做了个 AI 工具，功能跑通了，用户也来了几个，然后卡在一个问题上动不了：到底该怎么收钱？ 按月订阅？按用了多少次收？还是先免费用、好用了再升级？

我见过太多独立开发者在这一步要么直接抄某个大厂的套餐页（结果套餐结构跟自己产品根本不搭），要么干脆按席位收（一个用户多少钱一个月）——然后发现 AI 产品按席位收最坑：重度用户一个月调用上万次，把你后端 token 成本烧穿了，你还在按"一个人多少钱"收他。

这一节把主流定价模型一个个摆开讲清楚：各自怎么收、适合什么产品、优缺点在哪。然后给你一张对照表和一棵决策树，让你不靠抄、靠判断挑出适合自己产品的那套。

先标个口径： 本文里出现的所有价格、比例、转化数字都是示意和"标口径"的大致行情，不是定律——市场会变、你的产品不一样，务必结合自己的成本、价值和竞品测试，别把例子当标准照搬。

这篇适合谁：你有一个（尤其是 AI 类的）产品/SaaS，准备开始收钱，或者现在收得别扭想重设。读完你能说清自己该用哪类模型、为什么。

---

先把六类定价模型摆开

定价模型说白了就是"你按什么单位向用户收钱"。主流就这么几类，先一句话各认一遍，后面再展开。

• 订阅（subscription）：按时间收，月费/年费，不管你用多少。Netflix、大多数 SaaS。
• 用量（usage-based / 按量）：按你实际用了多少收，调用一次算一次、传 1GB 算 1GB。云服务、API 多是这样。
• 混合（hybrid）：基础订阅费 + 超出部分按量。"$20/月含 1000 次，超出每次 $0.01"。现在占比最高的一类（标口径）。
• freemium：免费版长期可用，高级功能/额度要付费升级。Notion、很多工具站。
• 分层（tiered）：把功能/额度打成 Basic / Pro / Enterprise 几档，本质是订阅或混合的"包装方式"，不是独立一类，但常被单拎出来说。
• outcome / 按结果：按你给用户创造的结果收，比如"帮你成一单收多少""省下多少给你抽成"。新、难做，但 AI 时代有人在试。
• token / AI-用量：AI 产品特有，按消耗的 token（或积分、credits）收。本质是用量计费的一种，但因为成本结构特殊，单独讲。

记住一句话：没有"最好的模型"，只有"和你产品的价值交付方式对不对得上"的模型。 用户用得越多、你给的价值越大、你的成本也越高——这种产品就该让"收的钱"跟着"用量"走，纯订阅会让你两头吃亏。

---

一个个讲清：怎么收、适合谁、坑在哪

订阅：最省心，但和"用得多"脱节

怎么收：固定月费/年费，到点扣钱，用多用少一个价。

适合谁：用户每次用都得到差不多的价值、你的边际成本很低的产品。工具类、内容类、协作类 SaaS 多用它。用户喜欢它，因为账单可预测；你也喜欢，因为收入可预测（MRR 好算）。

坑：当你的产品成本跟着用量走（比如每次调用都烧 AI token），纯订阅就危险了——轻度用户觉得"我没怎么用还交这么多"流失掉，重度用户"疯狂调用"把你成本吃穿。两头都不讨好。

用量：跟成本对齐，但用户怕"账单失控"

怎么收：按实际用量乘单价。100 次调用 × $0.01 = $1。

适合谁：用量波动大、你的成本也跟着波动的产品。API、云存储、AI 推理服务。好处是你永远不会亏成本——他用得多你收得多。

坑：用户讨厌不可预测的账单。"这个月不知道会被扣多少"会直接劝退一批人，尤其是预算敏感的小团队。所以纯用量很少单独用，往往要配一个上限或基础包。

混合：基础费 + 用量，现在的主流

怎么收：一笔固定基础费（含一定额度）+ 超出部分按量。"$29/月含 5 万 token，超出每 1k token $0.5"。

适合谁：几乎所有"价值和成本都跟用量正相关"的产品，尤其 AI 类。它同时解决了订阅和用量各自的毛病：基础费给你可预测的底盘收入、给用户一个心理锚点和"包够用"的安全感；用量部分让重度用户多付、保护你的成本不被烧穿。

为什么它现在占比最高（标口径）：因为越来越多产品的成本结构变成了"用一次花一次钱"（AI 推理尤其典型），纯订阅扛不住、纯用量留不住人，混合是那个甜点。如果你拿不准选什么，AI 产品默认先考虑混合。

freemium：免费引流，靠少数人付费养整盘

怎么收：免费版长期可用，触到某条线（额度满了、要高级功能、要协作/导出）才付费。

适合谁：靠规模和口碑增长、边际成本低、有清晰"免费→付费"升级理由的产品。

坑：免费版的成本是你真金白银扛的，绝大多数人永远不付费。如果你的免费用户每人都在烧你的 AI token，freemium 可能让你"用户越多亏越多"。freemium 对 AI 产品要格外小心免费边界（这条线怎么画，下一节"付费墙与试用模型"会专门讲）。

outcome / 按结果：诱人但难落地

怎么收：按你给用户创造的可量化结果收。"帮你约到一个客户收 $X""帮你省下的成本抽 Y%"。

适合谁：结果清晰可归因、双方都认账的场景。难点全在"归因"——用户成单了，凭什么算你的功劳？真能掰扯清楚的少。AI 时代有人在试（"AI 干完一个活儿收一次钱"），但对独立开发者，这是进阶选项，别一上来就用。

token / AI-用量：AI 产品的特有题，单独讲

它本质是用量计费，但因为你的底层成本（调大模型 API）也是 token 计的，定价就变成一道"成本透传 vs 打包"的题。下一节专门拆。

---

AI 产品特有：token / 用量计费怎么设计才不亏

这是 AI 时代最该想明白的一道题：你的成本是按 token 烧的，你怎么把它转成对用户友好、又不亏的价格？ 两条路：

1）成本透传（pass-through）：直接把 token 用量乘一个倍率卖给用户。"底层成本 $0.01/1k token，我加 30% 卖 $0.013/1k"。

• 好处：你永远不会亏成本，用多少收多少，安全。
• 坏处：用户对"token"无感，账单不可预测，劝退非技术用户。

2）打包成"次数 / 积分 / 额度"（packaging）：把 token 翻译成用户看得懂的单位。"$29/月含 500 次生成"——背后是你按平均每次消耗多少 token 估算出来的。

• 好处：用户看得懂、账单可预测，"次"比"token"好理解一万倍。
• 坏处：你得自己吃下"平均"和"实际"之间的差。万一来一批重度用户，每次都用满 token，你的"500 次"成本就超了。

实战怎么做（标口径，结合自己测）：

• 给一个"包够用 + 超出按量"的混合结构：基础包用打包单位（让用户安心），超出部分按量或买加油包（保护你成本）。这就是为什么混合模型对 AI 产品最顺手。
• 倍率别拍脑袋：你的卖价至少要覆盖「底层 token 成本 + 失败重试 + 免费用户损耗 + 平台抽成」。很多人只算了"一次成功调用的 token 钱",忘了重试、超长上下文、免费白嫖这些隐藏成本,结果毛利是负的。
• 给重度用户留个出口：设上限、或引导他们升到更高档/企业版谈定制，别让一个 outlier 把你这档的毛利吃光。

想把"一次调用到底花多少钱、毛利够不够"算明白，本级另有一节专门讲小产品的性能成本怎么扛得住、不亏钱，建议配合看。

---

增量一：定价模型对照表

模型	怎么收	适合什么产品	优点	坑
订阅	固定月/年费，用多用少一个价	边际成本低、每次价值稳定	收入可预测、用户账单可预测	和"用得多"脱节，AI 产品两头亏
用量	按实际用量 × 单价	用量和成本都波动大	永远不亏成本	账单不可预测，劝退预算敏感用户
混合	基础费(含额度) + 超出按量	几乎所有用量驱动产品，尤其 AI	兼顾可预测和成本保护	结构稍复杂，要把额度讲清楚
freemium	免费长期可用，升级才付费	靠规模口碑增长、边际成本低	引流强、口碑好	免费成本你扛，AI 产品易"越多越亏"
outcome	按可量化结果收	结果清晰可归因的场景	价值对齐、好谈高价	归因难，落地门槛高
token	token/积分/额度计费	AI 推理类产品	跟底层成本对齐	用户对 token 无感，要翻译成人话

---

增量二：选型决策树

照这个顺序自问，能帮你快速收敛：

1. 你的成本跟着用量走吗？（每次用都烧你真金白银，比如调大模型 API）

   • 不太走（边际成本接近 0）→ 走 订阅 或 freemium，简单可预测，别给自己加复杂度。
   • 明显走 → 继续往下。

2. 用户用量波动大吗？（有人一天调 3 次，有人调 3000 次）

   • 不大、比较均匀 → 分层订阅 就够（用档位区分轻重度）。
   • 波动很大 → 走 混合：基础包 + 超出按量。这是 AI 产品的默认答案。

3. 你要不要靠免费版引流？

   • 要、且免费成本扛得住 → 在上面的基础上叠一个 freemium 免费档（注意画好免费边界）。
   • 免费会被白嫖烧穿 → 别上 freemium，改用"短期免费试用"逼出付费意愿（下一节专讲）。

4. 你的价值能清晰归因到一个"结果"吗？

   • 能、且双方认账 → 可以试 outcome 作为高端档的附加选项（进阶，别当主模型）。
   • 不能 → 老实用前面挑出来的。

绝大多数独立开发者的 AI 产品，跑完这棵树会落在**「混合 + 一个克制的 freemium 免费档」**——这不是巧合，是产品成本结构决定的。

---

反面教训：三个把自己定价定亏的真实坑

1）AI 产品按纯席位收，被重度用户烧穿。 一个做 AI 写作工具的，照搬传统 SaaS"$15/人/月"。结果几个内容工作室买了号疯狂批量生成，每人每月调用上万次，token 成本远超 $15，用得最狠的客户反而最亏钱。席位定价的前提是"每个人用量差不多"，AI 产品恰恰不满足。

2）定价跟成本完全脱钩，毛利是负的还不知道。 有人定价时只看了竞品卖多少、自己想卖多少，从没算过一次调用的真实成本（token + 重试 + 免费损耗）。卖 $9/月感觉"挺合理"，实际重度用户的成本早超过 $9。没有成本底线的定价是在裸奔。

3）AI 产品按次收，把"一次"的成本算亏了。 打包成"$0.1 一次生成"听着精明，但他按"一次成功、短上下文"估的 token 成本。真实里有重试、有用户传超长上下文、有生成失败仍消耗 token——真实每次成本比他估的高一截，量越大亏越多。 打包定价必须按"较坏情况"留足缓冲，不是按"理想情况"。

---

常见问题

问：我刚起步，没那么多用户，是不是先订阅最简单？

如果你的产品边际成本很低（不咋烧 token），订阅确实最省心，先跑起来。但只要你的成本跟着用量走，哪怕用户少，也建议一开始就上混合结构——晚改不如早立规矩，免得后面有了重度用户被动救火。

问：混合模型会不会太复杂，用户看不懂？

关键在怎么讲。别说"基础费 + 超额 token 按量"，说"$29/月，含 500 次，用超了每多 100 次 $5"——用人话的单位、给清楚的额度，用户完全能懂。复杂的是后台，不是给用户看的那一面。

问：freemium 和"免费试用"是一回事吗？

不是。freemium 是免费版长期存在；免费试用是限时（比如 14 天）后必须付费或降级。两者转化逻辑差很多，下一节会专门拆。

问：outcome 定价听起来最赚钱，为什么你不推荐我用？

因为它最难落地。结果归因、双方认账、回款周期，每一关都是坑。除非你的场景结果极其清晰（比如"AI 帮你回收一笔欠款抽成"），否则对一个人的小团队，运营成本远超收益。先用混合把盘子做稳，outcome 留给以后。

---

动手挑战

1. 跑一遍上面的决策树，写下你的产品该落在哪个模型，以及"为什么不是其它几个"。
2. 把你产品的一次核心调用的真实成本算出来（token + 估个重试/失败损耗），看看你现在的定价毛利到底是正是负。
3. 如果你现在是纯订阅或纯席位，试着设计一个混合结构：基础包含多少、超出怎么收，写成一句用户能看懂的话。

---

小结 · 你现在掌握了什么

• 你能说清订阅 / 用量 / 混合 / freemium / outcome / token 六类模型各自怎么收、适合谁、坑在哪。
• 你知道为什么混合（基础费 + 用量）现在占比最高——因为越来越多产品（尤其 AI）的成本跟着用量走，纯订阅扛不住、纯用量留不住人。
• 你会给 AI 产品的 token 计费做"成本透传 vs 打包"的取舍，并知道倍率要覆盖重试、损耗这些隐藏成本。
• 你手里有一张对照表和一棵决策树，能不靠抄、靠判断给自己的产品挑模型。

定价模型选对，是变现的地基。选错了，后面投再多精力做增长都是往漏桶里灌水。挑好模型之后，下一步是把付费墙和试用模型设对——免费给到什么程度才既留得住人又逼得出付费，那是本级另一节的事。

下一步：想看自己在整条变现路上的位置，对照三支柱路线图；把变现前的基本功补齐，回AI 编程阶梯前段。本阶梯（L8 变现）的其它节会接着讲付费墙、试用模型和涨价。

👉 看看我们的 AI 编程实战体系课，或逛 AI 编程教程大全 把基本功打扎实。