软件做出来以后，多一个人点击，成本好像不会增加多少。带着这个印象看 AI 产品，很容易低估一张账单。
用户每生成一次内容，后台可能都要请模型重新处理；上传长文件，要解析；答案不合适，又重来一遍。使用越频繁，收入未必同步增长，支出却可能先长出来。
经济学里说的“边际成本”，放到这里，可以先理解成多完成一项任务带来的额外成本。它和一开始花了多少时间开发，不是一回事。
模型的收费也未必只有一个单价。Claude 的定价文档区分输入、输出以及不同缓存操作；缓存可以复用已经处理过的内容，计费方式与重新处理存在区别。资料：Claude 定价文档
所以，看到“处理一定量文字需要多少钱”，还不能直接推出“做一份报告要多少钱”。真实产品里的输入长短、生成篇幅、重复次数，都在变。
设想两位客户购买同一个报告套餐。一位每次提交两页材料，生成后稍作修改就能用；另一位上传很长的文档，连续要求重写，还反复提交失败任务。两个人最后都拿到一份报告，背后的机器工作量却可能差很多。
这也是为什么“最便宜的模型”未必带来最便宜的交付。如果它经常漏项，需要重跑或人工修正，省下的调用费可能被其他环节吃掉。反过来，能力更强的模型也不该自动用于每一件小事。
我更愿意把一次成功交付看成完整的账单：为了得到这一份可用结果，模型跑了几次，搜索和解析花了多少，失败后又做了什么。人工支持与固定订阅也有成本，只是与这些随使用增加的费用，最好分开理解。
平均值有时还会让问题晚一点显现。早期客户用得轻，套餐看上去很宽裕；后来重度用户增加，原来的估算就不一定成立。一个产品受到欢迎，和它的定价能支撑这种欢迎，是两件需要分别解释的事。
这并不是说 AI 产品不适合按月收费。收费方式可以有很多种，价格也要看客户得到的价值。只是“写好一次、永远低成本复制”的想象，到了需要持续调用模型的环节，就不能原封不动地沿用。
用户买的是一份结果，经营者承担的是让结果真正可用的整段过程。利润通常藏在两者之间的差额里。