AI产品透明成本控制的单位与时机设计指南

一份实用指南，教你如何选择用量单位、设计支出限额，并在任务开始前、进行中和结束后解释 AI 成本。

每一次 AI 响应都有价格。人们往往只有在触达限额或收到账单时才发现这一点。

一次快速编辑和一个长时间运行的智能体在界面上看起来几乎一模一样。一个几秒钟就完成，另一个可能读取数百个文件、调用外部工具，并在过程中重试步骤。然而，两者都从同一个按钮开始。

与此同时，AI 产品不断改变其收费对象：请求、积分、任务、用量配额。显示更多技术数字并不会让这些成本更容易理解。人们想知道一项任务可能会消耗多少，是否值得运行，以及他们能做些什么来减少支出。

对于设计师来说，这归结为两个决策：

1. 单位：用户看到的自己正在消费的内容。
2. 时机：他们在何时理解成本——是在任务开始前、进行中还是结束后。

底层原理：令牌是什么

一个 令牌 是模型读取或生成的单位。分词器将文本拆分为片段：单词、单词的一部分、标点符号，有时甚至包括空格。对于英语，一个有用的粗略估计是一个令牌大约代表四分之三个单词。因此，一百万个文本令牌可能代表大约 750,000 个英语单词。确切的数量取决于分词器、语言和内容。

• 输入和输出的成本不同。 模型提供商通常对生成的令牌收取比读取的令牌更高的费用。在许多当前模型中，输出价格大约是标准输入价格的五倍。更长的回答、推理过程和重复尝试都会改变看似单个请求的经济性。
• 模型选择很重要。 不同模型的输出令牌价格可能相差数十倍甚至更多。在轻量级模型中便宜的请求，在前沿模型中可能会贵得多。用户的任务没有变，但计量方式变了。
• 模态改变了计算。 文本、图像、音频和视频并不共享通用的令牌转换规则。一个简短的提示词、一张图片附件和一个五分钟的视频片段在同一个输入框中看起来都是输入，但可能需要非常不同的处理量。一些提供商按令牌收费，另一些则按帧、秒数或生成设置收费。

为了了解规模感，一个 15 个单词的提示词大约对应 20 个文本令牌。使用一种图像计算方法估算，一张 1092 × 1092 的图片大约相当于 1,600 个图像令牌。对于视频，Google 发布的静态处理示例表明，根据分辨率设置的不同，五分钟的视频大约需要 30,000–90,000 个令牌。这些估算来自不同的系统，因此不能将它们视为同一种令牌来定价。这一局限性也是教训的一部分：单一的输入框隐藏了截然不同的工作量。

为什么显示令牌行不通

令牌是系统的货币，而不是用户的。 人们用金钱、时间、注意力和已完成的工作来做预算。他们通过更长的等待时间、变化的配额和意外的费用感受到令牌的影响——而不是通过计数它们。

“使用了 382,000 个令牌”可能在技术上很精确。但它并没有告诉某人下一次研究运行是否会适合他们的配额，任务的哪一部分昂贵，或者下次该做什么改变。

这份工作不仅仅是披露一个数字。而是要把系统成本转化为人们可以据此做出决策的信息。

可预测性胜过精确度

在 AI 之外有一个有用的类比。在一项针对 10,882 名互联网订阅用户的研究中，Lambrecht 和 Skiera (2006)发现，许多客户选择了固定费率套餐，即使按量计费套餐本来会更便宜。在一个群体中，近一半人做出了这种选择；其中超过一半的人支付的费用至少是他们实际所需费用的两倍 。

研究人员描述了两个 原因：

• 保险效应：如果多付钱能消除账单波动的风险，那么这笔额外支出可能感觉是值得的。
• 出租车计价器效应：当人们不得不看着计价器不断跳动时，他们对服务的享受程度会降低。

这项研究是关于互联网资费的，而不是关于 AI 的，因此它并不能证明 AI 订阅用户的行为方式。但它捕捉到了设计师们熟知的一种张力：人们希望了解他们的花费情况，而不必被迫计算每一次交互的成本。

一个好的 AI 成本界面能在不假装底层成本是固定的情况下，为他们提供这种可预测性。

决策 1：选择计量 单位

在设计计量表或定价屏幕之前，先决定人们看到自己正在消费的是什么。

没有一种完美的单位。原始 Token揭示了模型的实际消耗量，这在 API 控制台中很有用，但在产品工作流中难以推理。美元更容易识别，特别是对于管理预算的团队而言，但金额仍可能在一次运行到下一次运行之间发生 变化。

一些产品按自然单位收费，例如音频分钟数、处理的页数或 GPU 时间。另一些则使用积分：这是一种特定于产品的货币，允许截然不同的 AI 功能从同一个余额中扣除。积分简化了计费，但人们必须学习它们的 价值。

更贴近工作本身的是任务和操作 — 一次生成、数据增强或运行 — 以及结果，即费用取决于定义好的成果。这些更容易计数，因为它们类似于用户所请求的内容。它们也将更多的不确定性转移给供应商：一份 200 页的文档和一封一页长的电子邮件可能都算作一次摘要，尽管处理它们的成本差异非常 大。

另一端是用量配额，人们在池化额度或重置窗口内工作，以及隐形用量，即功能包含在内但不显示任何计量 表。

重要的区别在于谁承担不确定性。Token 和按量计费的美元将更多不确定性传递给用户。任务和结果则将更多不确定性置于供应商身上。用量配额保护人们免于进行每次操作的计算，但可能会让他们猜测何时会达到 限制。

两端都不适用于所有情况。这就是为什么许多产品采用混合方法 — 为日常工作提供包含在内的配额，而对昂贵操作设置单独的限制或付费 用量。

何时显示价格 — 以及何时隐藏 它

可见的成本会让人们更加谨慎。这对于昂贵的批量任务很有帮助，但对于日常 聊天来说令人疲惫。

对于离散的、潜在昂贵的工作 — 如增强 500 行数据、渲染视频或安排夜间自动化 — 应在用户承诺前显示价格或可信的范围。这个数字对决策至关重要。

对于频繁、探索性的操作，如聊天、小幅编辑或代码建议，使用额度通常更好。为每一次交互定价会将实验变成预算规划。但当某项任务异常昂贵时，即使是在订阅内，也要做出例外：在开始前显示其可能的成本。目标不是隐藏支出；而是在用户仍能对其采取行动时展示它。

使用限制

产品不针对每个操作定价，而是给用户一个池并显示剩余量。这在订阅中很常见且易于理解——直到池意外消失。

适用场景：包含频繁、探索性操作的消费者和专业消费者计划。
良好状态：用户可以知道剩余多少、何时重置以及达到限制时会发生什么。
为何有效。限制消除了每次发送消息时进行算术计算的需求。用户可以专注于工作，拥有相当可预测的订阅价格。

• 显示每个时间窗口及其重置。Claude 使用短会话限制以及每周限制。“1小时36分钟后重置”旁边加上“周五上午8:00重置”这样的行让用户有规划。“即将重置”则没有。
• 区分真正不同的池。在上述示例中，Cursor 区分模型使用类别，Claude 单独列出顶级模型额度。这有助于用户将决策——使用更昂贵的模型——与其影响的配额联系起来。不要仅仅因为计费系统恰好有多个内部计数器就拆分池。
• 解释溢出顺序。显示首先消耗什么、接下来会发生什么、是否启用按需支出以及实际上限在哪里应用。用户不应需要从三个设置屏幕推断顺序。
• 给临时促销设定结束日期。Claude 宣传临时更高的额度。说明标准限制何时恢复可以避免让促销结束感觉像是暗中削减。
• 提供升级之外的替代方案。Codex 中的已保存或银行化重置可以恢复符合条件的用量窗口，受计划和过期规则约束。等待重置、切换模式或减少范围同样重要

任务和结果

按操作单位计数的是用户已经认可的东西：一次生成、富集、运行或任务。吸引力在于决策和收费使用相同的语言。

适用场景：易于计数的自动化和操作。
良好状态：某人可以估算一个月的工作量并接近账单金额。

Zapier是一个有用的参考。在捕获的计划中，界面显示“包含的任务：119 / 750”和“额外任务（$0.05/任务）：0 / 1,500。”用户可以区分包含的池与溢出部分，看到单价并了解潜在的上限。

更重要的细节是 Zapier 不计数什么。触发器、过滤器和某些内置步骤不计为任务；成功的操作步通常计入，而出错步不计入。这些规则回答了一个与价格同等重要的问题：谁为失败买单？

为何有效。操作清晰可见。如果同一操作始终花费相同金额，用户可以预测和比较。

要：说明什么算数、什么不算，以及失败或重复尝试如何处理。为超额部分设定单独的单价和 上限。

不要：如果客户无法独立判断某事是否发生，就不要将其称为结果。

积分

积分让产品在不同功能间共用一个余额：聊天、应用构建、托管、部署、数据增强或外部服务。它们很有用，但没有人天生知道一积分值多少 钱。

适用场景：在一个账户下提供多种昂贵 AI 功能的产品。
理想状态：用户既了解积分的大致价值，也明白特定操作为何消耗了 它。

为何有效。积分使不同操作具有可比性，并允许提供商在不重建订阅的情况下调整底层成本。左侧截图显示了多个池——每日、每月、结转和充值——具有不同的过期规则。右侧示例将扣费归因于项目和任务，并保持运行余额。这是有用的会计做法。

哪里出问题。截图显示了一些常见问题：

• 没有可转移的价值感。售价 30 美元的 50 积分包相当于每积分 0.60 美元。另一款产品售价 500 美元的 3,000 积分包约为每积分 0.17 美元。名称相同，但单位不同。这些是插图中的快照价格，并非共享的市场 费率。
• 缺乏背景的分数扣费。“Agent Call: −0.77”很精确，但没有告诉用户该调用实现了什么。
• 未解释的差异。一次部署花费 50 积分，而一次 agent 调用花费 0.77。账本可以记录这种差异，却无法帮助任何人理解 它。
• 促销混入会计。“多 20%”的充值优惠属于购买流程。在使用历史屏幕上，它与用户打开该屏幕的原因竞争：查看余额去向 。

决策 2：选择时机

选择单位回答了用户花费什么的问题。接下来是何时让他们了解 这一点。

有三个机会传达成本：工作前、工作中和工作后。忽略它们，用户将在第四个时刻发现：墙，即配额用完或出现意外费用 时。

工作前，帮助用户在仍能改变范围时判断可能的成本。解释驱动因素，在总额不确定时使用范围，并提供更便宜的模式、较小的运行量或支出 上限。

工作中，展示有意义的进度而非不可靠的倒计时。让长时间运行的任务无需让用户停留在同一屏幕。明确停止将产生什么成本，如果原始估算不再成立，请在继续之前询问 。

工作后，展示交付了什么及其成本。解释异常费用，使复用的工作或节省可见，说明失败如何计费，并保留人们可以回顾的历史。这就是插图所汇集的三个时刻。

Before: model selectors, effort controls, and previews

在运行开始前，用户仍可改变范围。三个控件特别有用。

模型选择器。 一个包含模型名称的下拉菜单可能会迫使人们做出工程决策。并非所有人都希望如此。2025年8月，OpenAI推出了具有自动路由功能的GPT-5，随后迅速恢复了更清晰的选择项，如Auto、Fast和Thinking，以及更详细的模型控制选项。教训并不是模型选择应该消失，而是大多数用户受益于以结果为导向的默认设置，而高级用户仍然需要访问底层模型。

努力程度控制。 努力程度调节旋钮在AI产品中变得越来越常见，但它们实际控制的参数对许多用户来说仍是个谜。Cursor提供了从Low到Extra High的刻度，其他界面使用滑块，而深度研究模式则使这种选择更加隐含。所有这些功能都让用户对模型在任务上花费的时间和计算量拥有一定的控制权。但是，与Medium相比，High到底意味着什么？结果是会明显更好、耗时更长，还是仅仅消耗更多用户的配额？这些控件正变得更为熟悉，但其背后的权衡取舍仍未得到充分解释。

大额支出前的预览。 深度研究界面会在智能体开始阅读来源之前给用户提供一个可编辑的计划。这是一个进行干预的有力时刻。缺失的两个要素是成本和同意。一个包含五个步骤的计划并不能揭示削减其中一步能节省多少成本。而对于一项真正昂贵的工作，自动启动倒计时可能会将“不作为”变成“同意”。

一个好的预检能让权衡具体化：包括哪些内容、哪些是可选的、总费用大约是多少，以及如果工作需要 更多资源时会发生什么。

Clay是执行前定价的一个有用参考。在捕获的界面中，数据增强显示诸如“0.5 / row”、“~3 / row”或“varies by model”的数字。一个重复出现的信号在激活前显示其月度成本。这些标签如实反映了不确定性，而不是将每个操作都呈现为固定价格。

同样的原则适用于计划任务。展示每小时或每晚自动化作业的可能月度支出，而不仅仅是每次执行的价格。小额经常性费用很容易被忽视。

进行中：进度、取消和变化的预测

这是许多AI成本体验中最薄弱的部分。运行开始，出现加载图标，所有有用的控件只有在完成时才返回。

当存在时，显示真实的进度单位：已处理320/500个联系人，已检查12个来源，已编辑三个文件。对于开放式工作，显示有意义的阶段，而不是你凭空捏造的百分比。让长时间运行的作业移出前台而不丢失其 状态。

当成本随着作业运行而累积时，显示当前用量以及剩余预算或上限。如果智能体发现额外工作，预测可能会发生变化。当预期成本远超原始范围——或达到商定的检查点时——暂停并询问是否继续。不要悄悄地将原始批准视为无限许可。

之后：收据

收据将费用与其支付的工作联系起来。它也有助于人们在下次做出更好的选择。

• 按操作显示，紧邻结果。 Replit捕获的运行摘要列出了“13 actions”以及变更内容；消息菜单显示“Worked for 43s”和“Credits used 0.50。”收据就在工作发生的地方可用。
• 按会话显示，附带成本驱动因素。另一个捕获的面板显示 3,450 积分，以及指令、工具、消息、文件和工具结果所使用的上下文。令人惊讶的洞察不是总数；而是消耗了上下文的内容。Compact Conversation控件为用户提供了一种响应方式。
• 按周期显示，附带可搜索的历史记录。Clay 的使用历史可按时间、列、运行或提供商进行检查并导出。当有人询问工作区预算为何变化时，这正是团队负责人所需要的。

带有操作方式的细分是收据。没有操作方式的细分只是报告。

对于大多数用户，保持第一层轻量。将扣费和结果放在一起；让技术细分只需一键即可访问；将可导出的历史记录放在团队已经管理账单的地方。

建议：在结果上附加一个轻量级收据，按需显示成本驱动因素，并记录失败策略。

将其付诸实践

随着 AI 产品向更长、更自主的工作流程发展，单个操作的成本变得难以预测。看似一次请求可能涉及数十个步骤、多个模型和外部工具。传统的使用计量器并非为解释这种复杂性而设计。

挑战不仅仅在于暴露更多信息。而在于帮助人们理解他们正在花费什么，为什么成本会有波动，以及哪些选择在他们控制范围内。

在我们探讨的所有示例中，有一个原则脱颖而出：成本应在重要时可见，而无需成为用户必须不断思考的事情。

良好的成本透明度并不是让每一笔费用都可预测。而是让不确定性变得可理解，以便人们可以在无需了解底层系统的情况下做出明智决策。

这篇文章最初发表于我的 Substack Syntax Stream，我在其中撰写关于人机交互原则的文章。