老张是个手艺不错的装修师傅，以前和同行一样按天收工钱：干一天活，记一天账。时间一久他发现，自己总在操心“今天干了几小时”，客户也在嘀咕“你工钱这么贵，是不是磨洋工”——两边都不痛快。后来一位做生意的朋友给他支了一招：“你换个收费法试试。”于是老张和客户签下这样一份合同：厨房翻新，验收合格后一次付八万；瓷砖空鼓超标，分文不取。头一单老张捏了把汗，可干到一半他笑了——他不再盯钟点，只盯着怎么把橱柜装平、把台面打磨亮；客户也不催不吵，因为大家的目标第一次真正一致：把厨房弄好。这个“验收合格才收钱”的路子，正是当下 AI Agent 行业正在兴起的商业模式——按结果收费。AI Agent 不再是按月收费的“计时工”，而是像老张一样，只为达成的效果、交付的价值向客户收费。客户也不再为“工作量”买单，只为“结果”买单。

岗位关联

对 AI 从业者而言，理解按结果收费能帮你设计出客户更愿意买单的商业模式：把技术价值翻译成可量化的商业结果，既是产品负责人的决策依据，也是把 AI 能力变成现金流的关键能力。

目录
  1. 可视化演示
  2. 定价逻辑：先把“值多少钱”算清楚
  3. 计费维度：验收点怎么划，钱就怎么收
  4. 适用场景：不是所有活都适合按结果收费
  5. 收入风险：大单好吃，空窗难熬
  6. 应对策略：让收入曲线平缓下来
  7. 计费体系：把“什么叫结果”写进合同
  8. 可持续盈利：既让客户满意，又让自己有得赚
  9. AI 应用场景
  10. Python 演示
  11. 常见误区
  12. 面试题

可视化演示

动态演示AI Agent按结果收费的的核心机制，通过源头/管道/节点/终端四种模式展示关键概念与交互流程。

本节配有交互动效（进入视口后自动加载，约 3KB）。

AI Agent按结果收费的：按结果收 按结果收费模式定义与定价逻辑 适用Agent类型与场景分析 核心机制可视化 AI Agent按结果收费的整体架构与关键组件

定价逻辑：先把“值多少钱”算清楚

老张接活第一件事永远是报价。报高了，客户嫌贵转身走人；报低了，干完才发现白忙一场。他慢慢琢磨出一套章法：先算客户这活儿到底值多少钱——厨房翻新后房子租金能涨多少？老房子不翻新每年折损多少？然后按这个价值的几成要价。报价一旦锚定在“客户得到的价值”上，双方都服气。

AI Agent 按结果收费的定价逻辑，绕不开同一个词：价值。你收的不是“干了多少活”的钱，而是“这个结果帮客户创造了多少价值”的钱。所以第一步不是算自己的成本，而是量化客户从结果中获得的经济价值 V。对销售线索 Agent 来说，V 是一条合格线索带来的平均成交额乘以转化概率；对客服 Agent，V 是减少的退单金额加上节省的人工成本。定了 V，再乘一个分成比例 γ（通常取 0.1~0.3），就得到单次结果价格 P。γ 太高，客户觉得“你拿大头”；γ 太低，Agent 方连失败的算力成本都覆盖不了。

老张后来明白，报价不是拍脑袋，而是在客户“省下的、多赚的”钱里分一杯羹。报得准，单子接得住，客户也心服口服——这就是定价逻辑的本质。

P=V×γ\displaystyle P = V \times \gamma
结果价格 = 客户从结果中获得的价值 × 价值分成比例。定价的第一步不是算成本，而是量价值。
  1. V（客户价值）客户因为 Agent 交付的结果而获得的经济收益。比如一条合格销售线索能为客户带来 5000 元成交利润，V 就是 5000。
    V=5000 元V = 5000 \text{ 元}
  2. γ（分成比例）Agent 服务商在客户价值中占的份额，通常在 10%~30% 之间，反应风险分担程度。
    γ∈[0.1,0.3]\gamma \in [0.1, 0.3]
  3. P（结果价格）单次按结果收费的最终价格。若 V=5000 元、γ=0.2，则 P=1000 元。
    P=5000×0.2=1000 元P = 5000 \times 0.2 = 1000 \text{ 元}

计费维度：验收点怎么划，钱就怎么收

老张翻新厨房，不止“完工结算”一个准头。现实操作中他按工程节点分期收款：水电改完验收，收一阶段款；泥木做完验收，再收一阶段；全部竣工才付尾款。每个节点都对应一个能度量的“效果”。节点划得越细，双方心里越有底。

AI Agent 的按结果收费也一样，得设计计费维度——在哪些环节、按什么口径收费。常见维度有四类：按效果节点计费（如文案定稿才计费）、按完成度计费（多个子任务按加权完成比例计价）、按收益分成计费（直接和客户业务收入挂钩）、按任务量计费（完成固定数量任务收费）。实际落地通常是“基准价 × 质量系数”的组合：每个质量指标 qᵢ 是 0 到 1 的达标系数，比如文案 Agent 的事实准确率、客服 Agent 的一次解决率。基准价乘以所有 qᵢ 的连乘积，就是实际计费额。

老张的“节点验收”，其实就是把工程质量拆成可测量的项目表，每项核验通过才付对应款。计费维度越清晰，扯皮越少。

F=B×∏i=1nqi\displaystyle F = B \times \prod_{i=1}^{n} q_i
实际计费额 = 基准价 × 所有质量指标的连乘。这个公式天然惩罚“偏科”的 Agent——任何一个指标为 0，整单为 0。
  1. B（基准价）任务全部达标时的标准价，由上一节的定价逻辑算出。
    B=PB = P
  2. qᵢ（达标系数）第 i 个质量指标的达成度，0 表示完全不达标，1 表示完全达标。指标可以包含准确率、满意度、交付及时率。
    qi∈[0,1]q_i \in [0, 1]
  3. 连乘积（∏）所有指标相乘。乘法意味着任何一项为 0，总分就为 0，倒逼 Agent 提升全维度质量。
    ∏i=1nqi\prod_{i=1}^{n} q_i

适用场景：不是所有活都适合按结果收费

老张并不是什么活都敢按结果收费。翻新厨房、做防水这种目标明确、验收标准清晰的活，他敢拍胸脯；但有人让他“顺手帮忙照看一年房子”，他就摇头——什么叫照看好？半年没丢东西算好？还是草皮不能枯？根本说不清。

Agent 按结果收费也一样挑活儿。适合的前提有三个：目标清晰（任务有明确终态）、效果可量化（结果能用数字衡量）、结果责任可归属（效果好坏主要取决于 Agent 本身，而非外部运气）。高价值、低频次、复杂度高的任务尤其匹配：销售线索生成（按签单分成）、法律文书起草（按合格定稿收费）、营销素材制作（按采纳率付费）都是典型场景；而开放式闲聊、探索型研究、人事决策这类道德风险高或效果难定义的任务，就不适合。

老张的生意经是：敢承诺的前提是敢定义、敢度量。Agent 团队选择按结果收费，本质是选择“把自己钉在客户最关心的报表上”。

S=α1Q+α2R+α3T\displaystyle S = \alpha_1 Q + \alpha_2 R + \alpha_3 T
场景适配度 S = 可量化权重×效果可量化度 + 责任归属权重×结果责任度 + 清晰度权重×目标清晰度。S 超过 0.7 再采用按结果收费。
  1. Q（效果可量化度）结果能否用数字衡量，如“一篇文案”可量化，“一段灵感”不可量化。
    Q=可量化程度Q = \text{可量化程度}
  2. R（责任归属度）结果不达标时，能否认定是 Agent 的责任而非外部因素。
    R=责任归属程度R = \text{责任归属程度}
  3. T（目标清晰度）任务是否有明确定义的成功标准。
    T=目标清晰程度T = \text{目标清晰程度}
  4. αᵢ（权重）三个维度的相对重要性，由业务团队根据行业经验设定。
    α1+α2+α3=1\alpha_1 + \alpha_2 + \alpha_3 = 1

收入风险：大单好吃，空窗难熬

按结果收费让老张尝到了甜头，也有了新烦恼。大单验收时一次进账八万，够全家花半年；可中间连着两个月没接到新单，账上只剩买菜钱。用他老婆的话说：“你这日子过得跟过山车似的。”

这是按结果收费模式的原生风险——收入波动。订阅制每月自动扣费，现金流像自来水，稳定但平缓；按结果收费是“做完一单结一单”，现金流像暴雨和干旱交替。除此之外还有现金流压力（先垫成本后收钱）、坏账风险（活干完了客户拖着不验收）、季节性波动（行业淡旺季导致单量不均）。这些风险叠加在一起，会让账面数字大起大落。

老张开始记账，发现“干得好”和“活得稳”是两码事。这也是所有按结果收费团队绕不开的功课——效果很惊艳，现金流却很惊险。

CV=σ(R)E(R)\displaystyle CV = \frac{\sigma(R)}{E(R)}
变异系数 CV = 收入标准差 ÷ 收入均值。CV 越接近 0 说明收入越稳定，CV 大于 1 说明收入像过山车。
  1. σ(R)（收入标准差）各月收入与平均收入的偏离程度，反映波动大小。
    σ(R)=1n∑i=1n(Ri−Rˉ)2\sigma(R) = \sqrt{\frac{1}{n}\sum_{i=1}^{n}(R_i - \bar{R})^2}
  2. E(R)（期望收入）月收入的算术平均值，代表收入中枢。
    E(R)=RˉE(R) = \bar{R}
  3. CV（变异系数）标准差的相对化，消除规模影响后比较不同收入流的不稳定性。CV>1 意味着标准差比平均收入还大，模式极度不稳定。
    CV=0 稳定稳定，CV=1 过山车CV = 0 \text{ 稳定稳定，} CV = 1 \text{ 过山车}

应对策略：让收入曲线平缓下来

老张请老婆当“财务总监”，她开了三味药：第一，签合同先收 30% 定金，材料钱不用自己垫；第二，厨房翻新这种大活和每月上门检修这种小活搭配着接；第三，把客户从纯家装拓展到小商铺，东边不亮西边亮。老张的账本慢慢平缓了。

Agent 团队的应对策略高度相似。第一味药是混合计费：固定的基础服务费兜底，加上按结果收费的浮动部分；第二味药是预付款与保证金：开工先收一笔，降低坏账和资金垫付压力；第三味药是客户组合分散：大客户和小客户、不同行业搭配，避免同一个行业周期打垮全部收入。还可以引入对赌协议与保险机制，把极端风险转移出去。

老张家的账本哲学是“细水长流加高峰”——固定部分保命，浮动部分致富。Agent 团队同理：全按结果收费是豪赌，混着来才是生意。

Rtotal=Rfix+λRoutcome\displaystyle R_{\text{total}} = R_{\text{fix}} + \lambda R_{\text{outcome}}
总收入 = 固定收入 + 结果收入占比 × 结果收入。λ 越大商业模式越激进，新团队建议从 0.3 起步。
  1. R_fix（固定收入）订阅费、维护费、预付款分摊等确定性收入，是现金流的“压舱石”。
    Rfix=保底收入R_{\text{fix}} = \text{保底收入}
  2. R_outcome（结果收入）按结果计费产生的浮动收入，上限高但不稳定。
    Routcome=浮动收入R_{\text{outcome}} = \text{浮动收入}
  3. λ（结果收入占比）结果收入在总收入中的权重，0 表示纯订阅，1 表示纯按结果收费。
    λ∈[0,1]\lambda \in [0, 1]

计费体系：把“什么叫结果”写进合同

老张后来吃过一次亏：客户验收时说“橱柜颜色不对”，他说“颜色当时给你看过色卡啊”。吵到最后，朋友提醒他：合同里写清楚了吗？从那以后，老张的每份合同都附一页“验收标准”：瓷砖空鼓率不超过 5%、台面接缝误差不超过 1 毫米……白纸黑字，谁也赖不掉。

按结果收费最核心的工程问题，就是定义“什么叫结果、什么叫达成”。这需要完整的计费体系：SLA 协议（服务等级约定）、度量标准（每个指标的定义和数据来源）、计费周期（按次、按周、按月结算）、争议仲裁（双方对结果有分歧时的裁定机制）。缺失任何一环，按结果收费都会变成扯皮现场，最终伤害的是服务商的信任和口碑。

老张常说：“验收标准这四个字，值十万块。”对 Agent 团队来说，度量标准就是按结果收费的基石，值得在合同上比代码多花十倍的时间。

Fee=∑j=1m1success(j)⋅Pj\displaystyle \text{Fee} = \sum_{j=1}^{m} \mathbf{1}_{\text{success}}(j) \cdot P_j
总费用 = 所有成功任务的价格之和。指示函数是开关：任务成功才计入费用，不成功则该笔为 0。
  1. 任务序号 j客户委托的多个任务，从 1 到 m 编号。
    j=1,2,…,mj = 1, 2, \ldots, m
  2. 𝟙_success(j)（成功指示函数）当第 j 个任务的质量达到 SLA 阈值时取值 1，否则取值 0。“达没达标”由事先约定的度量标准判定。
    1success(j)={1达标0不达标\mathbf{1}_{\text{success}}(j) = \begin{cases} 1 & \text{达标} \\ 0 & \text{不达标} \end{cases}
  3. P_j（单任务价格）第 j 个任务对应的基准价，来自定价逻辑的计算结果。
    Pj=Vj×γP_j = V_j \times \gamma

可持续盈利：既让客户满意，又让自己有得赚

翻新厨房的老张越做越顺：因为客户总把好师傅介绍给邻居，获客成本越来越低；他把墙角找平、瓷砖排版这些流程标准化，返工率降了下来。老婆帮他算过一笔账：一单的毛利 = 验收款 − 材料费 − 返工损耗。账看得清，活儿才做得长久。

可持续盈利要求 Agent 团队算清每一单的单位经济模型。对 AI Agent，单次任务的毛利 GM = 结果价格 − 模型算力成本 − 失败任务摊销成本。C_token 是任务产生的 Token 和算力费用（按量计费），C_fail 是失败任务耗费的算力与人工兜底成本。这提醒我们：按结果收费模式下，失败的 Agent 不是“没赚钱”，而是“亏了钱”。提高成功率就是降低成本，模型质量和流程标准化会直接反映在毛利上。

老张的账本越来越厚，靠的不是涨工钱，而是“验收一次成功”的硬功夫。Agent 团队的护城河同样不是话术，而是结果成功率——成功率高，毛利才高，复购才多，飞轮才转得起来。

GM=Poutcome−Ctoken−Cfail\displaystyle \text{GM} = P_{\text{outcome}} - C_{\text{token}} - C_{\text{fail}}
单位毛利 = 结果价格 − 算力成本 − 失败摊销。GM 持续为正，加上复购和数据飞轮，模式才能滚起来。
  1. P_outcome（结果价格）客户为一次成功结果支付的价格。
    Poutcome=V×γP_{\text{outcome}} = V \times \gamma
  2. C_token（算力成本）完成该任务消耗的模型推理、Token 调用等直接成本。
    Ctoken=按量计费成本C_{\text{token}} = \text{按量计费成本}
  3. C_fail（失败摊销）失败任务消耗的算力和人工成本，分摊到成功任务上。
    Cfail=总失败成本成功任务数C_{\text{fail}} = \frac{\text{总失败成本}}{\text{成功任务数}}

AI 应用场景

销售线索 Agent 按签单提成

阶段：商业变现与销售自动化

解决的问题：传统按线索条数收费，客户花钱买了一堆低质量线索，销售团队打完电话发现全是空号，续费意愿极低。AI 销售线索 Agent 直接按“客户成功签约”提成，签一单分一单的钱，供需双方利益完全对齐。

具体案例：某 B2B 软件公司部署销售线索 Agent，为其筛选并触达潜在客户。Agent 只按成交订单金额的 15% 收费：一个月帮客户带来 40 万新签合同，Agent 服务商获得 6 万收入；若零成交则零收费。采用该模式后，客户续约率从 60% 提升到 95%。

法律文书 Agent 按合格定稿收费

阶段：内容生产与服务交付

解决的问题：法律文书服务传统按小时收费，客户担心律师磨洋工，律所担心报价吓跑客户。AI 法律文书 Agent 按“合格定稿份数”收费——一份合同草拟并审核通过，收一份的钱，质量不够好不收费。

具体案例：一家服务小微企业的律所引入合同审查 Agent，将 70% 的标准化合同草拟交给 Agent 完成，按每份合格定稿 500 元向客户收费。Agent 将合同条款差错率控制在 1% 以内，人工律师只负责复核。三个月后，该律所的单客收入提升 40%，合同交付周期从 5 天缩短到 1 天。

电商客服 Agent 按解决率付费

阶段：客户运营与服务交付

解决的问题：传统客服外包按坐席人头收费，服务质量和转化效果没人兜底。电商客服 Agent 按“问题解决率与满意度”计费：客户问题被真正解决、获得好评才算一次有效服务。

具体案例：某日活 10 万的跨境电商使用客服 Agent 处理售前售后咨询。计费规则为：每次会话满意度评级 ≥ 4 星且问题关闭后不返工，计费 2 元/次；满意度不足则不计费。上线后客诉率下降 35%，Agent 服务商则通过不断优化意图识别，将有效解决率从 70% 提升到 92%，月收入同步增长。

Python 演示

python43 行
import randomimport statistics  def simulate_outcome(base_price, success_rate, months=12):    rng = random.Random(42)    incomes = []    for _ in range(months):        clients = rng.randint(0, 4)        income = 0        for _ in range(clients):            if rng.random() < success_rate:                income += base_price        incomes.append(income)    return incomes  def simulate_subscription(monthly_fee, start_users, months=12):    return [monthly_fee * (start_users + m) for m in range(months)]  def report(name, incomes):    avg = statistics.mean(incomes)    std = statistics.stdev(incomes)    cv = std / avg if avg else 0.0    total = sum(incomes)    print(f"{name}: 总收入={total:.0f}, 月均={avg:.0f}, 波动系数={cv:.2f}")    return total, cv  def main():    months = 12    outcome = simulate_outcome(2000, 0.6, months)    subscription = simulate_subscription(800, 20, months)    print("月份    订阅(元)  按结果(元)")    for i in range(months):        print(f"{i+1:<4} {subscription[i]:>8.0f} {outcome[i]:>8.0f}")    report("订阅模式", subscription)    report("按结果收费", outcome)  if __name__ == "__main__":    main()
目的：模拟两种商业模式 12 个月的收入流，直观对比“订阅模式”与“按结果收费”的总收入与波动系数。
  1. clients = rng.randint(0, 4)模拟每月客户数量在 0~4 之间随机波动，制造空窗期和大单月。
  2. if rng.random() < success_rate:用随机数判断单个客户任务是否成功，成功才累加收入，契合“验收合格才收费”。
  3. cv = std / avg if avg else 0.0计算变异系数 CV，量化收入曲线的颠簸程度。
  4. report("按结果收费", outcome)对比两条收入流的总收入与稳定性，验证正文“总量更高但波动更大”的结论。

常见误区

误区我理解按结果收费就是不成交不收费，那客户会不会一直白嫖？反正不成交也不用掏钱，团队岂不是要被薅死？

正解按结果收费不等于无限免费试用。它更像老张的“验收付款”：有明确的验收标准、验收周期和单次价格。完全免费试用是“无边界承诺”，而按结果收费是“有条件、有边界、有计价模型”的付费方式。客户虽然不为失败付费，但成功时必须按约定付费；服务商也会在合同中设定最低合作量、任务范围上限来保护自己。

为何常见：因为“不成功不收费”这句话听起来很像“免费试用”，初学者容易把结果责任和无限义务混为一谈。

误区按结果收费单笔收入高，效果好的话应该全面替代订阅制，收入绝对翻倍。

正解总收入可能更高，但波动风险也可能让团队活不到赚大钱的那天。就像老张一阵子大单一阵子空窗，收入标准差极大会导致现金流断裂。成熟做法是混合计费：固定订阅保底 + 结果收费上浮，用 λ 控制风险敞口。按结果收费不是“替代”订阅，而是“叠加”一个更有想象力的收入层。

为何常见：人们习惯用“总收入”而非“现金流稳定性”来衡量商业模式，忽略了波动对经营的影响。

误区反正按结果收费，做出了效果客户自然会付钱，合同写那么细干嘛？浪费时间。

正解恰恰相反，按结果收费比订阅模式更需要合同，而且要定义到颗粒级。什么叫“效果达成”？文案的错误率是 1% 还是 5%？客服满意度按哪个平台的数据算？收尾款按验收节点还是按自然月？这些不写成白纸黑字，最后就会变成老张遇到的“橱柜颜色不对”式的扯皮。度量标准、SLA、争议仲裁，每一项都直接决定收入能否落袋。

为何常见：因为“结果”听起来很自然，但“如何度量结果”是个专业工程问题，一般人意识不到它的复杂度。

误区大企业财大气粗愿意按效果付费，中小企业预算有限，肯定只接受便宜的订阅制。

正解事实往往相反。中小企业最怕“花冤枉钱”，按结果收费恰恰降低了它们的决策门槛——效果不好不付钱，风险由服务商承担。电商卖家、个体律师、小工作室反而更愿意尝试按结果计费的 Agent。大企业反而因为采购流程复杂、需要固定预算科目，更倾向于订阅制。按结果收费的忠实拥趸，恰恰是那群“花小钱办大事”的中小客户。

为何常见：大多数人凭直觉认为“按结果收费=高端”，忽略了它对风险厌恶型小客户的吸引力。

面试题

Q1. 按结果收费的核心特征是什么？

单选题 · easy

  • A.用户按月付费
  • B.按达成效果付费← 正确答案
  • C.按开发工时计费
  • D.按调用次数计费

答案：B。按结果收费的本质是“只为达成的效果买单”，就像老张只在验收合格后收钱。按月付费是订阅制，按工时计费是人力外包，按调用次数是资源计费，它们都不以结果为导向。

Q2. 价值分成比例 γ 通常取什么范围？

单选题 · easy

  • A.零点零一至零点零五
  • B.零点一至零点三← 正确答案
  • C.零点五至零点八
  • D.一倍至两倍以上

答案：B。γ 是 Agent 方在客户价值中占的份额，行业惯例多为 10%~30%。太高客户觉得被分走太多，太低 Agent 覆盖不了算力和失败成本。0.01~0.05 太低，0.5 以上客户难以接受，1 以上更是违背“价值对齐”的初衷。

Q3. 下列最适合按结果收费的 Agent 场景是？

单选题 · mid

  • A.开放式闲聊机器人
  • B.销售线索按签单分成← 正确答案
  • C.内部研发辅助工具
  • D.通用网页搜索服务

答案：B。销售线索按签单分成目标清晰、效果可量化、责任归属明确，是最典型的按结果收费场景。开放式闲聊的效果难以定义，研发辅助成果难量化，通用搜索更不会按单次结果收费。

Q4. 收入变异系数 CV 的作用是什么？

单选题 · mid

  • A.衡量整体盈利水平
  • B.衡量月度收入波动← 正确答案
  • C.衡量客户满意程度
  • D.衡量模型预测精度

答案：B。CV = 收入标准差 ÷ 收入均值，专门衡量收入流的相对波动程度。CV 越接近 0 收入越平稳，CV 大于 1 就像老张的过山车生活。它不衡量盈利高低，也不衡量客户满意度和模型精度。

Q5. 应对按结果收费收入波动的主流策略有哪些？

多选题 · mid

  • A.采用混合计费模式← 正确答案
  • B.收取预付款保证金← 正确答案
  • C.拒绝所有大客户单
  • D.客户组合分散互补← 正确答案

答案：ABD。混合计费用订阅保底加结果浮动，预付款降低坏账和垫资压力，客户组合分散让不同行业的周期互补。拒绝大客户是自断生路，不属于应对策略。

Q6. 混合收入模型中的 λ 表示什么含义？

单选题 · mid

  • A.每月固定收入额
  • B.结果收入所占比例← 正确答案
  • C.订阅用户总数量
  • D.任务平均成功率
  • E.把价格定得尽可能高
  • F.定义结果度量标准
  • G.快速上线抢占市场
  • H.增雇更多销售团队

答案：B。按结果收费的一切争议都源于“什么叫达成”没有定义清楚。度量标准、SLA 阈值、数据来源、仲裁方式写清楚了，收费才有依据；写不清楚，再高的价格也只是空中楼阁，最终会在验收环节爆发纠纷。

Q7. 下列哪些属于按结果收费的计费维度？

多选题 · hard

  • A.按效果节点计费← 正确答案
  • B.按收益比例分成← 正确答案
  • C.按交付心情好坏
  • D.按任务完成程度← 正确答案

答案：ABD。计费维度包括效果节点（产出物合格才收费）、收益分成（按客户业务收入提成）和完成程度（按加权完成度计费）。“心情好坏”不可度量、不可验证，不属于任何商业计费维度。

Q8. 单位毛利 GM = P − C_token − C_fail 中的 C_fail 代表什么？

单选题 · mid

  • A.失败营销的花费
  • B.失败任务的算力成本← 正确答案
  • C.员工的固定工资
  • D.上交税费的总和

答案：B。C_fail 是失败任务摊销到成功任务上的算力与人工成本。按结果收费模式下，失败的 Agent 不仅赚不到钱，还倒贴了算力成本，所以成功率的提升会直接改善单位毛利。营销、工资、税费属于另外的成本科目。

Q9. 哪些特征说明某个场景不适合按结果收费？

多选题 · easy

  • A.效果难以量化← 正确答案
  • B.目标定义模糊← 正确答案
  • C.道德风险较高← 正确答案
  • D.客户预算充足

答案：ABC。效果难以量化就没有“验收标准”，目标模糊就说不清“什么叫完成”，道德风险高容易诱导 Agent 为达结果走捷径。客户预算充足反而是利好——预算多、价值大，更适合按结果收费。