【系统学AI】20 Agent计费策略：从Devin到Manus的5大定价案例

category: AI

2024年AI Agent定价还是混乱的实验——Devin $500/月被骂"贵得离谱"，Manus邀请码被炒到5万人民币，Cursor几次涨价。2026年Agent定价开始分化出清晰的5大流派，每一种背后都是不同的商业判断。这篇文章拆透5大Agent的定价策略和背后逻辑。

一句话总结

2026年Agent定价五大流派：Devin（订阅+任务复杂度）、Manus（订阅+海外定价）、Claude Code（按Token+订阅Hybrid）、Cursor（订阅+按座位）、Intercom Fin（按结果Outcome-based）。没有"对的"模式，只有"匹配产品形态"的模式——选错定价等于把产品送进死局。

1. Agent定价的特殊性

1.1 Agent vs 普通AI产品的定价差异

普通AI产品: 一次问答消耗少 Agent: 一次任务消耗大（数百Token调用 + 长上下文） 普通AI产品: 用户能预估自己的使用量 Agent: 单次任务可能跑8小时，用户根本不知道会花多少

1.2 Agent定价的三大挑战

1. 成本不可预测（任务复杂度差异巨大） 2. 价值不易量化（"完成一个任务"价值多少？） 3. 用户认知差距（不理解为什么这么贵）

1.3 Agent定价决策矩阵

价值可量化 │ Outcome │ Hybrid （Devin） │ （Cursor） │ ──────────────────────┼────────────────────── │ 按Token │ 订阅 （Claude Code）│ （Manus） │ 价值难量化 ────成本可预测────────────不可预测────→

2. 案例1：Devin — Outcome-based的探索者

2.1 定价方案

2.2 计费逻辑

基础订阅: $500/月（保底） + 任务复杂度阶梯: - 简单bug修复: 计入基础配额 - 中等feature开发: 0.5x配额扣减 - 大型重构: 1x甚至更多配额 + 失败补偿: - PR被merge = 计费成功 - PR无效/被关闭 = 部分退款

2.3 为什么定价$500/月？

对标雇佣初级程序员: - 初级程序员月薪: $5000-8000 - Devin每月任务量约等于10%初级程序员产出 - $500 = 雇人成本的6-10% 对标外包工作: - Upwork中端开发者: $40-80/小时 - Devin一次中等任务相当于10-20小时 - $500能买Devin大约3-6个中等任务

结论：$500看起来贵，但放在"替代雇佣"的对标下其实有竞争力。

2.4 Devin定价的争议

质疑1: "$500/月还要自己审PR，不如雇人" 回应: 但你不需要管理/招聘/培训成本 质疑2: "失败的PR也要钱" 回应: Cognition引入了部分退款机制 质疑3: "ChatGPT $20/月就够用" 回应: ChatGPT做不了完整Issue→PR的工作流

2.5 真实用户画像

适合Devin的人：

• ✅ 有大量repetitive coding任务（依赖升级、bug修复）
• ✅ 团队人手不足，宁可买AI不雇人
• ✅ 任务定义清晰（GitHub Issue写得好）

不适合Devin的人：

• ❌ 任务模糊/需要架构决策
• ❌ 单干的个人开发者（订阅成本高）
• ❌ 老旧codebase（Devin不熟悉）

3. 案例2：Manus — 订阅制的颠覆者

3.1 定价方案

3.2 为什么定价$39？

对比锚点: - ChatGPT Plus: $20 (聊天) - Claude Pro: $20 (聊天+Agent) - Manus: $39 (通用Agent) 定位: "比聊天工具贵2倍，因为我能干完整任务" "比Devin便宜10倍，因为我服务普通用户"

3.3 Manus定价的精妙之处

1. 抢占"通用Agent"心智

ChatGPT/Claude定位: 聊天助手 Devin/Cursor定位: 专业工具 Manus定位: 通用执行者（"提交任务后关电脑"） $39是说: "我们值聊天工具的2倍" 而不是: "我们值Devin的1/10"

2. 海外定价拉高客单

中国: 同行业SaaS订阅常被卷到¥99-199/月 海外: $39/月被接受为"中端AI产品" Manus注册新加坡 → 直接按海外定价 → ARR突破1亿美元（2025年12月）

3. 价值故事讲得好

其他订阅: "你能用我" Manus: "你交给我，我去做" → 用户付的不是工具费，是"实习生工资"

3.4 Manus的留存挑战

低留存: 新手期惊艳→3个月后发现常用任务有限 高留存: 找到适合自己的工作流→变成日常工具 留存关键: - Memory机制（记住用户偏好） - 模板库（降低使用门槛） - 异步通知（让用户记得来用）

4. 案例3：Claude Code — Token+订阅Hybrid

4.1 定价方案

Claude Code本身免费（开源CLI） 但需要Anthropic API key → 按Token计费 或: Claude Pro/Max订阅 → 包含Claude Code额度

4.2 实际成本（用户视角）

4.3 为什么这种Hybrid适合Claude Code？

Claude Code的用户分布: - 个人开发者偶尔用 → 按Token，几$/月 - 日常重度用户 → 订阅Pro Max，$200/月 - 企业团队 → 企业版包年 一个产品同时服务三种用户

4.4 Claude Code定价的智慧

1. 基础免费 = 低门槛

开源CLI + 自带API key → 任何人能试用 → 试用阶段无锁定，体验为王

2. 订阅成本透明

Claude Pro Max: $200/月（5x Pro用量 + 接近无限的Code） → 重度用户知道每月最多花$200 → 不用焦虑Token消耗

3. 企业版谈判空间大

按团队规模 + 使用量定制 → Anthropic销售团队主导

4.5 Claude Code定价的"反直觉"洞察

Anthropic不指望Claude Code单独赚钱 Claude Code的角色: Anthropic的最强demo → 让你看到Claude Opus 4.7能做什么 → 转化你成为Anthropic API付费用户 → 撬动$30+/月/座的企业版

5. 案例4：Cursor — 订阅+按座位的标杆

5.1 定价方案

5.2 Cursor的"快/慢请求"设计 ⭐

这是Cursor定价的核心创新：

快请求（Fast Request）: - 优先调度，秒级响应 - 用Claude Opus 4.7/GPT-5.5 - $20/月给你500个 慢请求（Slow Request）: - 排队调度，可能等30秒-几分钟 - 用便宜模型 - 数量无限 → 用户超出500快请求后，能用慢请求继续 → 不会被强制升级 → 但体验下降会推动升级

5.3 这种设计的精妙

1. 没有"用尽即停"的体验崩塌

传统订阅: 用完就锁死 Cursor: 用完降级到慢模式 → 用户不会感到"被骗"

2. 重度用户自然升级

500快请求/月 = 平均16/天 真正的重度用户: 50+/天 → 慢模式体验差→自动升级到Business

3. 团队版价值对齐

$40/座 vs $20个人 多花$20/座/月，团队拿到: - 隐私模式（代码不外传） - 共享Skills - 集中计费 → 企业愿意付溢价

5.4 Cursor的涨价历史

2023年: $20/月（Pro） 2024年: $20/月（保持） 2025年: 推出Business档位 $40/座 2025年下半年: 推出企业版$60+ 策略: 保持基础档不变，新档位拉高ARR

6. 案例5：Intercom Fin — Outcome-based的标杆 ⭐

6.1 定价方案

$0.99/解决的对话 （Resolved Conversation）

6.2 这是教科书级定价

1. 价值对齐到极致

传统客服SaaS: $X/月/座 → 不管解决多少问题都付钱 Intercom Fin: $0.99/解决 → 只为成功买单 → 用户和Fin的利益完全对齐 → Fin有动力提升解决率 → 用户有动力提交更多问题

2. 替代逻辑清晰

雇佣客服: - 月薪$3000 + 福利 + 培训 + 管理 - 平均每月解决约500个对话 - 单位成本: $6+/对话 Intercom Fin: - $0.99/对话 - 替代效果6倍以上

3. 风险定价合理

Fin解决率约60-70%（Klarna实测） → Intercom每对话成本约$0.20-0.40（LLM+基础设施） → 毛利$0.60-0.80/对话 → 健康的Outcome-based经济模型

6.3 "解决"的定义机制

判定为"已解决"的条件: 1. 用户给👍 (positive feedback) 2. 用户在对话后24小时内不再发起新工单 3. 用户没有主动转人工 判定为"未解决"（不收费）: 1. 用户给👎 2. 用户主动转人工 3. Fin主动建议转人工

6.4 实战数据（Klarna案例）

Klarna 2024年部署Fin: - 每月解决约200万个客服对话 - 月费用约$200万（vs Intercom Fin的$0.99/对话） - 替代了约700个客服岗位 - 客户满意度提升 ROI: - 每年节省客服成本约$5000万 - Fin费用每年约$2400万 - 净节省$2600万 + 用户体验提升

6.5 为什么这种定价难复制？

Intercom Fin能做到Outcome-based的前提: 1. "解决"信号清晰（用户反馈） 2. AI解决率高（>60%） 3. 替代场景明确（VS雇佣） 4. 数据闭环完整（持续学习） 很多Agent场景没有这些条件: - 编程: "完成"信号模糊（PR是否会再改？） - 研究: 价值因人而异 - 写作: 主观评价

7. 5大Agent定价对比

8. Agent定价的反直觉真理

8.1 真理1：高定价是质量信号

$500/月的Devin: 看起来贵 $50/月的同类产品: 看起来便宜 但企业B2B采购: $500被认真评估（视为认真产品） $50被忽略（视为玩具） → B2B Agent定价不要太便宜

8.2 真理2：Outcome-based不适合所有场景

适合: 有清晰"完成"信号的场景 不适合: - 创意类工作（"好"是主观的） - 长程任务（什么时候算完？） - 信息密集型（结果难评判） 强行Outcome-based = 服务商被坑死

8.3 真理3：定价透明>定价低

2024年大部分Agent: 按Token，看不清账单 2026年趋势: 明确告诉用户"花多少钱" Manus $39/月（明确）> 按Token平均$30/月（不明确）

8.4 真理4：Hybrid是大趋势

单一定价模式都有死穴: - 纯订阅: 重度用户拖垮成本 - 纯Token: 用户认知摩擦 - 纯Outcome: 服务商风险高 - 纯订阅+座位: 不公平 → 大型Agent产品最终都走向Hybrid

8.5 真理5：定价是产品的一部分

Cursor的快/慢请求 = 产品创新+定价创新结合 Intercom Fin的解决判定 = 产品形态决定定价方式 → 定价不是单独决策，是产品设计的一部分

9. 实战：怎么给你的Agent产品定价？

9.1 五步法

Step 1: 定义价值单位

你的Agent解决什么单位价值？ - 一次PR？ - 一个解决的对话？ - 一份报告？ - 一段代码？ → 这是Outcome-based的可能性

Step 2: 算成本

单次完成任务的: - LLM Token成本 - 基础设施成本 - 数据/工具成本 - 客服+运营摊分 = 单位成本

Step 3: 估替代价值

你的Agent替代了什么？ - 雇佣成本？ - 时间成本？ - 工具组合成本？ = 对用户的价值

Step 4: 选定价模式

价值清晰可量化 → Outcome-based ⭐ 价值模糊但用户高频 → 订阅 B2B协作 → 按座位 开发者工具 → Hybrid（订阅+按用）

Step 5: 设计锚点

高端版: 价值×30% 主流版: 成本×3-5 入门版: 接近成本，做获客 例如: 成本$0.30/对话, 价值$5/对话 → Outcome-based: $0.99/对话（成本3x，价值20%） → 订阅版: $1000/月含1500对话

9.2 定价试错策略

1. 先定保守价（不要一下定太低） 2. 看付费转化率（<5%可能太贵） 3. 看留存率（<30%可能价值不足） 4. 看NPS（差评高可能定价不公） 5. A/B测试不同价位

9.3 涨价策略

不要直接涨基础档: - 用户感知负面强 - 老用户感觉被坑 正确做法: - 推出更高档位（Pro Max） - 老用户保留旧价（grandfathering） - 涨价同时增加价值（新功能/更多额度）

10. 面试高频问题

Q1：Devin的$500/月真的合理吗？

合理——但不适合所有人。对标雇佣初级程序员（$5000-8000/月），Devin是雇人成本的6-10%。如果你的团队需要大量重复coding任务（依赖升级、bug修复），ROI很正。但单干个人开发者用Devin成本不划算。

Q2：Manus为什么敢定$39/月？

(1) 锚定为"聊天工具的2倍"——而不是"Devin的1/10"，抢占通用Agent心智；(2) 在新加坡注册，按海外定价；(3) 价值叙事是"实习生工资"，用户付的不是工具费。结果ARR破1亿美元。

Q3：Cursor的快/慢请求是什么设计？

定价创新——$20/月给500快请求（秒级响应+用最强模型），用完降级到慢请求（排队+便宜模型，但无限）。没有"用尽即停"的崩塌，但慢模式体验差会推动重度用户升级到Business。

Q4：为什么Outcome-based pricing难复制？

需要四个前提：(1) “完成"信号清晰；(2) AI解决率高（>60%）；(3) 替代场景明确（VS雇佣）；(4) 数据闭环完整。Intercom Fin都满足；但编程/创意类很难——什么时候算"完成”？

Q5：Agent定价为什么倾向Hybrid？

单一模式都有死穴：纯订阅会让重度用户拖垮成本；纯Token让用户焦虑；纯Outcome让服务商风险高；纯按座位不公平。Hybrid取每种优势规避劣势——Claude Pro Max（订阅+超用按量）就是经典。

Q6：怎么给一个新Agent产品定价？

五步法：(1) 定义价值单位（一次PR/一个对话/一份报告）；(2) 算单位成本；(3) 估替代价值；(4) 按"价值清晰度"选模式（清晰→Outcome-based，模糊但高频→订阅）；(5) 用"成本×3-5"和"价值×30%"做锚点。保守起价，看转化率和留存率迭代。

总结

Agent定价的核心原则：

1. 定价是产品设计的一部分——不是单独决策
2. 高定价是质量信号——B2B不要太便宜
3. 透明度>低价——用户疲于按量计费
4. Outcome-based是2026最优——但不适合所有场景
5. Hybrid是大趋势——单一模式都有死穴
6. 涨价不要涨基础档——推高档位是更好策略

给你的Agent产品的定价思路：

• 替代雇佣场景 → Outcome-based or 高价订阅
• 通用工具 → 订阅 + Pro Max (Hybrid)
• 开发者工具 → 订阅 + 按用
• 企业协作 → 按座位 + 高级功能溢价
• 平台市场 → 按调用 + 分成

路易乔布斯 © 2026 | AI Agent & RAG学习计划 · 模块05-商业化 · 第二篇

参考资源：

• Cognition, “Devin Pricing Page”, 2026
• Manus Blog, “ARR突破1亿美元”, 2025.12
• Intercom, “Fin Pricing Case Study”, 2024-2026