2026 年 4 月初，HubSpot 出了一条公告，标题是"现在只有 Agent 完成任务才收费"。很多人第一眼看到的是降价：客服 Agent 从每次对话 1.00 美元，降到每次解决 0.50 美元，价格直接减半。
但这不是降价。这是换了计量单位。
1.00 美元计的是"对话"，0.50 美元计的是"解决"。两个数字之间，隔着一个 AI 有没有真正干完活的判断。这个切换，比价格本身重要得多。
HubSpot 那次"降价"，账怎么算
2026 年 4 月 2 日，HubSpot 宣布旗下两个 Breeze AI Agent，Customer Agent 和 Prospecting Agent，从 4 月 14 日起改用按结果定价。Customer Agent 的计费逻辑变成：只有被判定为"已解决"的对话才扣 50 credits，标准价 1000 credits 约 10 美元，折算下来每次解决 0.50 美元。未能解决的对话，不计费。
看一张表就清楚了：
| 计价维度 | 旧模式 | 新模式 |
|---|---|---|
| 计量单位 | 每次对话 | 每次解决 |
| 单价 | 1.00 美元 | 0.50 美元 |
| 谁承担结果风险 | 客户 | HubSpot |
表面上价格少了一半，但分母从"处理"换成了"解决"。如果 Agent 解决率是 65%，每次对话的期望成本大约是 0.50 × 0.65 = 0.325 美元，比旧价格的 1.00 美元便宜很多。如果解决率只有 30%，期望成本降到 0.15 美元，更低。
HubSpot 在公告里给了一组数字：Breeze Customer Agent 在约 8000 家客户处解决约 65% 的对话，解决耗时下降约 39%。需要注意，这是 HubSpot 自报的口径，没有经过第三方验证。
按结果收费的本质不是让软件变便宜，而是让供应商开始承担"用了没用"的风险。这是一个方向彻底不同的赌注。
横向对比几个同类产品的定价，可以看到这个市场已经在往同一个方向走：
| 产品 | 定价模式 | 单次费用 |
|---|---|---|
| HubSpot Breeze Customer Agent | 按解决计费 | 0.50 美元/解决 |
| Intercom Fin | 按解决计费 | 0.99 美元/解决 |
| Zendesk AI Agent | 按解决计费 | 约 1.50 美元（承诺量），约 2.00 美元（按需） |
| Sierra AI | 按结果计费，价格不公开 | 第三方估算 1.00-2.50 美元/解决 |
注：Zendesk 和 Sierra 均未公开标准定价，上述数字来自行业报告与用户披露，仅供参考。
HubSpot 0.50 美元是这几家里公开标价最低的。但这个价格有个前提：你信任 HubSpot 自己对"解决"的判定。
席位制为什么撑不住了
SaaS 卖席位这个逻辑，是 Salesforce 那代人建立起来的。你雇了多少人用这个软件，就付多少席位费。背后的假设是：软件的价值和使用人数正相关，人头数越多，软件用得越深。
这个假设在 AI Agent 时代断掉了。
Agent 干活不占座位。一个 AI 客服 Agent 一天可以同时处理几千条对话，占用的"席位"是零。更关键的是，它产生的商业价值，解决了多少问题，省了多少人力，和座位数根本没有关系。
用人头数收费，收的是接触许可，不是实际产生的价值。过去这个逻辑能跑通，是因为工具本身不干活，人才干活。现在工具开始干活了，原来那条线索就断了。
当你卖给客户的不是工具，而是"把这件事搞定"，定价基准就必须跟着移动。用席位数衡量一个会自动完成任务的 Agent，就像按厨师人数给食堂定价，不管做了多少顿饭。
这不是说席位制会彻底消失。协作型软件，比如文档、设计、沟通工具，价值仍然和人的使用深度挂钩。但对于那些"完成具体任务"属性很强的 Agent 类产品，席位制越来越难说清定价和价值之间的关系。产品越往自动化走，席位逻辑就越站不稳。
按结果收费，真正难的三件事
往结果定价方向走，不是收费模式的技术升级，是把一系列原本属于客户的问题推给了供应商。难就难在这三件事上。
第一件：怎么定义"结果"
“解决"听起来明确，实际上非常滑。一次对话被标记为解决，算不算真解决？用户 72 小时内没有回访，就算完成？用户点了"满意”，但问题其实没处理掉，又算什么？
HubSpot 的做法是由 AI 自行判定对话是否已解决，28 天免费试用期内客户可以观察解决率。但判定标准本身是个黑盒，客户很难独立核验。不同团队对"解决"的定义不同，同一个产品里可能存在系统性的高估或低估，这都是真实存在的摩擦。
第二件：归因怎么切
很多结果不是单一工具产生的。一个客户最终购买了，是因为 Prospecting Agent 发了邮件，还是销售跟了三次电话，还是竞品出了问题？归因切不清楚，收益分成就没法谈。
结果定价越复杂，归因就越成为博弈的核心。供应商和客户双方都有动机往自己那边拉。这不是技术问题，是谈判和信任问题。越往销售转化、市场增长这类链条更长的场景走，这个矛盾就越尖锐。
第三件：收入什么时候能确认
这是会计层面的真实麻烦。Deloitte 在 2026 年 6 月 4 日专门发布了一篇技术专题，题目是"Accounting for Outcome-Based Pricing in an Agentic AI Software Product"，核心问题正是收入确认时点。
供应商的承诺到底是"持续提供访问权限"（按时间确认收入），还是"交付若干次成功结果"（按事件确认收入）？两种定性，财务报表的节奏完全不同。如果是按结果，供应商在产出结果之前没有收入；如果解决率低于预期，当期收入直接缩水。这对高速增长阶段的 SaaS 公司来说，是很具体的资产负债表压力。
三件事组合在一起，按结果定价对供应商的要求是：你不仅要把产品做好，还要有能力定义结果、验证结果、证明是你的功劳，并且把这套机制放进合同里。这是一整套运营能力，不是一个定价策略就能解决的。
什么生意适合，什么生意别碰
先说适合的条件。
结果高度可测量，且供应商对结果有控制力的场景，适合按结果收费。
客服解决率是个好例子：对话有开始有结束，判定机制能做成标准，客户量大了以后统计层面可以相互验证。代码审查通过率、发票处理完成率、招聘筛选匹配率，类似逻辑都成立。
更关键的一点：供应商对结果有足够影响力，不会被外部变量轻易干扰。如果销售转化率取决于市场行情，AI 只是发邮件，那这个结果供应商根本拿不住，按结果收费就变成按运气收费。
结果难以客观定量，或归因链条过长的场景，按结果收费往往是坑。
营销效果、品牌建设、知识管理，这类场景的"结果"本身就有争议，更容易变成账期拉锯和合同纠纷的温床。还有一类是结果滞后很长时间才出现的，比如员工培训后的技能提升，中间变量太多，供应商和客户很难在一个时间窗口里对齐。
用一张表简化判断：
| 场景特征 | 是否适合按结果收费 |
|---|---|
| 结果可量化，判定周期短（小时到天） | 适合 |
| 供应商对结果有直接控制力 | 适合 |
| 任务边界清晰，开始结束明确 | 适合 |
| 归因链条长，外部变量多 | 不适合 |
| 结果定义有争议，难以客观验证 | 不适合 |
| 结果滞后半年以上才能看到 | 不适合 |
Sierra 做的企业级 AI 客服，按结果收费逻辑跑得通，因为任务边界清晰，客服对话的解决与否是可操作定义的状态。据公开信息，Sierra 在 2026 年初达到约 1.5 亿美元 ARR，一定程度上说明这个模型有市场接受度。年合同通常在 15 万美元起步，目标客户是有足够体量来验证效果的企业。
而那些把按结果收费当营销噱头、结果定义模糊的产品，往往在续约阶段吃亏：客户发现没法核验价值，下一年谈判筹码就倒过来了。
写在最后
席位制运行了二十年，它的基础不是技术设计，是一个简单的商业常识：你有多少人用，就收多少钱。这套逻辑在 Agent 开始替代人做任务的时候，失去了它的支点。
按结果收费不是替代品，它是一个更难做的买卖。供应商要为结果负责，就必须有能力定义、测量、证明结果，还要在合同和财务处理上把这套逻辑搭完整。HubSpot 从每次对话 1 美元到每次解决 0.50 美元，这个切换只是表面，背后是一整套风险分配机制的重写。
做过实体生意的人对这种结构不陌生。工厂接订单，交货才结款，这是按结果付费最古老的形态。AI Agent 只是把这个逻辑带进了软件行业。
问题还是那个：谁能把"结果"定义得准、测量得到、归因得清，谁才能在新的计价体系里活得自在。定义不清楚的那些，迟早变成账单纠纷。
延伸阅读