fileAI 在自家博客上宣布了一件事：从即日起，平台停止按页计费，改为按 Agent Flow 实际完成的结果计费。官方博客引用了 Bain & Company 在 2026 年 6 月对近 200 家 B2B SaaS 公司的定价调查作为背景——只有约 10% 的 AI 原生与混合厂商改用了结果定价，多数仍在为「努力」或「输出」付费。
三种结果定价，选的中间那一档
fileAI 把这件事的起因说得很直白：按页计费的前提是交付物是提取出来的数据，这个前提早已不成立。fileForge 平台跑的已经是完整的 Agent Flow——智能体摄入文件、应用业务规则、跨文档与引用做核对、处理异常，然后直接往业务系统里写最终结果。保险公司的理赔 Agent Flow 要的不是一批文件被处理完，而是理赔这件事办成了：简单的零接触，复杂的交出一份理赔员可直接处理的报告。
这里有个值得单独讲的分层。业界说的「按结果收费」其实至少指三档不同的东西：
最松的一档是挂到下游业务结果上——收入提升、成本节省。这一档归因困难、验证缓慢，扯皮空间大。
fileAI 选的是中间一档：一次可计费的 Agent 运行，等于一份文件、一条记录、一个案件或一个业务包交付到了目的地，或者一次异常按合同明确算作完成。每个 Agent 都带一个公开定义的完成线。
这一档里最值得注意的是它把哪些情况排除掉了。按官方列出的规则：技术原因导致的失败不收费；fileAI 自己造成的重复不收费；fileAI 自己触发的重跑不收费。Token、页数和模型调用全部作为内部成本项留在自己这边，客户看不到。
换句话说，厂商主动接下了「我这边的错」这一类成本，客户只为跑通的那一次付费。这不是定价技巧，是把风险重新分配了一遍。
定价是结果，成本才是前提
要判断这套模式能不能推广，得先看毛利率撑不撑得住。
传统 SaaS 常见的毛利水平在 75% 到 85% 之间，因为模型调用在成本里占很轻的一侧。但通用智能体不一样——算力是底座。公开报道中有一组数字：Manus 每完成一个任务需向外部模型方支付约 2 美元，其毛利率被描述为仅约 50%（据相关财经报道口径）。同一批报道还提到，Manus 2.0 的自研框架称可以把成本降低 32%，但能否持续兑现仍需观察。
这个数字为什么重要？因为在结果定价下，任务越成功，成本越确定地跟着走；而按结果收费把「成功」定义成了要收钱的那个事件。于是失败重试从一项成本变成了收入全损。
这正好解释了 fileAI 为什么必须把技术失败明确写进「不收费」清单——不写清楚，一次偶发的系统性故障就可能让整批账单作废。
这轮转变的驱动力与它的代价
把这次改动放到更长的趋势里看，它和过去一年几件事指向同一个方向。
一边是席位订阅正在松绑。Salesforce 与 Workday 都在重构定价与产品策略，从按席位订阅转向以智能体与数据整合为核心的按用量计价；Workday 披露其 AI 产品已占二季度新增年度合同价值的 25%。另一边是国内一批厂商在往结果方向走：百融智能在物流行业用硅基客服按「无需转人工的有效通话」计价、按实际部署的硅基员工数量计价、按促成业务规模分润三种方式；蚂蚁数科 CEO 赵闻飙在 2026 外滩大会提出用「智效比」——单位智能体投入产出的真实业务价值——作为评估企业 AI 成败的核心标尺。
驱动因素其实很朴素。在结果定价之前，厂商和客户之间有一个长期的信任缺口：客户付了钱，拿到的是一个工具，用得好不好取决于自己会不会用。定价单位从席位换到 credits 再换到结果，链条上的一环始终没被解决——谁为「事情没办成」负责？
结果定价是把这个问题写进合同的尝试。它的代价是风险从厂商转移给客户之后，客户必然要在合同里向厂商要一个更明确的完成线定义，以及一套可审计的执行痕迹。这对双方的能力要求都比以前高：厂商要能证明「确实办成了」，客户要能验证这个证明。
有意思的是，Bain 调查里的 10% 这个数字，说明大部分厂商还不敢走这一步。原因也不难猜：在毛利率普遍被智能体成本结构压低的情况下承诺失败不收费，等于同时放弃了成本兜底。而 fileAI 的做法之所以可行，是因为它把自己的完成线定义得足够窄——窄到一个完整交付单元，而不是一个宏观业务指标。
这个窄定义或许是结果定价能落地的关键形态。越接近「宏观业务结果」，归因越难、扯皮越多；越接近「有明确定义边界的完成事件」，越可能真的写进合同。目前官方及行业暂未披露更多细节，后续将持续跟进迭代动态。