Intercom 的 Fin 按 0.99 美元/解决客户问题收费，但这个价位能成立，依赖一个关键前提：Intercom 自研了专用客服模型 Fin Apex 1.0，在客服问题解决率达 73.1%，超越 GPT-5.4 和 Claude Sonnet 4.6，同时运行成本仅为调用前沿大模型的五分之一。这意味着结果定价在技术上不是通用方案——它要求厂商在特定场景有成本优势，否则 0.99 美元覆盖不了模型推理、人工兜底和系统集成三大成本。Fin 的定价能成立，本质是自研模型把算力成本压到了可承受区间。

文章聚焦 AI 定价从 Token 到结果付费的跃迁，但这背后是 SaaS 行业二十年的定价逻辑演进。SaaS 早期按用户月费订阅，卖的是「功能」；随着客户成熟度提升，采购方不再满足于功能清单，而是直接要求「成果」——主导权从提供商转向客户。全球 SaaS 市场 85% 收入来自既有客户续约，迫使厂商把报价从「你能用什么」翻译成「我帮你做成什么」。这篇文章把这条演化线画得清晰：SaaS 的新定义变成了发现业务痛点并转化为可持续服务合约，软件已不是核心。

文章推崇按结果付费，背景是 Token 模式正面临危机。2026 年 3 月 Meta 上线内部 Token 消耗排行榜，全员月消耗从 6 万亿飙升至 73.7 万亿，增幅超 12 倍，一名员工单月刷掉近 50 万美元，排行榜被紧急下架。微软和亚马逊也相继关停类似工具。研究显示企业每花 1 美元在 AI Token 上，0.44 美元用于修复 AI 生成的 Bug，无效浪费严重。硅谷大厂的「唯 Token 论」崩盘，刚好印证了结果定价的合理性——但也揭示了一个反题：如果 Token 账单已经失控，结果定价里的风险分摊如何设计才不让厂商成为新的成本黑洞？

文章指出按结果付费适合高频、边界清晰、可验收的场景。当下能看到的关键变量是三个：一是「完成」的定义权——同一问题客户和 AI 的验收标准可能不同，SLA 如何写进合同；二是责任分配——AI 犯错导致客户损失时，厂商是否承担赔偿责任，法律上尚无成熟判例；三是中国市场可能以项目制/效果分成先行，而不是标准化价格页。拐点不在 AI 解决率提升到多少，而在保险/担保机制成熟、行业出现可复用的结果合同模板。事实边界是：已有厂商（如 Intercom）跑通了 0.99 美元/问题的闭环，但大规模复制要等这些交易基础设施就位。

文章说结果型 AI 会让软件变「重」，整合流程、工具、规则、验收。这引发一个反直觉追问：如果软件承诺结果交付，那原来中间层的监控分析、流程编排、质检工具还卖给谁？客户买了结果，就不再需要自己盯着流程指标——这些产品的价值底座会被抽走。比如客服质检 SaaS、工单分析工具、Agent 日志平台。这个方向值得推演的是：哪些中间件会被结果定价「融化」进交付层，哪些反而因为厂商需要透明验收而意外存活。