AI SaaS 按量计费设计:从 token 到可对账的账单事件
AI 产品的调用成本随输入、输出、模型与重试变化。只按席位收费容易被极端使用量侵蚀毛利;只按 token 收费又可能让用户难以预测账单。一个常见方案是基础订阅加额度和超额计费,但关键不是价格表,而是可靠的计量事件。
事件先于账单
每次推理生成唯一 event_id,记录租户、请求 ID、模型、输入与输出用量、计价版本、发生时间和状态。上游超时后是否仍产生费用,应根据供应商返回的可确认用量与合同规则处理,而不是简单把失败请求都算作零。
事件接收需要幂等:对 event_id 建唯一约束,重放同一事件不得重复扣费。将原始事件与结算结果分开保存;价格变更不能覆盖历史版本。消费额度和写入账本应具有原子性,避免并发请求同时使用同一余额。
费用示例
假设某请求输入 1000 单位、输出 200 单位,输入单价 2、输出单价 8,成本按相同计价单位为 1000×2 + 200×8。这只是计算结构,不代表任何供应商报价。还要加上检索、存储、缓存命中、重试和人工审核成本,并追踪每个客户的毛利。
对用户展示已用额度、预估费用、账期和限额;超额前通知并定义降级行为。月末将内部事件聚合与供应商账单对账,保留差异处理流程。使用 OpenMeter、Lago 等产品前,先核对当前许可、特性和部署成本。
参考:OpenMeter 文档;Lago 文档。