关于调用大模型二次付费，我想说的几句实在话

最近在帮忙社区看到一篇帖子，讨论输入法豆包语音识别的价格问题，有人觉得“2秒一积分”太贵，有人说“10次一积分”是活动价、以后会涨。帖子下面吵得挺热闹，有人算账，有人吐槽，有人拿天坦和点明、保益做对比。

看完这些讨论，我又翻出了永恒的海之前在帮忙社区发的那个关于大模型二次付费的帖子。那个帖子当时也引起了不小的讨论，后来被转载到了点名圈，我也参与了回复。现在把这两件事放在一起看，加上这几个月各家公司的价格调整和用户反馈，有些想法变得更清晰了。

这篇文章不站队，不偏袒任何一家公司，也不掺杂个人情绪。我只想从成本、商业、技术这几个维度，把这件事从头到尾捋一遍，然后说说我的一些思考。

一、先把事情说清楚：到底发生了什么

2026年5月，保益公司的管理员永恒的海在帮忙社区发了一篇帖子，标题叫《关于调用大模型二次付费》。帖子的核心意思很明确：保益公司接入大模型需要向第三方付费，除了vivo之外没有免费接口，视频理解还要额外支付阿里云OSS存储费用，所以用户一年99元的会员费不可能覆盖所有付费项目的成本。永恒的海的原话是：

“我们调用第三方模型，除了vivo以外，没有人提供免费接口，难不成，你一年99元的会员费，我还要放开了给你用所有付费项目，一个视频理解就能给我们搞破产了。”

“我可以很直接的说，保益公司，一年，从付费模型里面根本就没赚钱。有的月份还亏钱。”

“你觉得二次收费不舒服，完全可以用免费的功能，例如文字识别，图片识别，没有人一定要你偏要切换到收费接口。又想要最好的，又不愿意花钱，这样的服务，至少我们公司提供不了。”

这篇帖子在帮忙社区引起了不小的讨论，后来被转载到了点名圈，我转载的时候也在二楼写了自己的看法。核心观点是：豆包即将收费，论坛上不少人说“愿意用”，但同样是收费，保益二次付费就成了“抢钱”，这是明显的双标。我当时还引用了那句老话——“又想马儿跑，又要马儿不吃草，天底下哪有那么美的事。”

那篇帖子下面的回复，我大概看了一下，大致分几类：

第一类，支持收费、认为合理。比如“朱云飞”说“大模型，本来就要收费。我算过这笔账”；“岁月年华”说“只要东西好用，花点钱。都无所谓”；“红米note14安卓16”说“现在就是付费的时代。免费的时代已经过去了”。

第二类，觉得贵、觉得不合理。比如“人间过客”在后来那篇关于输入法价格的帖子里说“2秒一积分，每天用的量大的话，还是特别贵的”“2秒计费确实对于我们这种长时间依赖语音输入的人来说，确实有点高”。

第三类，中立、按需选择。比如“二月飞龙”说“我需要用的可以开会员，不需要的，可以有免费的。都是可以选择的”；“天若有情ps正版”说“愿意用就充值，不愿意用拉倒”。

这些讨论本身是很正常的。任何一个产品的定价，都会有人觉得值、有人觉得不值。但让我觉得有意思的是，这些讨论背后反映出来的，不仅仅是价格高低的问题，而是盲人群体对“付费”这件事的认知正在发生变化。

二、免费时代真的在退场，这不是保益一家的事

永恒的海那篇帖子里提到一个关键信息：豆包即将推出付费，每个月68元。当时我看到这条信息的时候，特意去查了一下。豆包确实在2026年5月新增了付费版本，标准版68元/月，加强版200元/月，高级版500元/月。到了6月，豆包正式官宣了专业版的三档定价。

也就是说，永恒的海当时说的“豆包即将收费”，不是猜测，是事实。而他在帖子里提出的那个对比——“豆包收费我也愿意用，保益收费就是抢钱”——这个现象，在我转载到点名圈之后，确实引发了更多的讨论。

再往后看，天坦读屏在2026年4月也发布了超级会员价格调整公告，单设备年卡从69元调整到79元，双设备从119元调整到139元，三设备从159元调整到189元。公告里写得很直白：“随着大模型算力成本、服务器运维成本以及研发人力成本的持续上升，为了保障公司能够长期健康稳定地运营。”

天坦的超级会员涨价，保益的二次付费争议，豆包的正式收费——这几件事放在一起看，结论就很清楚了：免费时代正在退场，这不是某一家公司的选择，而是整个AI行业的共同趋势。

原因很简单：算力成本是真实的。豆包的日均Token调用量在2026年6月已经突破180万亿，过去一年增长超10倍。GPU芯片、电力、服务器、研发人力，每一项都是真金白银。有分析文章指出，一张高端GPU动辄几十万元，运行一个大模型需要几十甚至几百张同时工作，大型推理集群的电费也是天文数字。

这不是保益一家在哭穷，这是整个行业在算账。

三、各家公司的收费模式，其实反映了不同的商业逻辑

既然收费是必然的，那问题就变成了：怎么收？ 这几个月各家公司的做法，其实很能说明问题。

保益的模式：按量计费，用多少付多少。 保益输入法集成了豆包的付费大模型语音输入，分了两个档位：语音识别大模型VIP版每2秒3积分，豆包同款引擎VIP版每2秒1积分。屏幕理解功能，flash模型每次消耗60积分，plus模型每次消耗80积分。这种模式的特点是，用户对每一笔消费都有感知，用得越多花得越多。

点明的模式：按次计费，单次成本低。 点明的语音识别是“三次扣一个点币”，10元1000个点币。朱云飞在回复里算过这笔账：“南京的三次扣一个积分，但是他的积分10元1000个积分，大家算算看，宝益这边十块钱一万个积分，在仔细算算，除了天坦便宜，剩余的其他的其实差不多的，羊毛出在羊身上。”

天坦的模式：会员打包，积分补充。 天坦的超级会员包含了会员专享语音输入接口，“开通超级会员后，无需额外付费即可零门槛体验大模型语音输入”。同时，豆包大模型语音输入接口的积分扣费标准是“原价使用3次扣除1个积分，现阶段按优惠价格执行，使用10次仅扣除1个积分”。

这三种模式，没有绝对的好坏，只是反映了不同的商业逻辑和用户定位。保益和点明的模式更接近“按需付费”，天坦的模式更接近“会员打包、积分补充”。永恒的海在帖子里说保益“从付费模型里面根本就没赚钱”，这个说法从商业逻辑上是可以理解的——按量计费的模式下，如果定价不够高，确实可能覆盖不了成本。

但这里有一个关键问题：用户对“按秒计费”的感知，和对“按次计费”的感知，是完全不一样的。

四、用户到底在抱怨什么？其实不只是钱

我仔细看了帮忙社区和点名圈关于收费的讨论，发现一个很有意思的现象：真正让用户不舒服的，往往不是“收费”本身，而是收费的方式和体验。

“人间过客”在那篇关于输入法价格的帖子里说了一段话，我觉得特别能代表一部分用户的心态：

“那你按两秒一次计费，我感觉也有点不合理。而且说实话，按住说话本来那音效一出来，你一松开，估计就差不多一两秒了。你最起码5秒计费也差不多啊，2秒实在是太夸张了。”

这段话的核心不是“我不想花钱”，而是“我觉得你的计费方式让我心里没底”。按住说话，松手，一两秒就过去了，如果按2秒计费，那意味着用户说一句很短的话，可能就要扣积分。这种感觉，就像打电话按秒计费一样——虽然可能总价不高，但每一秒都在走表，心里不踏实。

对比一下，点明的“三次扣一个点币”，用户对“一次”的感知是明确的：说一句话，识别完成，算一次。虽然单次成本可能更高，但用户至少知道“我花了一次钱，办了一件事”。

这其实是一个很经典的用户体验问题：按时间计费让用户产生“被持续抽血”的焦虑感，按次计费让用户产生“交易完成”的确定感。 即使总价差不多，心理感受完全不同。

保益社区里也有人讨论过这个问题。有一个帖子叫《关于隔壁那位“伤害论”朋友的一些回应》，里面有一段话很犀利：

“3秒2积分，一分钟40积分，一小时2400积分。10块钱1000积分，不够一个小时。没错，账算得对。但你有没有想过，谁会连续不停地用语音输入一个小时？你是在聊天，还是在开语音输入马拉松？正常人聊天，一条消息几秒钟，说完了松开，等对方回复。”

这段话的反驳是有道理的。从实际使用场景来看，正常人不会连续按住语音输入一个小时。但问题在于，用户在做消费决策的时候，往往不是按“实际使用场景”来算的，而是按“最坏情况”来算的。他会想：万一我今天需要连续输入很多内容呢？万一我遇到一个需要长时间语音的场景呢？这种“万一”的焦虑，会让他对按秒计费产生抵触。

所以，用户抱怨的不仅仅是价格，更是计费方式带来的不确定感。

五、免费的功能真的够用吗？这是一个需要认真回答的问题

永恒的海在帖子里说了一句话，我觉得是整个讨论中最关键的一句：

“你觉得二次收费不舒服，完全可以用免费的功能，例如文字识别，图片识别，没有人一定要你偏要切换到收费接口。”

这句话的逻辑是对的。但问题是：免费的功能，到底够不够用？

从技术角度来说，免费的文字识别、图片识别、基础的语音输入，确实可以满足大部分日常需求。vivo的免费接口、系统自带的TalkBack、各家读屏软件的基础功能，都是免费的。

但问题在于，盲人用户的需求是分层的。有些需求，免费功能确实能解决；有些需求，免费功能确实解决不了。

比如，一个普通的文字识别，免费功能可以做到。但如果遇到一个复杂的图形验证码，普通的文字识别可能就无能为力了，需要调用大模型的屏幕理解功能。保益社区里有一个用户“遇上你是我的缘”分享了自己的经历：

“昨天我帮母亲在电信平台充值话费，平台充值不仅要填写短信验证码，还得先完成图片验证码验证。咱们盲人朋友根本没法手动输入这类图形验证码，我先用普通验证码识别试了好几次都没能通过，之后又用智能识屏依旧行不通，还差点达到操作次数限制，充值一度卡在这一步。后来我用了咱们的屏幕理解功能，顺利识别出验证码内容，直接复制使用就成功完成了充值。”

这个例子很典型。在“帮母亲充值话费”这个场景下，免费功能确实解决不了问题，屏幕理解功能解决了。用户愿意为这个功能付费，是因为它解决了一个真实的、具体的困难。

再比如，腾讯文档、金山文档不朗读，这是一个困扰盲人用户很久的问题。传统的读屏软件解决不了，因为文档的渲染方式不在无障碍接口的覆盖范围内。但用大模型解析文档内容，就可以解决这个问题。永恒的海在帖子里也提到了这一点。

所以，免费的功能确实够用，但它够用的是“基础需求”。当用户遇到“进阶需求”的时候，免费功能就不够用了。 这不是保益或点明在制造焦虑，而是技术发展的客观现实。

六、天坦的案例，其实是一个很好的观察窗口

天坦在2026年4月调整了超级会员价格，同时把豆包大模型语音输入接口的扣费标准从“原价3次1积分”调整为“优惠期10次1积分”。这个调整本身，就很能说明问题。

天坦官方说得很清楚：“原价使用3次扣除1个积分，现阶段按优惠价格执行，使用10次仅扣除1个积分。” 也就是说，现在的“10次1积分”是优惠价，以后可能会恢复到“3次1积分”。

这个信息很重要。它说明天坦也在面对成本压力，也在寻找平衡点。超级会员涨价，是为了覆盖基础运营成本；积分优惠，是为了让用户先体验到大模型的价值。但优惠不可能永远持续，最终还是要回到一个可持续的定价水平。

天坦社区里有一个用户的评论很实在：“提升一点好呀，这么多好用的功能，不提升一点点价格，真有点担心天坦直接倒闭。” 另一个用户说：“如果真在运营有困难的话，老用户的购买时长也可以进行相应的调整，毕竟价格已经调整了……真的天坦非常好用，后面我是会花钱支持的。”

这些评论说明，有一部分用户是理解成本压力的，他们愿意为好的产品付费，只是希望定价合理、透明、可持续。

七、我的思考：从“该不该收费”到“怎么收费才合理”

聊到这里，我想说说我自己的思考。

第一，收费是必然的，这不是哪一家公司的选择，而是整个行业的趋势。 豆包收费了，天坦涨价了，保益和点明都在探索二次付费的模式。这背后的逻辑是一致的：大模型的算力成本是真实的，免费的模式不可持续。

第二，用户对收费的抵触，很多时候不是抵触“花钱”，而是抵触“花得不明白”。 按秒计费让用户焦虑，按次计费让用户踏实；会员打包让用户觉得“我买了就应该随便用”，按量付费让用户觉得“我用的每一分钱都要算清楚”。哪种模式更好，没有标准答案，但透明和可预期，是用户最基本的要求。

第三，免费的功能确实够用，但“够用”是有边界的。 日常的文字识别、基础的语音输入，免费功能可以满足。但当用户遇到复杂的图形验证码、无法朗读的文档、需要理解屏幕内容的场景时，大模型的价值就体现出来了。这些场景可能不是每天都有，但一旦遇到，就是刚需。

第四，各家公司的探索都值得尊重，也都需要理解。 保益在尝试按量计费，点明在尝试按次计费，天坦在尝试会员打包加积分补充。这些尝试不一定都成功，但至少它们在努力寻找一个可持续的模式。永恒的海在帖子里说“保益公司，一年，从付费模型里面根本就没赚钱”，这句话我信。因为在这个阶段，大模型服务确实很难赚钱，能不亏就不错了。

第五，用户和公司之间，需要的是对话，而不是对立。 永恒的海的帖子里有一段话，我觉得说得很好：

“用户是消费者，选择权在您手中，你觉得值就付费，觉得不值，目前的免费功能肯定也是够用的。”

这句话的核心是“选择权”。用户可以选择用免费功能，也可以选择付费使用更好的功能。公司可以选择定价策略，用户可以选择是否买单。这是一个双向的选择，不需要上升到“黑心”或“抢钱”的道德审判。

八、写在最后：大模型时代的盲人用户，其实是最幸运的一批人

说一句可能有点反直觉的话：大模型时代的盲人用户，其实是最幸运的一批人。

为什么这么说？因为大模型解决的很多问题，恰好是盲人用户长期面临的痛点。

文档不朗读？大模型可以解析。图片看不到？大模型可以描述。屏幕上的无焦点内容摸不到？大模型可以理解。复杂的图形验证码过不去？大模型可以识别。

这些问题，在传统读屏软件的时代，很多都是无解的。读屏软件只能读取无障碍接口提供的信息，如果信息本身不存在，读屏软件就无能为力。但大模型不一样，它可以从图像层面理解内容，不需要依赖无障碍接口。

从这个角度来说，大模型不是在“收割”盲人用户，而是在“解放”盲人用户。 它让很多以前做不到的事情，现在可以做到了。付费，是获取这些新能力的代价，而不是对旧能力的剥夺。

永恒的海在帖子里说：“未来，就是大模型付费时代，就是拥抱AI的时代。”这句话我同意。付费不是终点，而是起点。付费让公司有能力持续投入，让技术持续进步，让用户持续受益。

所以，与其在“该不该收费”上争吵，不如把精力放在“怎么收费才合理”上。保益、点明、天坦，都在探索。用户在用真金白银投票。市场会给出答案。

免费的功能，永远在。收费的功能，也永远在。选择权，在用户自己手里。 这就是目前真实存在的，不会按谁的意志转移。