قیمت‌گذاری قابلیت هوش مصنوعی: هزینهٔ استنتاج را در بهای تمام‌شده ببینید تا کاربران پرمصرف حاشیه سود را نخورند

اگر به نرم‌افزار، اپلیکیشن یا خدمات آژانس خود قابلیت هوش مصنوعی اضافه کرده‌اید و آن را با اشتراک ماهانهٔ ثابت می‌فروشید، این یادداشت برای شماست. پرسش ما مشخص است: چطور کاربران پرمصرف حاشیهٔ سود را نخورند. به گفتهٔ استرایپ، این مشکل نشانهٔ آشکاری ندارد و با رشد بهترین مشتریان بزرگ‌تر می‌شود^[۲]. اصل ماجرا ساده است. در نرم‌افزار اشتراکی کلاسیک، اضافه شدن هر مشتری تازه تقریباً هزینه‌ای نداشت^[۱]. با هوش مصنوعی، هر تعامل مشتری هزینهٔ اجرای مدل را با خود دارد^[۱]. به این اجرا استنتاج (inference) می‌گویند، یعنی هر باری که مدل برای جواب دادن به یک درخواست کار می‌کند. توکن (token) هم واحد پایهٔ داده‌ای است که مدل با آن کار می‌کند و صورت‌حساب بر اساس آن بالا می‌رود^[۱]. بوستون کنسالتینگ گروپ پیشنهاد می‌کند توکن‌هایی که داخل محصول یا در تعامل با مشتری مصرف می‌شوند، جزو بهای تمام‌شدهٔ کالای فروش‌رفته (COGS) ثبت شوند و در حاشیهٔ ناخالص مدیریت شوند^[۱]. بهای تمام‌شده یعنی هزینه‌ای که مستقیم صرف همان چیزی می‌شود که فروخته‌اید، و حاشیهٔ ناخالص یعنی آنچه پس از کم کردن این هزینه از درآمد می‌ماند.

واقعیت‌های کلیدی

• BCG توکن‌های مصرف‌شده داخل محصول یا تعامل با مشتری را بهای تمام‌شدهٔ کالای فروش‌رفته می‌داند که باید در حاشیهٔ ناخالص مدیریت شود.^[۱]
• به گفتهٔ استرایپ، هزینهٔ استنتاج میان مشتریان می‌تواند چند مرتبهٔ بزرگی فرق کند و پلن ثابت به کاربران سنگین یارانه می‌دهد.^[۳]
• Cursor در ۱۶ ژوئن ۲۰۲۵ پلن ۲۰ دلاری Pro را به ۲۰ دلار مصرف با نرخ API تغییر داد و پس از شکایت کاربران عذرخواهی کرد.^[۶]
• Anthropic از ۲۸ اوت سقف هفتگی برای پلن‌های ۲۰، ۱۰۰ و ۲۰۰ دلاری گذاشت و به ادعای خودش کمتر از ۵ درصد مشترکان متأثر می‌شدند.^[۵]
• بر اساس داده‌ای که استرایپ نقل می‌کند، ۴۶ درصد مدیران فناوری اطلاعات قیمت غیرقابل پیش‌بینی را یک مانع اصلی هوش مصنوعی مولد می‌دانند.^[۳]

کجای کسب‌وکار شما به کار می‌آید؟

چرا پلن ثابت با کاربر پرمصرف جور درنمی‌آید

به توضیح استرایپ، کاربری که هر روز هزاران خروجی می‌سازد می‌تواند خیلی بیشتر از یک کاربر معمولی هزینهٔ زیرساخت درست کند، حتی اگر هر دو فقط یک صندلی اشتراک داشته باشند^[۲]. همین شرکت می‌گوید هزینهٔ استنتاج از یک مشتری تا مشتری دیگر می‌تواند چند مرتبهٔ بزرگی فرق کند، یعنی اختلافی بسیار بزرگ و نه چند درصد^[۳]. مثالی که خودش می‌زند مشتری‌ای در پلن ثابت است که ۱۰ برابر حجم پیش‌بینی‌شده استنتاج مصرف می‌کند؛ هزینهٔ او را عملاً مشتریان کم‌مصرف می‌پردازند^[۲]. فرض کنید یک آژانس بازاریابی به مشتریانش پلنی با تولید نامحدود متن تبلیغاتی فروخته است. بیشتر مشتریان هفته‌ای چند متن می‌خواهند. یکی دو نفر اما هر روز کل تقویم محتوایشان را از نو می‌نویسند. برداشت ما این است که در چنین پلنی، رشد همین مشتریان فعال می‌تواند به رشد زیان تبدیل شود.

دلیل این نوسان را BCG در چند عامل می‌بیند. به تحلیل این شرکت، صورت‌حساب توکن به طول دستور، حجم اطلاعاتی که بازیابی می‌شود، طول خروجی، انتخاب مدل، میزان استدلال و تعداد دورهایی بستگی دارد که یک ایجنت پیش از توقف می‌زند^[۱]. ایجنت (agent) برنامه‌ای است که چند گام را پشت سر هم و تا حدی خودکار انجام می‌دهد. همین گزارش می‌گوید ایجنت‌ها دستورها، تاریخچه و اسناد را با خود جلو می‌برند و اغلب در هر دور دوباره تکرارشان می‌کنند^[۱]. پس دو درخواست که از بیرون شبیه هم‌اند، ممکن است هزینهٔ کاملاً متفاوتی داشته باشند.

تجربهٔ ابزارهای کدنویسی با پلن ثابت

در ۱۶ ژوئن ۲۰۲۵ شرکت Anysphere، سازندهٔ ابزار کدنویسی Cursor، پلن ۲۰ دلاری Pro را تغییر داد^[۶]. تا پیش از آن، مشترکان ۵۰۰ پاسخ سریع از مدل‌های پیشرفته می‌گرفتند و بعد پاسخ نامحدود با سرعت کمتر^[۶]. API درگاهی است که نرم‌افزار از راه آن به مدل وصل می‌شود و بر اساس مصرف پول می‌دهد. در پلن تازه، هر مشترک ماهانه ۲۰ دلار مصرف با نرخ API می‌گرفت و پس از آن باید اعتبار اضافه می‌خرید^[۶]. مدیرعامل شرکت دلیل را این دانست که مدل‌های جدید برای کارهای طولانی‌تر در هر درخواست توکن بیشتری خرج می‌کنند^[۶]. برای مقایسه، Claude Opus 4 برای هر میلیون توکن ورودی ۱۵ دلار و برای هر میلیون توکن خروجی ۷۵ دلار قیمت داشت^[۶].

اجرای این تغییر خوب پیش نرفت. برخی کاربران گفتند اعتبارشان بعد از چند دستور تمام شد و برخی بی‌آنکه سقف هزینه گذاشته باشند پول اضافه دادند^[۶]. مدیرعامل عذرخواهی کرد و شرکت اعلام کرد پول کسانی را که هزینهٔ غیرمنتظره داده‌اند برمی‌گرداند^[۶].

چند هفته بعد Anthropic اعلام کرد از ۲۸ اوت برای پلن ۲۰ دلاری Pro و پلن‌های ۱۰۰ و ۲۰۰ دلاری Max سقف مصرف هفتگی می‌گذارد^[۵]. هدف اعلام‌شده مهار کاربرانی بود که Claude Code را شبانه‌روز در پس‌زمینه روشن نگه می‌داشتند^[۵]. به ادعای این شرکت، کمتر از ۵ درصد مشترکان تحت تأثیر قرار می‌گرفتند و مشترکان Max می‌توانستند مصرف بیشتر را با نرخ استاندارد API بخرند^[۵]. برداشت ما این است که هر دو شرکت به یک الگو رسیدند: اشتراک ثابت برای مصرف معمول و پرداخت جدا برای مصرف سنگین. استرایپ این را مدل ترکیبی (hybrid) می‌نامد و می‌گوید محصولات بالغ هوش مصنوعی به همین مدل می‌رسند^[۲]. البته ابزار کدنویسی یک حالت حدی است، چون کارهای ایجنتی در آن می‌تواند خیلی بیشتر از تکمیل خودکار کد توان پردازشی مصرف کند^[۴]. به نظر می‌رسد در یک چت‌بات پشتیبانی ساده، شدت مسئله کمتر باشد.

سه کار پیش از فروش پلن نامحدود: دیدن هزینه، قیمت‌گذاری، کم کردن هزینه

قدم اول دیدن هزینه است. BCG پیشنهاد می‌کند هر جریان کاری مهم یک مالک، برچسب محصول یا مصرف داخلی، سطر مشخص در صورت سود و زیان، و مدل و ارائه‌دهندهٔ معلوم داشته باشد^[۱]. به گفتهٔ این گزارش، نسخهٔ اول می‌تواند ساده باشد: یک کلید API جدا برای هر پروژه و برچسب روشن محصول در برابر مصرف داخلی^[۱]. استرایپ هم توصیه می‌کند هر رویداد مصرف یک شناسهٔ ثابت مشتری و یک شناسهٔ پیگیری داشته باشد تا هر سطر صورت‌حساب به درخواست اصلی برگردد^[۳]. با این داده می‌شود هر ماه دید هر مشتری چقدر هزینهٔ مدل ساخته و چقدر پول داده است.

قدم دوم قیمت است. استرایپ پیشنهاد می‌کند حساب بدترین مشتری را بکنید: الگوی مصرفی را پیدا کنید که او را زیان‌ده می‌کند و برایش سقف مصرف، نرخ مازاد و محدودیت سطح بگذارید^[۲]. شروع پیشنهادی‌اش هم ساده است: اشتراک دوسطحی که سطح بالاترش یک بخش مصرفی دارد^[۲]. قیمت‌گذاری بر اساس نتیجه، مثلاً به ازای هر تیکت پشتیبانی حل‌شده یا هر سرنخ واجد شرایط، وقتی جواب می‌دهد که بشود نتیجه را روشن به محصول نسبت داد^[۲]. طرف دیگر ماجرا مشتری است. بر اساس داده‌ای که استرایپ نقل می‌کند، ۴۶ درصد مدیران فناوری اطلاعات قیمت غیرقابل پیش‌بینی را یکی از موانع اصلی به‌کارگیری هوش مصنوعی مولد می‌دانند^[۳]. برای همین به سقف هزینه، هشدار و سیستم اعتباری نیاز است تا مصرف پیش از صدور صورت‌حساب دیده شود^[۲]. نرخ رسیدن به سقف، تبدیل آن به ارتقا و ریزش مشتری (churn)، یعنی ترک اشتراک، را هم باید زیر نظر داشت^[۲].

قدم سوم کم کردن هزینه است. BCG پیشنهاد می‌کند کارهایی مثل جست‌وجوی ساختاریافته و محاسبه اصلاً به مدل سپرده نشوند، کارهای ساده به مدل‌های سبک‌تر یا با وزن باز (open-weight) برود و دستورهای تکراری با کش (caching) دوباره استفاده شوند^[۱]. مدل با وزن باز را می‌شود روی سرور خودتان اجرا کرد. کش یعنی بخش ثابت دستور نگه داشته شود تا هر بار از نو هزینه نخورد. همین گزارش هشدار می‌دهد مدل ضعیف‌تری که چند بار تلاش دوباره لازم دارد، ممکن است به ازای هر نتیجهٔ موفق از مدل قوی‌تر گران‌تر تمام شود^[۱]. برای ایجنت‌ها، استرایپ قطع خودکار حلقه‌های بی‌پایان و تشخیص مصرف غیرعادی را توصیه می‌کند^[۳].

معیار اصلی، هزینه به ازای هر نتیجهٔ موفق است، نه هزینهٔ کل^[۱]. یک نکته را هم در نظر داشته باشید: راهنماهای قیمت‌گذاری این یادداشت را شرکتی نوشته که خودش سیستم صورت‌حساب مصرفی می‌فروشد^[۳]. پس توصیه به قیمت‌گذاری مصرفی را باید با همین نکته خواند. اگر می‌خواهید این واحد سنجش را دقیق‌تر بسازید، یادداشت ما دربارهٔ هزینه هر کار قدم بعدی است.

خط زمانی

1. 2025-06-16: Cursor پلن ۲۰ دلاری Pro را به ۲۰ دلار مصرف ماهانه با نرخ API تغییر داد^[۶]
2. 2025-07: مدیرعامل Anysphere برای اطلاع‌رسانی نامشخص تغییر قیمت عذرخواهی کرد و وعدهٔ بازپرداخت داد^[۶]
3. 2025-07-28: Anthropic سقف مصرف هفتگی برای مشترکان Pro و Max را اعلام کرد^[۵]
4. 2025-08-28: سقف‌های هفتگی Anthropic اجرایی شد^[۵]

برای کسب‌وکارهای ایرانی

برای شرکت‌های نرم‌افزاری و آژانس‌هایی در ایران که قابلیت هوش مصنوعی را روی API سرویس‌های خارجی می‌سازند، به نظر می‌رسد این بحث حساس‌تر است. پرداخت به این سرویس‌ها اغلب از مسیرهای واسطه انجام می‌شود و قیمت نهایی هر درخواست کمتر در اختیار خودشان است. در چنین وضعی، فروختن پلن نامحدود با قیمت ثابت ریسک بیشتری دارد. یک راه در دسترس‌تر همان پیشنهاد BCG است: کارهای ساده به مدل‌های سبک‌تر یا با وزن باز برود و مدل‌های پیشرفته فقط برای کارهای واقعاً دشوار بماند^[۱]. ثبت هزینه به تفکیک مشتری هم ابزار خاصی نمی‌خواهد و از همین ماه شدنی است.

چه چیزی را باید دنبال کرد

• آیا ارائه‌دهندگان ابزارهای هوش مصنوعی پلن‌های ثابت را به سمت مدل ترکیبی یا اعتباری می‌برند و چطور این تغییر را به مشتری اطلاع می‌دهند.
• در محصول خودتان: نرخ رسیدن کاربران به سقف مصرف، تبدیل آن به ارتقا و ریزش پس از رسیدن به سقف.
• سهم هزینهٔ مدل در بهای تمام‌شدهٔ هر مشتری، ماه به ماه، به‌خصوص پس از اضافه کردن قابلیت‌های ایجنتی.

منابع

1. Return on AI: How CFOs and CIOs Can Manage the Token Meter — Boston Consulting Group، منبع مرجع، دسترسی: 2026-10-14
2. A Guide to AI SaaS Pricing Frameworks | Stripe — Stripe، منبع مرجع، دسترسی: 2026-10-14
3. Usage-Based Billing for AI Companies | Stripe — Stripe، منبع مرجع، دسترسی: 2026-10-14
4. Pricing Models for AI Coding Tools: A Vendor's Guide | Stripe — Stripe، منبع مرجع، دسترسی: 2026-10-14
5. Anthropic unveils new rate limits to curb Claude Code power users | TechCrunch — TechCrunch، انتشار: 2025-07-28، شواهد تازه، دسترسی: 2026-10-14
6. Cursor apologizes for unclear pricing changes that upset users | TechCrunch — TechCrunch، انتشار: 2025-07-07، شواهد تازه، دسترسی: 2026-10-14

روش تهیه: این تحلیل با سامانه پایش خودکار khavarzadeh.com و کمک مدل‌های زبانی از منابع بالا تهیه شده و پیش از انتشار، تطابق اعداد، تاریخ‌ها و ارجاع‌ها با منابع به‌صورت خودکار کنترل شده است. واقعیت‌ها با شماره منبع مشخص شده‌اند و بقیه متن برداشت تحلیلی است. تاریخ تهیه: 2026-10-14.