有用户在消费投诉平台反映称，在模型厂商进行技术升级并将计费方式从按次数计费调整为按Token用量后，短期内同等业务量套餐额度迅速消耗。随后相关企业发表致歉声明并对用户权益进行了相应补偿。

　　从按次计费到逐渐转变为按Token计费，从技术逻辑出发，胡延平认为，后者能够更精准地反映实际的算力资源消耗情况和用户的实际使用量，但在落地过程中也有相应问题容易被遮蔽。“同样的Token使用量并不等于创造同等价值，同样的资费也不等于获得同等能力水准的模型服务。”他提示道，即使用户在处理同一个任务，模型在响应时也可能会有高中低等不同的算力消耗模式。

　　当用户通过智能体调用大模型时，这一问题更为显著。胡延平进一步分析：“用户如果是通过各类智能体调用模型服务来完成任务，过程中智能体投喂给模型的上下文数据量的变动范围也比较大，智能体任务本身极为消耗Token，即使经过持续优化，还是比直接使用模型的Token消耗量要高出不同的数量级。”

　　胡延平认为，这些看不见的因素会让用户产生心理落差和信息不对称，加剧与大模型厂商之间的信任张力。

　　同样“看不清”的问题也在困扰企业端的付费客户。石思奇告诉《锋面》记者，当前模型效果和价格之间缺少清晰对应，对于企业客户而言，看到的是一笔“糊涂账”。“企业缺少统一的用量监控、预算控制和成本分摊工具，难以知道费用具体消耗在哪个部门、项目或客户。”他说。而这一因素也导致部分企业难以评估接入AI大模型后降本增效的实际效果。