Comet事件:AI产品如何因定价策略流失用户信任

Perplexity Comet将原有Assistant功能转为按积分计费,引发用户对AI Agent高成本低成效与信任破坏的强烈批评。
Reddit上一篇帖子记录了用户对Perplexity浏览器产品Comet的愤怒:原本包含在内的Assistant功能被悄然转移至消耗付费积分的Computer模块,而该模块在执行浏览器自动化任务时效率低下、token消耗巨大。这一事件折射出AI Agent产品的两大结构性困境:浏览器自动化的工作机制决定了其token消耗与用户感知价值严重不匹配;而将已有功能重新包装计费的"bait and switch"做法,触犯了用户对既有权益的心理预期,造成信任崩塌。文章进一步指出,按量计费本身并非问题所在,关键在于透明度、不蚕食原有承诺,以及将成功率作为收费的前提条件。
一场引发用户不满的功能变更
Reddit社区一篇题为《How You Lose Customers》的帖子引发了关于AI产品定价与用户体验的广泛讨论。事件的主角是Perplexity旗下浏览器产品Comet,起因是其对Assistant功能的一次调整。
根据官方说明:"Computer现在负责处理你要求Assistant在Comet Desktop中执行的操作,从打开页面、填写表单到跨标签页完成任务。"这次看似能力增强的更新,却在真实用户那里遭遇了截然不同的反馈。

这位用户的批评相当尖锐:"我眼看着Computer白白烧掉积分(credits)。我看着Comet在网页上爬来爬去、试图搞明白该干什么的思维链。绝对不行。Comet对网页做的这些事根本不值这些token,Computer也做得不够好,而这种偷梁换柱(bait and switch)令人无法接受。"
AI Agent的真实成本与体验落差
这条抱怨背后,揭示了当前AI Agent类产品普遍面临的两个结构性问题。
Token消耗与实际价值不匹配
浏览器自动化Agent的工作方式,是通过反复读取网页内容、生成"思维链"(chain of thought)来推断下一步动作。这个过程本身就极其消耗token。用户看到的是Agent在页面上"爬来爬去"、不断试错,而每一步推理都在消耗付费额度。
当任务简单时(比如填个表单、切换标签页),用户会本能地质疑:这点事情为什么要烧掉这么多积分?更糟的是,如果Agent最终还没能把任务做好,那么用户付出的成本就完全打了水漂。这种"高成本+低成功率"的组合,是Agent产品最容易劝退用户的地方。
能力边界的过度承诺
Agent类产品在宣传中往往描绘出"你只需下达指令,剩下交给AI"的美好图景。但现实是,跨页面、跨标签的复杂操作对当前模型的规划与执行能力仍是巨大挑战。当宣传预期与实际表现之间出现明显落差时,用户的失望会被成倍放大——因为他们不仅浪费了时间,还浪费了真金白银买来的积分。
"偷梁换柱"为何最伤用户信任
这位用户最愤怒的点,并非功能不好用,而是他所称的"bait and switch"(先诱导后调包)。他用了一个极其形象的类比:
"亲爱的客户,感谢您去年购买了Whizmobile!我们高兴地宣布,从现在起,加速超过60英里/小时将需要使用GoFast订阅。我们为您接下来30天的驾驶额外充值了25美元,之后订阅将按每小时超过60英里的每英里5美分继续收费。我们很高兴您成为我们的客户!"
这个类比一针见血地讽刺了一种商业模式:把用户原本已经拥有、已经付费的核心能力,重新包装成一个需要额外付费或消耗额度的"新服务"。就好比你买了车,却发现踩油门超过某个速度要另外收费。
对用户而言,这种变更打破了最基本的价值契约。人们购买产品时对"能得到什么"有明确预期,而当厂商单方面把既有功能塞进新的计费框架时,即便附送了少量补偿额度,也会被视为一种变相涨价甚至欺骗。
AI产品定价的两难困境
站在厂商角度,这类调整往往有其苦衷。大模型推理成本高昂,Agent类功能的算力开销远超普通对话。当免费或固定额度模式难以覆盖真实成本时,转向"按使用量计费"(usage-based pricing)几乎是必然趋势。
但问题在于如何转型。这次事件提供了几点值得所有AI产品团队反思的教训:
- 透明度优先:用户需要清楚知道每次操作大约消耗多少积分,以及为什么。黑盒式地"烧credits"最容易滋生不信任。
- 不要动既有权益:将用户已经付费的能力重新计费,是信任崩塌的导火索。新计费应针对新增能力,而非蚕食原有承诺。
- 成功率是定价的前提:只有当Agent能可靠完成任务时,按量计费才站得住脚。如果失败也要收费,用户会认为这是在为厂商的技术不成熟买单。
AI时代的信任比功能更脆弱
这条来自Reddit的抱怨,看似只是一个用户对某款浏览器功能的吐槽,实则折射出整个AI产品行业正在经历的定价阵痛。当模型能力尚未完全成熟、成本又居高不下时,任何计费策略的调整都可能触碰用户信任的红线。
对于志在长期发展的AI产品而言,真正的教训或许是:技术可以迭代,但信任一旦流失就极难挽回。在把功能包装进订阅和积分体系之前,厂商更需要想清楚——你是在为用户创造价值,还是在把用户已有的东西重新卖一遍。
相关推荐

Vercel AI SDK 更新:@ai-sdk/xai 4.0.58 批处理与图像生成改进
Vercel AI SDK 发布 @ai-sdk/xai 4.0.58 版本更新,新增批处理图像生成支持,修复批处理请求类型校验及 DeepSeek 推理流问题,并同步升级 provider 相关依赖。

Litelm:给LiteLLM瘦身,轻量级LLM调用网关方案
Litelm 是一个主打轻量化的 LiteLLM 替代方案,去掉冗余功能,保留统一的多模型 LLM 调用接口。本文分析其定位、适用场景与选型权衡。

浏览器扩展过滤AI生成文章:一场信息质量的自救实验
Hacker News上一个过滤LLM生成文章的浏览器扩展引发关注。本文解析该工具的检测思路、面临的误判与对抗挑战,以及AI内容泛滥背景下用户主动筛选信息的趋势。