Perplexity默认开启Computer功能，用户额度被悄悄消耗引发信任危机

Perplexity默认开启Computer功能引发争议

近期，Perplexity用户社区中出现了一波集中的不满情绪。事情的起因看似微小：一位用户在使用过程中，被系统"暗中引导"（Nudged）使用了名为"Computer"的功能模式，而这一功能竟然是默认开启的。

Perplexity AI是一款基于大语言模型的AI搜索引擎，成立于2022年，由前OpenAI研究员Aravind Srinivas等人创办。它的核心价值主张是将传统搜索引擎的信息检索能力与大模型的理解和总结能力相结合，为用户提供带有引用来源的直接答案，而非传统搜索引擎的链接列表。截至2024年，Perplexity已获得超过7亿美元估值，拥有数百万活跃用户，被视为Google搜索的潜在颠覆者之一。正因为这样的明星地位，用户对其产品决策的关注度也格外敏锐。

用户在Reddit上直言："我根本没注意到Computer是被默认设置好的。"（I did not see that Computer was set by default.）这句看似平淡的抱怨，背后折射出AI工具产品设计中一个长期被忽视的问题——默认设置的透明度。

这里需要解释的是，Perplexity的"Computer"功能属于AI Agent（智能代理）范畴，其核心能力是让AI模型能够像人类一样操作计算机界面——包括点击按钮、填写表单、浏览网页、执行文件操作等。这一概念最早由Anthropic在2024年10月发布的Claude Computer Use功能中引起广泛关注。与简单的文本问答不同，Computer Use类功能需要模型持续进行屏幕截图识别、决策规划和动作执行的循环，每次交互涉及多轮模型调用，因此其算力消耗远高于普通对话——通常是常规查询的5-10倍。这就解释了为何默认开启此功能会引发用户如此强烈的不满：在用户看来，这相当于在不知情的情况下，以5-10倍的速度消耗着自己的使用额度。

对于普通用户而言，一个被默认开启、且会消耗额度的功能，如果没有明确的提示和告知，很容易在不知不觉中造成资源的过度消耗。这不仅是交互设计的疏忽，更触及了用户对产品"信任"的核心。

从行为经济学的角度来看，默认设置的设计一直是互联网产品中一个敏感话题。研究表明，绝大多数用户（通常超过90%）不会主动更改默认设置，这一现象被称为"默认效应"(Default Effect)。一些公司利用这一心理特征设计所谓的"暗黑模式"(Dark Patterns)——通过默认勾选、隐藏取消按钮等方式引导用户做出对公司有利但未必符合用户真实意愿的选择。欧盟的GDPR和美国加州的CCPA等法规已开始对此类做法进行约束，要求涉及数据收集和费用的默认设置必须采取"opt-in"（主动选择加入）而非"opt-out"（被动选择退出）的方式。Perplexity的做法虽然不一定违反法规，但在道义上已经踩到了用户的敏感地带。

Perplexity口碑为何急转直下

在这场讨论中，社区的情绪相当激烈。有用户毫不留情地评价："最好的选择就是把Perplexity抛在脑后。这个社区里没有人对这个工具满意。它已经从一个非常有前景的工具，因为自身的疏忽而沦为了一场灾难。"（has went from a very promising tool to a dumpster fire due to their own negligence）

"Dumpster fire"（垃圾箱着火，意指彻底的混乱局面）这个词的使用，说明部分核心用户的失望已经积累到了相当程度。

你可能没注意到，这种失望往往不是源于产品能力本身，而是源于产品运营和商业化策略的失当。当一个工具在早期以"惊艳"的姿态吸引用户后，如果在后续的额度管理、功能透明度上处理不当，反而会激起更强烈的反弹——因为期望越高，落差越大。

Pro用户也遭遇额度限流

另一位用户的经历更具代表性。他表示："这功能虽然不算完全免费，但至少是包含在订阅里的。我没想到我的使用会被限流（throttled）。不过想想也是，毕竟他们还有比Pro更高的一档套餐。"

这段话揭示了几个关键信息：

• 订阅并不等于无限使用：即便是付费的Pro用户，也可能遭遇隐性的使用限制。
• 分层套餐的商业逻辑：Perplexity在Pro之上还设有更高级别的付费档位，某些功能的额度被有意保留给了更高付费用户。
• 用户的无奈应对：这位用户最终选择"从PC上删除应用，回到只在iPhone上使用"，希望以此停止额度的消耗。

AI工具商业化的两难困境

这起社区争议，实际上是当前整个AI产品行业普遍面临难题的一个缩影。

运营成本与用户体验的博弈

大模型和AI Agent类功能（如这里的"Computer"，通常指代能够操作电脑、执行复杂任务的智能代理功能）的运行成本极高。每一次调用都意味着真金白银的算力消耗。因此，厂商不得不通过额度限制、分层订阅等方式来控制成本。

当前主流AI产品普遍采用多层级订阅模式：免费层提供基础功能和有限额度；Pro层（通常月费20美元左右）提供更高级的模型访问和更大额度；而更高级别（如Perplexity的Enterprise层或OpenAI的Pro计划，月费高达200美元）则提供几乎无限制的使用。这种分层定价策略的根本原因在于大模型推理成本的现实约束——以GPT-4级别模型为例，单次复杂查询的成本可能在0.01-0.10美元之间，而Agent类任务由于涉及多轮调用，单次成本可能高达0.5-2美元。如果所有付费用户都无限制使用高成本功能，公司将面临严重的亏损。这也是为何Perplexity选择在Pro之上设置更高付费档位的商业逻辑——但问题在于执行方式是否足够坦诚。

然而，问题的关键在于如何设置限制。如果限制是透明的、可预期的，用户通常能够理解和接受；但如果是通过"默认开启"、"暗中引导"这类不够坦诚的方式来实现，就极易引发信任危机。

透明度是产品信任的基石

从这次事件中可以提炼出一个重要的产品设计原则：任何涉及资源消耗的默认设置，都应当对用户明确告知。

用户可以接受付费，可以接受限制，但难以接受的是在毫不知情的情况下"被消费"。当默认设置从"便利"变成了"陷阱"，用户的信任就会迅速流失。

AI产品设计的三条关键原则

虽然这只是Reddit上的几条用户反馈，样本量有限，但其中蕴含的产品哲学值得所有AI工具开发者深思：

1. 默认设置需谨慎：涉及成本消耗的功能，默认状态应偏向保守，或至少提供醒目的提示。
2. 额度政策要透明：让用户清楚地知道自己的订阅包含什么、限制在哪里，避免"惊喜式"的限流。
3. 警惕口碑的雪崩效应：早期用户往往是产品最忠实的拥护者，一旦他们感到被"辜负"，负面口碑的传播速度会远超预期。

对于Perplexity而言，作为AI搜索赛道的明星产品，如何在激烈的市场竞争中（面对OpenAI、Google等巨头的挤压），既控制好高昂的运营成本，又维护好核心用户的信任与体验，将是决定其未来走向的关键考验。

值得注意的是，Perplexity所处的AI搜索赛道正面临前所未有的竞争压力。2024-2025年间，Google推出了AI Overviews功能并持续强化Gemini的搜索整合能力；OpenAI推出了SearchGPT（后整合入ChatGPT）直接切入搜索市场；微软则通过Bing Copilot持续发力。此外，还有You.com、Phind等垂直玩家。在这种竞争格局下，Perplexity面临两难：一方面需要不断推出如Computer这样的差异化功能来保持竞争力，另一方面又必须控制成本以维持商业可持续性。如果在这一过程中失去了核心用户的信任，那么即便功能再强大，也可能面临用户流失到竞品的风险——毕竟，用户选择的余地比以往任何时候都更多。

结语

"Nudged to use Computer"——被引导去使用某个功能，这个表述本身就带着一丝无奈。在AI工具日益普及的今天，用户对产品的期待早已不只是功能强大，更包括尊重、透明和可控。

技术的进步固然重要，但如何在商业化的过程中守住用户信任的底线，或许才是每一个AI产品真正需要"计算"的题目。