收益分成（Performance Fee）和訂閱制哪個對 DeFi Agent 更適合？選擇錯了會怎麼樣？
這兩種收費方式的本質差異是「誰承擔波動風險」。選錯了，輕則收入不穩定，重則讓你的 Agent 服務在財務上不可持續：
收益分成模式：你和用戶共同承擔市場波動。DeFi 利差在熊市可能壓縮到接近 0，這個月的 APY 差只有 0.3%，你的分成收入可能不夠覆蓋 LLM 和 Gas 費。但用戶的心理摩擦最低——他們只在有收益的時候付費。適合：利差穩定、資金量大（$50,000 以上）的場景。
訂閱制模式：你提供固定服務，不管市場好壞用戶都付費。收入穩定，但熊市時用戶會質疑「這個月 Agent 沒做什麼操作，我為什麼要付 $29？」心理摩擦和取消風險更高。適合：主要提供監控和分析服務（不依賴操作頻次），或者用戶對服務有清晰的非金融價值認知。
選錯的後果：如果你的 Agent 主要收入靠頻繁操作（利率套利），卻用了訂閱制，熊市低波動期你的收入不受影響，但高 Gas 費讓你的利潤率崩潰；如果用了收益分成，熊市時分成收入同步降低，但成本也因為操作頻次降低而下降，整體更抗壓。
最實用的選擇原則：如果你的 Agent 創造的價值能被清楚量化（「因為用了 Agent，你多賺了 $120」），用收益分成；如果創造的價值是模糊的（「我幫你監控風險、省去了你的操作時間」），用訂閱制。
怎麼設計一個公平的基準收益（Benchmark）？用戶說「我自己放 Aave 也能賺 4%，你憑什麼收我 15%」怎麼回應？
基準收益爭議是收益分成模式的核心挑戰，設計一個用戶無法質疑的基準是長期可持續的關鍵：
最客觀的基準設計：把基準設為「用戶資金在操作開始時所在協議的 APY × 時間」。例如：用戶把 $10,000 USDC 存入 Aave（當時 APY 4%），Agent 在 30 天後把資金移到 Morpho（APY 5.5%），30 天的超額收益 = $10,000 × (5.5% - 4%) / 12 = $12.5。Agent 收取這 $12.5 的 15% = $1.88。這個基準的優點是：「如果用戶什麼都不做（保持在 Aave 4%），他們能賺多少」——用戶無法質疑這個基準，因為它直接對應他們的「懶惰策略」。
回應「我自己放 Aave 也能賺 4%」的最佳方式：「對，你放 Aave 能賺 4%。Agent 讓你賺到了 5.5%，多了 1.5 個百分點。這 1.5% 裡，Agent 收了 15% = 0.225%。你實際淨得了 5.275% 而不是 4%——比自己管理多 1.275 個百分點，且你完全不需要花時間監控。」
避免的基準設計：不要用「市場最高 APY」作為基準（用戶會說「你為什麼沒幫我找到 8% 的協議？」）；不要用「什麼都不做，資金放在錢包裡」作為基準（用戶覺得這個比較毫無意義）。
LLM 模型選型怎麼影響 DeFi Agent 的盈虧平衡點？從 Opus 切換到 Sonnet 5 能省多少？
模型選型對盈虧平衡點的影響是最大的單一技術決策——它直接決定了「你需要多少管理資金才能盈利」：
以一個典型的 DeFi 利率優化 Agent 為例（每天 48 個循環，每循環 5,000 Token）：
Claude Opus 4.8（$15/$75 每百萬 Token）：日 LLM 費 = 48 × (3,000 × $15/M + 2,000 × $75/M) = 48 × ($0.045 + $0.15) = $9.36/天，月費 ≈ $280。加上 Gas（Base，$30/月）+ 基礎設施（$30/月）= 月總成本 $340。在 15% 收益分成 + 1% APY 差的假設下，盈虧平衡點 = $340 / 0.125% = $272,000 管理資金量。
Claude Sonnet 5（$2/$10 每百萬 Token）：日 LLM 費 = 48 × (3,000 × $2/M + 2,000 × $10/M) = 48 × ($0.006 + $0.02) = $1.25/天，月費 ≈ $37.5。月總成本 = $97.5。盈虧平衡點 = $97.5 / 0.125% = $78,000 管理資金量。
從 Opus 切換到 Sonnet 5：LLM 月費從 $280 降到 $37.5，降幅 87%；盈虧平衡點從 $272,000 降到 $78,000，降幅 71%。在 $200,000 的管理資金量下，Opus 月利潤 = $250 - $340 = 虧損 $90；Sonnet 5 月利潤 = $250 - $97.5 = $152.5。
切換時需要測試的：在你的實際工具集上跑 50-100 次推理，比較工具調用格式錯誤率和決策品質。如果 Sonnet 5 在你的具體任務類型上的幻覺率明顯高於 Opus，切換帶來的成本節省可能被更多的工具調用失敗（浪費 Gas）抵消。
如果 Agent 的 Gas 費比 LLM 費高很多，說明什麼問題？怎麼診斷和修復？
Gas 費遠超 LLM 費是一個重要的系統性信號，通常說明有以下問題之一：
問題一：操作頻次過高（最常見）。診斷：計算「每筆操作的平均 Gas 費 vs 這筆操作產生的預期收益」。如果每次移倉的 Gas 費是 $3（Base L2），但利差預期收益只有 $2，這筆操作應該不執行。修復：提高移倉的觸發閾值（不是利差超過 0.5% 就移，而是超過 1.5% 且 14 天回收期以內才移）；降低掃描頻次（從每 30 分鐘一次降到每 2-4 小時一次）。
問題二：部署在 Gas 費太高的鏈。診斷：對比不同鏈的 Gas 費：以太坊主網每次 DeFi 操作 $5-20；Base/Arbitrum $0.05-0.5。如果你在主網，Gas 費是 L2 的 10-100 倍。修復：把 Agent 遷移到 Base 或 Arbitrum，Gas 費下降 90-99%。這是「投入最小效果最大」的優化。
問題三：工具函數設計不合理，觸發了不必要的鏈上操作。診斷：拉取工具調用日誌，分析哪些鏈上操作是「策略需要的」vs「技術原因觸發的」（例如 ERC-20 授權的 approve() 調用、失敗重試導致的重複廣播）。修復：把讀取操作（查詢 APY、查詢 Gas 費）和寫入操作（移倉）分開計費；對 ERC-20 授權做緩存（不需要每次移倉前都重新 approve）。
Gas 費和 LLM 費的健康比例：在 L2 上的 DeFi Agent，Gas 費應該是 LLM 費的 50-100%（類似量級）；如果 Gas 費超過 LLM 費的 300%，說明需要優化操作頻次或遷移到更便宜的鏈。
2024-2026 年間，AI Agent 從概念走向商業化，但很多 Agent 項目在技術上成功了，商業上卻失敗了——不是因為 Agent 做不到它聲稱的功能，而是因為 LLM API 費用、Gas 費、基礎設施成本加起來超過了 Agent 能為用戶創造的價值。
理解 Agent 的成本結構和收費模型不只是「商業問題」，而是「你的 Agent 在技術上能否可持續運行」的根本問題。一個月度 LLM 費用 $1,200 的 DeFi Agent，如果服務的資金量只有 $5,000，在任何收費模式下都不可能盈利。這篇文章系統地拆解 AI Agent 的四種主流收費方式、完整的成本結構，以及怎麼用實際數字計算你的 Agent 的盈虧平衡點。
Agent 的收入模型決定了「誰為 Agent 的運行付費，以及以什麼方式付費」。不同的 Agent 類型有截然不同的適合收費方式——適合 DeFi 策略 Agent 的收費模型，未必適合 AI 分析 Agent 或 AI 客服 Agent。
評估收費模型的四個維度：收費和 Agent 創造的價值的相關性（用戶感知到的價值越高、願意支付的費用越高）；收費的摩擦度（一次性付費的摩擦比按次付費更低）；Agent 成本和收費之間的對應關係（成本主要在 LLM 調用，按調用次數收費比按月收費更準確反映成本）；以及可擴展性（收費結構是否讓 Agent 服務用戶越多就越賺錢，而不是越多越虧）。
收費方式一：基於收益分成（Performance Fee）——最適合 DeFi 策略 Agent
收費結構：Agent 收取 Agent 創造的額外收益的 X%（例如 10-20%）。例如：DeFi 利率套利 Agent 幫用戶把資金在 Aave 和 Morpho 之間優化，每月創造了比「用戶自己隨機放在一個協議」多 $120 的利息；Agent 收取這 $120 的 15% = $18 作為服務費。這個收費方式對用戶心理摩擦最低——用戶不需要在看到收益之前就付費，且費用和 Agent 創造的價值直接掛鉤（Agent 表現好，收費高；表現差，收費低）。實作挑戰：需要準確計算「基準收益」（如果用戶沒有使用 Agent，他們的資金本來能獲得多少收益）和「Agent 增量收益」；對抗「基準選擇爭議」（用戶可能質疑基準的計算方式）；以及如何自動執行費用收取（智能合約）。適合場景：DeFi 策略 Agent、量化交易 Agent、任何能清楚計算「有 Agent vs 沒有 Agent」差距的場景。
收費方式二：訂閱制（Subscription）——適合提供持續監控和管理服務的 Agent
收費結構：用戶每月付固定費用（例如 $29/月、$99/月），Agent 提供持續的監控、優化、和執行服務。優點：收入可預測、用戶續費意願反映服務長期價值、不需要每次操作都計費（降低用戶摩擦）。缺點：訂閱費和 Agent 的實際使用量脫鉤（高活躍用戶和低活躍用戶付同樣的錢，但成本完全不同）；訂閱費容易引發「值不值這個錢」的質疑，尤其是在 Agent 沒有執行操作的月份。最佳定價策略：訂閱制應結合使用量上限（例如 $29/月包含 100 次鏈上操作，超過後按次收費），讓高活躍用戶不成為你的虧損來源。適合場景：DeFi 風險監控 Agent（持續監控但操作頻率低）、AI 分析報告 Agent（每月產出固定數量的分析報告）。
收費方式三：按操作計費（Pay-per-Use）——適合按需使用的 Agent
收費結構：每次 Agent 執行特定操作（一次 DeFi 移倉、一次鏈上分析報告），向用戶收取固定費用（例如每次移倉收 $0.50 服務費 + 實際 Gas 費）。優點：收費和成本對應最精確（執行多少操作就收多少費用）；用戶只為實際使用的服務付費，心理摩擦最低。缺點：收入波動性大（市場平靜時用戶不操作，收入為零）；每次操作的支付流程可能影響用戶體驗（需要鏈上微支付或 Web3 帳戶抽象）。適合場景：Onchain Agent 的 API 服務（為其他開發者提供 Agent 能力）、按查詢計費的 AI 分析工具。
收費方式四：代幣化/協議費（Protocol Fee）——適合去中心化 Agent 服務
收費結構：Agent 服務以智能合約形式提供，每次服務調用時從操作金額中抽取一個固定比例的費用（例如 0.05%），這些費用分配給代幣持有者或協議國庫。優點：無需中心化的帳單系統；費用和協議使用量直接相關（協議使用越多，費用收入越高）。缺點：設計複雜（需要代幣機制設計）；費率如果太高影響用戶使用意願；監管不確定性（協議費可能被認定為需要金融許可證的活動）。適合場景：去中心化 DeFi Agent 協議、有代幣經濟設計需求的 Agent 項目。
理解成本結構才能設計出可持續的收費方式。Agent 的成本主要分為三類：
LLM API 成本（最大的可變成本）：這是大多數 Agent 最主要的運行成本。以一個 DeFi 策略 Agent 為例，如果使用 Claude Sonnet 5（$2/$10 每百萬 Token）、每個任務循環消耗 5,000 Token（輸入 3,000 + 輸出 2,000）、每天執行 48 次循環，那麼日 LLM 成本 = 48 × （3,000/1,000,000 × $2 + 2,000/1,000,000 × $10）= 48 × （$0.006 + $0.02）= 48 × $0.026 = $1.25/天，月度約 $37.5。同樣的設置如果用 Claude Opus 4.8（$15/$75 每百萬 Token），月度成本約 $280——差距 7.5 倍。
Gas 費（直接影響盈虧的關鍵成本）：Gas 費高度依賴你部署的鏈和操作頻率。以太坊主網：每次 DeFi 操作 $5-20（在 Gas 費正常水平下）；Base/Arbitrum：每次操作 $0.05-0.5，是主網的 1/10-1/100。一個每天在以太坊主網執行 3 次移倉的 Agent，月 Gas 費可達 $450-$1,800；同樣的 Agent 在 Base 上，月 Gas 費 $4.5-$45。Gas 費的選擇（主網 vs L2）對整體成本結構影響巨大，是設計 Agent 商業模式前必須首先確定的技術決策。
基礎設施成本（相對固定，可預測）：包含 Railway/AWS 等部署平台（$5-30/月）、PostgreSQL 資料庫（$5-10/月）、LangSmith 等監控平台（$0-39/月）、Gas Oracle API（$0-29/月）。對大多數個人 Agent，基礎設施月度成本在 $20-100 之間，相比 LLM 和 Gas 費，是比例較小但可預測的固定成本。
盈虧平衡點（Break-Even Point）是「Agent 的收費收入 = Agent 的總運行成本」的臨界條件。計算盈虧平衡點能讓你在部署前就知道「需要服務多大的資金量（或多少用戶），才能讓這個 Agent 在財務上成立」。
以一個具體例子說明：一個基於 Base 的 USDC 利率優化 Agent，使用 Claude Sonnet 5，採用 15% 的收益分成模式。月度總成本：LLM 費用 $37.5 + Gas 費 $30 + 基礎設施 $30 = $97.5/月。如果用戶的資金在 Aave（APY 4%）和 Morpho（APY 5%）之間，Agent 平均每月能製造的超額收益 = 0.83%（年化 1% 的 APY 差、折算月化）× 資金量。15% 分成意味著：月收費 = 0.83% × 15% × 資金量 = 0.125% × 資金量。盈虧平衡點：0.125% × 資金量 = $97.5 → 資金量 = $78,000。這意味著：這個 Agent 需要管理至少 $78,000 的 USDC，才能讓月度收費（$97.5）覆蓋月度成本（$97.5）。管理 $200,000 時月利潤 = $250 - $97.5 = $152.5，月利潤率 61%。
盈虧平衡點計算的實際用途：如果你的目標用戶群的資金量普遍小於盈虧平衡點，說明要麼降低成本（切換到更便宜的模型、遷移到 L2）、要麼調整收費率（提高分成比例）、要麼改變目標用戶群（服務大資金用戶）。在設計 Agent 商業模式之前先算這個數字，能讓你避免「技術上成功、商業上不可持續」的常見錯誤。
很多 Agent 開發者把「商業模式設計」推遲到「等技術成熟後再說」。這個策略的問題在於：商業模式的可行性往往決定了技術選型——如果你已經用 Claude Opus 4.8 建了整個系統，然後發現盈虧平衡點需要 $500,000 的管理資金量，遷移到 Sonnet 5 就需要系統性地重測，成本很高。在設計 Agent 的第一天，就應該用實際數字計算盈虧平衡點，讓技術選型（LLM 選型、鏈的選型、操作頻率）服從商業可行性的要求，而不是反過來。
最常被忽視的成本：Gas 費在資金量小、操作頻率高的場景可能遠超 LLM 費用，成為最大的成本來源。一個每天執行 10 次移倉、資金量只有 $10,000 的以太坊主網 Agent，月 Gas 費可能 $1,500，而月 LLM 費用可能只有 $37——此時「優化 LLM 費用」對盈虧的改善幾乎可以忽略，正確的策略是遷移到 Base（Gas 費降 100 倍）或者降低操作頻率（從每天 10 次降到每天 1-2 次）。