Token消耗忽高忽低，Coze用户想找一个解释

记者 刘思璇

积分消耗正成为字节跳动旗下AI Agent产品扣子（Coze）的客诉集中点。

在消费者服务平台"黑猫投诉"上，以"扣子 积分"为关键词检索，相关投诉自4月起陆续出现、至9月仍在新增，累计超220条，内容涉及积分消耗异常、暂停任务后积分仍在扣除、联系不到客服等。

把Token（词元）消耗打包成积分，是当前大多数AI Agent产品普遍采用的计费方式。在这样的计费逻辑下，用户既不知道一项任务会被Agent拆成几步执行，也算不清每一步烧了多少Token。

当Agent把调用模型、执行任务、反复重试等拆成一串看不见的动作，用户花钱购买的积分落进了黑箱。

针对积分消耗等问题，10月10日，扣子客服回应经济观察报称：如因产品问题产生积分消耗异常，用户可在官网对应入口提交工单，工作人员会在5到10个工作日内陆续处理，并为受影响用户发放积分补偿。此外，扣子计划在近期上线“自助退款”功能，用户在扣子官网、扣子安卓 App渠道购买的会员订单即将支持自助退还未用余额。

跑任务像开盲盒

一位扣子用户告诉经济观察报，6月以来，他几乎每天都会使用扣子执行定时任务，在任务描述没有任何调整的情况下，积分日消耗量差值巨大，最低时消耗不足100积分，最高消耗超20000积分。

上述经历并非个例。黑猫投诉平台上，一位付费用户称单次任务消耗近5万积分，直接烧光了全月积分额度；另有用户订阅了个人高阶版套餐，官方定价每月99元、含9.9万积分，因Agent未经用户确认就执行任务，两天内积分全部耗尽；另有用户在制作AI短视频项目期间，遭遇平台素材库结构性损坏故障，后台持续空转，消耗超17万积分。

以上投诉中，用户们同时提到了另一个问题——难找到真人客服。扣子页面上未设置明显的客服入口，用户点击帮助中心后，页面会弹出AI客服（“扣子助手”）窗口，告知用户“免费版暂不支持提交工单类的意见反馈”，个人付费用户可提交工单后等候客服回复；个人用户中，只有每月订阅费999元的个人尊享版用户可通过在线客服，在工作时间内获取实时人工支持。

有用户称，提交工单一周后才收到客服回复，回复内容与扣子助手生成的内容相近。除工单外，用户想与官方取得联系，还可加入交流群，但交流群说明文档中明确，社群内不设值班客服。

Token消耗为何忽高忽低

在自然语言处理中，Token是模型处理文本的最小单位，通常1个Token约等于0.75个英文单词或半个汉字。在纯粹的API 调用模式下，Token输入多少字、输出多少字，明码标价。

但 AI Agent并不是简单的聊天机器人。Agent拥有自主规划、调用工具和逻辑推理的能力。

普通用户很难提前预估一次复杂任务的花费：为什么同一个定时任务，Token消耗会相差百倍？

首先，信息检索不可控。“处理相对模糊的定时任务，比如信息检索，Agent每次爬取的信息数量不固定、信息长度不一致，这对Token消耗量有很大影响。”一位开发者向经济观察报解释了同任务消耗浮动的可能原因。

以Agent接收到“检索今天的新闻”指令为例，它调用的搜索插件抓取到的资讯数量多少，决定了消耗的Token量。这些资讯会被全部塞进大模型的上下文窗口中进行阅读和总结。用户看到的是同样的一句输出，但在水面之下，模型的阅读量天差地别。

其次，多轮循环推理和后台无效重试，都会大幅推高Token消耗。一位头部互联网公司研发人员解释，Agent最大的魅力在于“自主性”。在执行复杂任务时，如果某一个API接口返回了错误的数据格式，或者爬虫遭遇了反爬机制拦截，Agent会“思考”：我遇到了错误，我需要换个方式再试一次。如果没有在底层代码中设置严格的最大重试次数硬性熔断机制，Agent就会在沙箱里陷入死循环。每一次重试，它都会带上之前所有失败的对话历史去请求模型，Token的消耗呈指数级暴涨。

第三是超长上下文无限堆叠。该头部互联网公司研发人员补充，很多普通用户习惯在同一个对话框里一直聊下去。但大模型的记忆机制决定了，用户当前发送的每一句话，系统都会把之前聊过的几十轮对话历史全部打包再发送一遍。对话越长，每一次互动的隐性成本就越高。

上述开发者还提到，在AI Agent产品中，如果用户未明确指定模型，或产品不支持自选具体模型，平台可能根据任务难度路由不同模型，这也会造成同一任务的Token消耗量不同，特别是近期各厂商新发布的模型，处理相同任务时消耗的Token量较旧模型明显提高。

技术层面之外，平台运营机制加剧了积分消耗的不透明：扣子官方文档中明确表示，因扣子平台技术问题而失败的任务，平台将进行周期性积分补偿，“系统自动识别并处理，无需手动申请”，却并未介绍系统没有识别到的失败任务该如何处理、有无人工审核机制。黑猫投诉上多位用户反映，因素材库损坏、沙箱崩溃导致而空转消耗的用户，均未收到任何补偿，他们邮件沟通得到的仍是模板式回复。

用户问题迟迟得不到解决，或与此前组织调整有关。一位接近扣子团队的人士告诉经济观察报，8月底“豆包工作”发布，扣子团队并入豆包体系，此后内部不乏对扣子、“豆包工作”这两款产品异同的讨论。尤其是在几家大厂AI Agent办公产品激烈竞争的局面下，资源更多向“豆包工作”倾斜。

把黑箱打开

用户对自己每一次任务的花费事前不可预期，事后也算不清，觉得使用AI Agent的Token消耗像在开盲盒。

目前，AI行业的Agent计费标准大致分为三个流派：

一是配额包月制，以OpenAI的ChatGPT Plus为代表，这是对小白用户最友好的模式。每月固定支付一笔订阅费，用户不需要担心账单，但有配额限制，更适合C端的个人助理场景，一旦开发者需要高频调用复杂的自动化工作流，定额制就会成为生产力的瓶颈。

二是纯Token计费制，以Dify、阿里百炼、DeepSeek、智谱等开发者平台为代表。用户执行一次工作流后，日志里会清晰地列出：输入消耗了多少 Token、输出消耗了多少、触发了几次插件调用，甚至缓存命中了多少Token，从而为用户省了多少钱。

三是积分打包制。国内AI Agent类产品多数采用积分打包模式，如WorkBuddy、豆包工作、千问办公等，平台不披露积分与Token量的换算逻辑，仅标注调用不同模型时对应几倍积分消耗速度。

以扣子为例：在积分消耗明细中，用户仅能看到任务类型、对话内容和对应烧掉的积分，无从知晓Agent执行了哪些步骤、每一步骤对应的积分额度，因此用户难以通过优化提示词来缩短Agent工作链路、节省积分。

在透明度方面，WorkBuddy给出了相对更优的解法。任务开始执行时，对话内会弹出预估的积分消耗区间，并随每一步骤的开展，实时展示当前已消耗的积分，如果积分消耗超出了预期，用户可随时停止，更换低价模型后继续执行。

前述开发者建议，在积分消耗不透明的情况下，用户可从使用习惯上主动压低不必要的消耗：一是处理不同任务尽量开新会话，避免同一会话无限堆叠上下文，因为长会话累积的历史记录会被不断重新加载，拉高Token消耗；二是少用Auto自动模型路由，对简单任务手动指定轻量模型，避免被系统匹配到高价长上下文模型；三是把高频流程沉淀成 Skill（技能），把常用步骤固化，缩短单次推理轮次、减少重复检索与自动重试。