豆包 App Store 頁面加收費版 標準版 68 元人民幣／月 中國

豆包也要收費了。5 月 4 日，豆包在 App Store 頁面悄然更新了付費版本服務的相關聲明。聲明稱，為更好服務專業用戶，豆包將在保留免費版的基礎上，推出包含更多增值得服務的付費訂閱體系，同時公布了三款定價：標準版 68 元人民幣 / 月、加強版 200 元人民幣 / 月、專業版 500 元人民幣 / 月。消息一出立時引發熱議。有人擔心免費福利終結，有人吐槽定價超出預期，也有人早早預料到這一天的到來。

畢竟，豆包月活 3.45 億，全免費模式撐著的話，這筆帳，算不了多久。本質上，這是一件全行業都「想得到、也做得到」的事：國內大模型免費模式的不可持續性是共識，頭部玩家早就在付費賽道試水，字節手握國內 C 端 AI 絕對第一的用戶盤，做付費訂閱從來不是技術或能力問題，只 是時機選擇問題。因此，在國內 C 端訂閱生意外共認難做、大模型價格水漲船高的當下，豆包這次商業化關閉，能不能行得通？

免費的基本盤與最高 5088 元 / 年

據報導，豆包的付費功能將主要專注於複雜任務和生產力場景，如 PPT 生成、數據分析、視頻製作等。隨著模型能力持續升級，產品已經能滿足越來越多的複雜高價值得任務。但此類任務需消耗更多算力和推理時間，因此豆包計劃上線付費服務，滿足好這部分複雜場景需求。至於免費版本，豆包官方回應稱，「豆包始終提供免費服務，在免費服務的基礎上，豆包也在探索推出更多增值得服務，以滿足不同用戶的差異化需求。

相關方案細節目 前還在測試階段，正式上線時會通過官方渠道發佈完整信息。」換句話說，用戶當下免費用豆包能完成的查資料、寫基礎文案、日常問答、學習輔導等功能，未來依舊可以免費使用。付費版的核 心邏輯是做「增值得服務」，不會影響普通用戶的日常使用體驗。 這個策略並不新鮮，ChatGPT、Claude 等全球頭部 AI 產品，均採用了「基礎免費 + 進階付費」的分層模式：先用免費功能完成用戶心智滲透與習慣培養，再用高階能力服務吸引為價值得核心用戶。

至於 500 元 / 月的定價，到底值不值？單看數字，500 元 / 月的專業版定價，確實拉新了國內通用 AI 助手的价格上限。但把它放到全球 AI 產品的定價體系裡，結論會變得完全不同。綜合 2026 年 5 月全球主流 AI 產品的付費定價，可以對比得出：第一，68 元的標準版，比文心一言、訊飛星火高出不到 10 元，基本卡中了國內 AI 付費的主流行基線，並未脫離大眾用戶的接受區間。

第二，200 元的加強版，與 ChatGPT Plus、Claude Pro 的 145 元月費處於同一價格帶，對標了全球頭部 AI 產品的主力付費檔位，面向有高頻生產力需求的用戶。第三，500 元的專業版，確實是國內通用 AI 產品首次踩到的高端價格帶，但未觸及 ChatGPT Pro、Claude Max 的全球定價天花板，本質上是一次對國內重度專業用戶付費能力的試探。

不過，定價的優與劣，從來只和價值匹配度相關。500 元 / 月，可能只是很多人一個月的咖啡錢，或是一頓普通雙人餐。對於每天要和 AI 高頻交互、用它完成核心生產工作的內容創作者、程式員、中小企主而言，一個 24 小時在線、能寫能算能分析的全能助手，月薪 500 元人民幣的成本遠低於聘請人手；但對於只是偶爾查資料、寫郵件的普通用戶而言，即便是 68 元的標準版，也沒有必要購買。

這個時間點入場，字節算清了兩筆帳。為什麼是現在？在討論豆包付費能不能成功之前，更關鍵的問題是——字節為什麼選擇在這一個時間點入場？畢竟在付費這件事上，字節的動作不算快。百度的文心一言、月之暗面 Kimi、訊飛星火等玩家，早 在 2024 年就上線了成熟的訂閱體系，而豆包直至 2026 年才正式出手。或許是因為在這一年，字節把兩筆帳算清了。 第一筆，是增長帳：免費換規模的邊際效應，差不多了。

QuestMobile 數據顯示，截至 2026 年 3 月底，豆包月活已經突破 3.45 億，穩坐國內 C 端 AI 應用榜首，覆蓋了從學生、職場人到創作者、中小企主的 全量用戶群體。國內互聯網的用戶盤就這麼大，該接觸 AI 的用戶基本已經被覆蓋，再玩全免費的模式虧錢，已拉不來新的增長，反而要為每一次新對話承擔實打實的算力成本。 第二筆是市場帳：國內 AI 付費的用戶教育，已經完成了。

2023 年大模型剛爆發時，國內用戶對 AI 的認知還停留在「新奇玩具」，對付費的抵觸心理比 較強；但到 2026 年，行業已經完成了完整的用戶教育週期。行業數據顯示，2025 年國內 AI 工具用戶付費轉化率從 2024 年的 8% 提升至 11%，其中高頻使用的職場人、專業創作者付費意願甚至過 30%，用戶已經普遍接受「基礎功能免費、高價值得生產力能力付費」的商業邏輯。

這個時間點入場，字節不用再做費力不討好的市場教育，只需要從現成的付費用戶池裡做轉化。 國內 C 端訂閱生意的難度有目共睹：工具類產品年均續費率能做到 30% 已是行業頂流，價格水漲船高，用戶切換成本卻為零。大模型付費生意的核心痛點，是「付費收入」與「算力成本」的平衡，而字節在這一點上，有著國內頭部的技術優勢。 大模型商業化的本質是算一筆帳：收入，能不能覆蓋算力成本？

這是一個行業級難題。願意付費的用戶，往往也是使用最重的用戶；而高頻使用，意味著更高的算力消耗。字節的優勢在於，它在模型效比和成本控制上，已經做到國內第一梯隊——據公開的技術數據，豆包 2.0 實現了推理效比 43% 的提升，長上下文化場景首輪延遲比行業主流模型降低 25% 以上，高併發場景請求成功率達 99.98%，穩定性處於行業第一梯隊；同時其萬 token 推理成本僅為海外頭部模型國內合規路線的 38%，顯示顯著的成本優勢，讓它能更好地支撐付費版高算力任務的穩定運行。

但國內 C 端訂閱市場的結構性問題，至今回沒有任何玩家真正解決，字節也未例外。 第一個問題在於用戶願意付錢，但不願意一直付錢。國內互聯網二十多年的免費基底，已經刻進了用戶的腦子裡，這是所有訂閱產品都要面對的核心難題。況且是當下，國內 C 端工具產品的年均續費率，能做到 30% 就已是行業頂級水平，而海外同類產品的續費率普遍在 60% 以上。核心原由是，國內用戶的付費大多是「應景付費」：這個月要寫方案、做項目，同時開一個月會員，用完立刻退訂，沒有長期持續付費的習慣。

更關鍵的是，字節在這件事上沒有成功經驗。字節跳動過往的商業化成功，核心的都是廣告、電商、直播打賞，而非 To C 的訂閱生意。何況是剪映、抖音的增值得會員，也只是補充性收入，從未做過國民級核心產品的分層訂閱體系。面對國內用戶「低持續付費意願」的行業難題，字節沒有現成的解決法，這是最大的未知數。 第二個問題在於付費價值的「可替代性」。目前豆包公布的付費核心功能，包括長文檔精讀、PPT 生成、深度數據分析、批量高質生成圖等，本質上都是行業通用能力——這些功能，國內競品的免費版大多已經能提供基礎服務

，甚 至很多開源模型本地部署就能完全免費實現。如果豆包的付費版，只 能提供「更快的響應速度、更多的調用次數、小幅提升的模型能力」，而無法實現質壓級的體驗提升與不可替代的獨家價值，用戶根本不會形成持續付費意願。何況是字節的生態聯動，如果只是淺層次的功 能打通，而非真正嵌入用戶生產主流程的閉環體驗，也無法形成真正 的付費剛需。最終大概率會出現「首月嘗鮮付費熱潮，次月退訂率高 不下」的行業通病。

第三個問題在於算力成本的「無底洞」。這是最核心、也是最難解的痛點。付費用戶越多，理論上收入越高；但在 AI 裡，付費用戶越多，成本也可能同步甚 至更快上漲。如果不限制使用，可能付費收入根本蓋不住成本，最終形成「付費用戶越多，虧損越嚴重」的死亡螺旋；如果限制使用，又會直接損害付費體驗，引發用戶不滿與口碑崩塌，除非進「限頻虧損用戶，不限頻虧成本」的兩難境地。

這是一個無解的平衡難題。連 ChatGPT 都未能解決——2024 年 ChatGPT 運營虧損超 50 億美元，訂閱收入遠不能覆蓋成本。字節哪憑有更強的成本控制能力，也很難徹底跳出這個行業性的死亡螺旋。 最後，價格戰，早晚會回來。國內市場的競爭邏輯很簡單：只要一個產品證明「可以賺錢」，其他玩家就會迅速跟進，然後用價格打垮。一旦競品開啟新一輪降價、補貼、送會員的兇猛攻勢，豆包 將面臨兩難選擇：跟著降價，就會陷入自己刻意避開的「低價虧本」；破壞原有的定價體系與成本模型；不跟著降價，就會面臨價格敏感

型用戶的大規模流失。 字節過往在很多賽道，都是以低價、補貼打贏戰爭，但這一次，它是定價更高的一方，能不能頂住壓力、堅持有價值得定價，是一個巨大的考驗。 回 到最核心的問題：豆包的付費訂閱，能不能成功？答案其實很樸素。短期實現規模化付費用戶、完成商業化初試落地，是大概率事件；但長期能否成功健康的盈利閉環、成為國內 C 端 AI 訂閱的標杆，充滿了不確定性。 短期來看，3.

45 億的月活基本盤擺在那裡，哪怕實現 1% 的付費轉化率，也能快速形成 345 萬的付費用戶規模。 但長期來看，這件事能否真正成功，核心不取決於它的用戶規模有多大，也不取決於它的模型能力有多強，甚 至不取決於字節的生態優勢有多明顯，而取決於它能否解決兩個最根本的問題：第一，能不能把字節的生態優勢，真正轉化為用戶不可替代的付費剛需，而非有可有無的營銷噱頭；第二，能不能跳出國內 C 端訂閱「低價兇猛、低續費率、成本拖累」的行業死亡螺旋，找到真正健康可持續的商業模式。

對於整個國內 AI 行業而言，豆包的這次商業化關閉，有著里程碑產品般的標杆意義。如果豆包 成了，那國內大模型行業的 C 端商業化，找到了可行的、不依賴低價兇猛的道路；如果它最終卡在了行業的結構性難題上，那國內大模型玩家，就需要重新思考：C 端訂閱這條路，到底怎麼才 能走通。