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。
