營收破5億美元為何還要變相漲價？Cursor撕開AI新創商業模式的殘酷真相

當一家新創公司估值逼近100億美元的門檻時，大家期望看到的是堅不可摧的商業護城河，以及對未來盈利模式的清晰藍圖。但是這在AI時代，或者說以大語言模型（LLM）為應用基礎的新創來說，可能不是這麼回事。

2025年6月的一場堪比好萊塢災難片的公關危機發生了：曾被譽為AI程式界新寵的Cursor，在短短幾週內，因為調整收費方案，將其最忠誠的用戶變成了最憤怒的批評者。這不是一場關於功能迭代的小爭論，而是一場關於AI新創商業模式是否可行的殘酷檢視。

Cursor的母公司Anysphere從2024年12月至今，估值幾乎翻了4倍，並聲稱年營收（ARR）已達5億美元。擁有如此「含著金湯匙出生」的背景，他們為何還要選擇一個會讓用戶氣到跳腳的瘋狂漲價策略？答案殘酷且直白：他們必須想辦法賺錢。

這場定價混亂，揭示了AI應用層新創正試圖從「VC貼補」的溫室，掙扎著走向現實世界的生存法則。

AI程式新寵的「背叛」：從無限制使用到44美元的帳單驚喜

Cursor產品的核心賣點，是提供一套流暢的AI程式碼輔助工具，包括程式碼自動完成、聊天輔助介面和程式碼自動產生模式。然而，Cursor在許多開發者心中，曾憑藉其優異的速度和強大的自動完成能力（特別是整合自動補全功能後），讓資深開發者甚至願意每月花20美元（約新台幣600元）購買Cursor Pro方案，只為了那「眨眼之間」的編輯速度。

但這份信任，卻在2025年年中開始動搖。

Cursor Pro的定價策略在2025年1月至今經歷了幾次關鍵轉變，最引爆爭議的變化發生在6月16日。原先的Pro方案提供了500次最高級的模型請求，超過之後會改以性能較差的模型運行。然而Cursor新的計價方式從「請求次數」轉向了更難以捉摸的token用量（AI模型處理語言數據的基本單位），如果今天用完了一定的運算量，使用者將會收到額外的費用。

白話的概念是，以前你支付20美元，可以命令模型跑500次，來到第501次請求時，也只是用比較低階的模型運作而已，不需要支付額外費用；現在，這20美元則更像是一個儲存錢包，Cursor會根據你實際消耗的語言數據來扣這個錢，所以如果你使用Sonnet 4模型這種高階、高成本的模型，20美元的額度大約只能支付225次請求，如果是使用GPT 4.1模型，20美元的額度則能支付650次請求。

因此表面上看起來都是20美元，用戶實際能獲得的服務次數會因為「使用的模型」和「每次明令的複雜度」（token消耗量）而大幅波動。

那為何這會成為公關危機導火線？因為Cursor對外溝通時，刻意模糊了「便宜、速度優先的基礎服務」與「昂貴、智慧優先的高級服務」之間的界線。以下是Cursor部落格官方的說明：

本週將調整並提升Pro方案的權益。預設情況下，Pro方案將從「請求數限制」改為「運算量限制」；所有使用者每月都可依API價格獲得至少20美元的模型推理額度。配合此變更，我們將開放對「Auto」模型的無限制使用，並移除所有工具呼叫的限制。現有使用者如偏好，也可選擇維持「500次請求上限」的方式。

這裡的細節是「Auto模式」。所謂的「Auto模式」，是指Cursor會根據當前用量自動配置最有空的模型給使用者，就像是派車系統，系統會自動分配當時最快抵達、最不忙碌的車給你，可能是比較貴的豪華車（如Sonnet 4），也可能是比較便宜的標準車（如GPT 4.1或更快的模型）。

但是對於已經習慣Pro方案的Cursor用戶來說，大多都手動選擇自己需要的模型——絕大部分都是高成本的高階模型。所以在未能查明差異的情況下，不知不覺間就額外支付了諸多費用。

一位在Reddit社群上「吃瓜」的開發者說，他從來沒達到過舊版的限制，但在新方案上，他一天內就花光了$20美元的月費額度，並額外產生了$18美元的超額費用，總月費直逼40美元。另有用戶回報，超額費用甚至可能超過44美元。

面對社群的排山倒海的怒火和「徹底耗盡社群好感」的批評，Cursor不得不在7月4日發出道歉聲明，坦承這次定價溝通「不到位」，並承諾將全額退還6月16日至7月4日期間產生的意外超額費用。

都5億營收了為何還要變相漲價？背後是AI商業邏輯的「死亡谷」

Cursor這次的定價災難可能是單純因為溝通不良而造成的公關危機，但很顯然沒這麼簡單，這背後可能是整個AI應用新創可能都要經歷的集體焦慮，也就是商業模式與成本結構的根本挑戰，因為就連Cursor的競爭對手GitHub Copilot也在同月份漲價了。

困境一：API介面層的脆弱性

這或許是AI應用新創最不重要、卻也最無法逃避的命題：缺乏真正的技術護城河、被視為是一個包裹了其他公司AI模型的「Wrapper」。

「這些包裝層公司的整個商業模式，都取決於別人不擁有或控制的技術。」一位Reddit用戶精準地點評了這種脆弱性。當底層模型供應商（如OpenAI）調整API價格，或推出更強大的功能時，Cursor這類應用層公司就會被夾在維護用戶滿意度和保持獲利的兩難之間。

困境二：無法負荷的單位經濟

像是Cursor、GitHub Copilot、Lovable這類AI應用層新創，本質上是一個「高科技中間商」，他們不自己訓練或運行最貴的底層大模型，而是透過API接口，向供應商（如OpenAI、Anthropic、Google或xAI）購買運算資源，再將這些服務包裝成工具賣給開發者。

假設用戶輸入一個指令（無論是問答、補全程式、還是代理模式），首先會產生的成本是輸入的token，而且用戶輸入的提示詞、程式碼或專案上下文越長，輸入token成本就越高，而模型推理後生成的回覆、程式碼或Agent的「思考過程」，則會形成輸出token的成本，而且因為經過推理和思考，輸出token的價格通常會高於輸入token。

也就是說，在不考慮其他固定營運成本的情況下，AI應用新創的成本結構是：指令次數 ×（輸入token成本＋輸出token成本）。從中就可以看出Cursor改變定價方式的原因：過去以次數計算是極不合理的，因為後面的「輸入token成本＋輸出token成本」波動極大，「單純問答」和「代理模式」所需要的語言數據量極不相同、消耗的token量級也不一樣，所以Cursor才會改以波動性高的「token用量」定價。

知名創投a16z更值機計算了AI寫程式的成本：

如果你的程式碼量有10萬token，使用Claude Opus 4.1的推理模式，並產生1萬單位的輸出與思考token，現在的計價成本是每百萬個輸入token為15美元，每百萬個輸出token則是每百萬75美元。
輸入成本：10萬token（0.1M token）×15/Mtoken＝1.50。
輸出成本：1萬token（0.01M token）×75/Mtoken＝0.75。
總計：1.50＋0.75＝2.25美元。

也就是說，每次查詢的成本約為2.5美元。如果每小時3次查詢、每天7小時、每年200天，年成本約為$10,000美金。這顯然不是每個人每月20美元收入可以填平的成本。

Cursor自己也坦承，「最複雜的指令需求成本，比單純的指令高出一個量級。」這意味著他們在舊的固定價格下，很可能正在虧本銷售，尤其是對那些使用最多token用量的「超重度級用戶」（Power Users）而言。

困境三：重度用戶的「原罪」與定價模式的漏洞

從上述解析，我們可以看出Cursor的第三個挑戰：超重度級用戶佔比過多。

雖然並沒有公開資料顯示Cursor有多少高級用戶，SaaStr創辦人Jason Lemkin以吃到飽的訂閱商業模式做了簡單的計算：他假設一家擁有1,000個用戶、每月收取20美元訂閱費的公司，每月總營收為2萬美元，在健康的用戶組成下（60%輕型、30%典型、8%重度、2%超重度用戶），利潤率可以達到55.7%；但如果重度用戶和超重度用戶佔比來到10–15%，每月會虧損75美元，利潤率僅有−0.4%。

「AI新創們一直都用創投的錢來掩蓋這個問題。」Jason Lemkin直言，一旦投資人開始要求獲利，這場「VC貼補」的慷慨盛宴就必須結束，AI應用新創也必須檢視自己的商業模式是否可行。

Cursor的執行長Michael Truell也坦承：「我們的確比較喜歡按月計價的方式，但是從成本結構來說，這已經不太可行。」也就是說，期待AI應用新創繼續以類似SaaS新創以人頭為單位的收費方式已經不現實了，儘管這在財務預測上來說確實更好計算，但終究敵不過逐漸被蠶食的利潤。

大語言模型成本降幅比雲端快，為何AI新創卻不像SaaS賺錢？Zeabur創辦人：大家都想用最高級的模型

那為何SaaS的收費方式可行？這得益於雲端設施的成本大幅降低，而對AI應用新創來說，他們仰賴的基礎設施就是大語言模型，值得注意的是，大型語言模型的成本，其實也是持續降低的。

大語言模型的成本正經歷著一個被稱為「LLM flation」的趨勢，跌幅速度相當驚人。根據a16z的統計，自2021年GPT-3公開推出以來，LLM推理的成本已大幅下降，達到GPT-3級別性能的最便宜模型，從2021年11月的每百萬token 60美元，下降到撰文時的每百萬token 0.06美元，這代表成本在3年內下降了1,000倍，換句話說，同性能的大語言模型推理成本，正以每年10倍的速度下降。

這個速度跟雲端服務降低的速度是天差地遠：在2010年到2015年間，亞馬遜網路服務（AWS）的S3 Standard價格下降了84%；2010年到2014年間，Google Cloud Platform（GCP）的標準儲存價格下降了85%；在2010年到2017年間，Azure的Blob LRS價格則下降了87%。

然而，大語言模型的成本降幅雖然高，本質上跟雲端服務還是不同，因為SaaS新創的「利潤魔法」在於，產品一旦建構完成，服務新客戶的邊際成本趨近於零，但AI應用新創不同，每一次的API呼叫都會產生實質的費用，邊際成本並非零。Cursor的數據也顯示，AI新創的運算／託管成本佔營收的比例，在一年內從24%飆升至50%。

Zeabur創辦人暨執行長林沅霖對此表示，「token成本確實不斷下降，但同時也不斷出現新的更好的模型，大家為了更好的效果，肯定都是追求最好的模型，而更好的模型同時又更需要算力，所以成本會增加。」林沅霖認為，除非從晶片層級發生改變，否則成本還是會繼續上升。