MiniMax M3接入支付寶Token Pay，AI支付進入企業(yè)Token席位管理場景。

6月15日，國產(chǎn)大模型MiniMax M3全面接入Token Pay。支付寶方面將其稱為國內(nèi)首個面向MaaS，也就是模型即服務場景的支付解決方案，并表示該方案已投入規(guī)模化應用。

支付寶方面稱，MiniMax接入Token Pay后，相當于建立了一套支付SaaS系統(tǒng)，可讓企業(yè)實現(xiàn)“批量購買、一鍵分發(fā)”的Token席位管理。除了Token Pay，MiniMax還將于近日全線接入支付寶全棧AI支付產(chǎn)品，面向開發(fā)者和個人用戶升級Token服務體驗。

此前，Token Pay已出現(xiàn)在MiniMax相關合作中。

5月26日，支付寶發(fā)布Token Pay時，MiniMax、階躍星辰已經(jīng)與支付寶達成深度合作，旗下多個AI原生產(chǎn)品采用支付寶定制化AI支付全棧方案，覆蓋Token充值、會員訂閱、營銷等場景。

支付之家此前在《支付寶發(fā)布Token Pay》一文中已經(jīng)分析，Token Pay提出的是AI服務計費問題。智能體支付進入真實交易后，支付機構面對的是一組連續(xù)交易問題，包括Token充值、會員訂閱、按量調用、持續(xù)扣費、賬單查詢和爭議處理。

支付寶Token Pay回答的是AI服務“按什么收費”；MiniMax M3接入之后，新的問題變成企業(yè)如何采購Token、如何配置席位、如何分發(fā)額度、如何讓賬單進入內(nèi)部管理和財務流程。

與5月26日的產(chǎn)品發(fā)布相比，這次MiniMax M3接入把Token Pay帶進了更具體的模型商業(yè)化場景。

MiniMax M3接入Token Pay的意義，已經(jīng)超出新增合作案例本身。MiniMax自身的Token Plan調整，也能說明這種變化。

MiniMax開放平臺在Token Plan升級與權益調整說明中提到，M3是更大尺寸、更加智能、多模態(tài)、擁有1M上下文的新模型，能夠完成更加復雜的任務，也需要更多算力資源和新的定價模式。MiniMax還提到，M3單次調用的資源消耗可能相當于過去多次調用，因此將Token Plan切換到Token-Based計量。

這讓MiniMax M3接入Token Pay，不再只是一次合作名單更新。模型能力升級之后，大模型公司要處理的問題已經(jīng)延伸到套餐變化、額度展示、權益遷移、按量計費和賬單管理。

一次簡單問答、一次長文檔分析、一次代碼任務、一次多模態(tài)輸入、一次Agent連續(xù)執(zhí)行任務，對應的資源消耗并不相同。模型能力越強，調用場景越復雜，Token消耗越可能呈現(xiàn)高頻、碎片化和不穩(wěn)定特征。

因此，MiniMax M3接入Token Pay后，支付系統(tǒng)覆蓋的環(huán)節(jié)已經(jīng)從“用戶充值成功”，延伸到Token額度展示、套餐配置、席位分發(fā)、消耗記錄、賬單歸集和后續(xù)結算。

對大模型公司來說，商業(yè)化難點也不止把支付按鈕放進產(chǎn)品里。真正影響用戶體驗和收入管理的，是充值、訂閱、按量扣費、額度消耗和賬單展示能否接在同一套流程中。

這次MiniMax M3接入Token Pay，最有增量的場景是企業(yè)Token席位管理。

個人用戶購買AI服務，通常是一筆充值、一次訂閱或一個加油包。企業(yè)購買AI服務，則要復雜得多。

企業(yè)需要判斷買多少Token、配置多少席位、哪些部門或員工使用、每個席位匹配什么套餐、額度如何控制、消耗如何留痕、報銷如何進入財務流程。后續(xù)還可能涉及續(xù)費、升級、停用、額度追加和部門間成本核算。

AI服務進入企業(yè)采購后，Token既是模型調用單位，也開始成為企業(yè)內(nèi)部的一類數(shù)字資源。

過去，支付系統(tǒng)更熟悉的是“一個用戶、一筆訂單、一個商品”。企業(yè)級AI服務面對的則可能是“一家公司、一組席位、一批Token、多個使用者、多個項目和多次消耗”。

支付處理對象正在從訂單金額，擴大到Token額度、席位關系、使用周期和賬單歸集。

這也是Token Pay在MiniMax M3場景中的新看點。它對應的已經(jīng)是企業(yè)購買AI服務之后的組織化管理問題。

從MiniMax M3接入后的描述看，Token Pay正在從充值工具走向AI服務計費管理工具。

這套工具要處理的不只是用戶或企業(yè)如何購買Token，還包括不同Token包、會員和加油包如何組合，企業(yè)內(nèi)部如何分發(fā)給員工或團隊，每個席位或項目的額度如何控制，消耗記錄如何進入賬單和財務流程，異常調用、重復扣費、爭議退款如何處理。

這些問題的組合方式，已經(jīng)不同于傳統(tǒng)互聯(lián)網(wǎng)支付最熟悉的交易形態(tài)。

傳統(tǒng)支付更強調訂單、金額、商戶、用戶、清結算和風控。AI服務付費則把“資源計量”推到支付處理前臺。支付系統(tǒng)不僅要知道用戶付了多少錢，還要知道這筆錢對應多少Token、哪些權限、什么周期、哪些使用者和怎樣的扣減規(guī)則。

因此，Token Pay不能只被理解為AI產(chǎn)品的充值入口。

它更像是大模型服務與支付賬戶之間的連接工具，把Token銷售、會員訂閱、按量計費、席位分發(fā)、賬單管理和支付結算放進同一套處理流程。

這對支付機構提出了新的要求。

AI服務的付費對象可能是一段上下文、一組Token、一次工具調用、一個Agent任務，也可能是一家公司內(nèi)部的一組席位。支付能力必須嵌入模型調用、Token消耗和企業(yè)內(nèi)部管理流程。

從支付寶AI支付的推進節(jié)奏看，MiniMax M3接入Token Pay，標志著其相關能力開始進入更具體的大模型商業(yè)化場景。

今年2月，支付之家曾連續(xù)關注支付寶AI付的早期規(guī)模驗證。2月12日，支付之家發(fā)布快訊提到，支付寶“AI付”一周累計支付筆數(shù)超過1.2億筆；2月23日，支付之家進一步分析稱，春節(jié)期間支付寶“AI付”用戶數(shù)突破1億，AI原生支付進入規(guī)模化階段。

彼時，AI付解決的是智能體如何發(fā)起付款、用戶如何確認授權、交易如何在對話界面中完成。

5月26日，支付寶把AI錢包、Token Pay和ACT協(xié)議2.0推到臺前，支付之家當時關注的是AI支付重心從“完成付款”轉向“管理交易”。支付寶方面披露，AI錢包、Token Pay與此前發(fā)布的AI付、AI收服務，構成其面向AI時代的全棧AI原生支付產(chǎn)品矩陣；同時，支付寶聯(lián)合20余家生態(tài)伙伴升級ACT協(xié)議2.0，構建A2A與A2M支付能力框架。

到了MiniMax M3全面接入，支付寶AI支付的落點繼續(xù)前移。

它面對的已經(jīng)不是智能體能否付款，而是模型服務如何收費、企業(yè)客戶如何采購、Token額度如何管理、賬單如何進入組織內(nèi)部流程。

這一變化顯示，AI支付正在從C端用戶的智能體結賬，繼續(xù)進入B端企業(yè)采購、開發(fā)者服務和模型商業(yè)化環(huán)節(jié)。

支付寶方面還提到，MiniMax后續(xù)將全線接入支付寶全棧AI支付產(chǎn)品，讓開發(fā)者“用自然語言調用支付能力”，用戶通過支付寶AI付，也將在MiniMax Agent中實現(xiàn)說句話完成應用內(nèi)結賬。

這部分變化，會影響AI應用開發(fā)者接入支付的方式。過去，開發(fā)者接入支付，通常需要理解商品、訂單、回調、退款、結算等一整套流程。AI應用快速增長后，開發(fā)者更關心的是，如何把一個模型服務、一個Agent任務、一次工具調用，快速轉換成可收費產(chǎn)品。

支付寶AI付官方頁面顯示，其支付解決方案已封裝為Skill組件，并支持低代碼快速接入。企業(yè)和個人開發(fā)者可通過商品配置自動生成前端商品列表，低代碼完成部署。

當支付能力低代碼化、組件化之后，訂閱制、按量計費、加油包套餐等模式可以更快嵌入AI應用。未來如果進一步探索按效果付費、動態(tài)定價和跨Agent框架統(tǒng)一結算，支付系統(tǒng)需要處理的關系還會更復雜。

AI服務收費方式不會只有一種。個人用戶可能更適合會員訂閱、Token充值和加油包，企業(yè)客戶更依賴席位管理、額度控制和賬單歸集。隨著Agent任務執(zhí)行、AI營銷、工具調用和多主體協(xié)作增多，按效果付費、動態(tài)定價和跨Agent統(tǒng)一結算也可能進入支付系統(tǒng)處理范圍。

這些收費模式最終都會回到幾個基本問題：誰授權，誰發(fā)起，付給誰，憑什么扣費，賬單在哪里，異常如何處理。

MiniMax M3接入Token Pay，也提醒行業(yè)不能只看到AI支付的順滑體驗。

尤其在Token消耗、企業(yè)席位和Agent任務場景中，用戶和企業(yè)更需要知道費用從哪里來、額度花到哪里去、異常能不能攔截、賬單能不能追溯。

Token消耗可能來自用戶主動充值，也可能來自訂閱權益，還可能來自Agent執(zhí)行任務過程中的多次調用。企業(yè)場景下，一個員工、一個部門、一個項目的使用行為，都可能影響最終賬單。

如果扣費依據(jù)不清楚，Token消耗不可見，套餐變化缺少提示，持續(xù)授權邊界不明，AI支付就可能從“更方便”變成“更難查”。

支付系統(tǒng)進入AI服務內(nèi)部后，越不能讓扣費過程變得模糊。AI可以替用戶執(zhí)行任務，但授權邊界、計費依據(jù)、賬單記錄和爭議處理仍然要清楚。

這也是Token Pay后續(xù)能否跑通規(guī)模化應用的關鍵。

MiniMax M3接入支付寶Token Pay，讓支付寶AI支付的落點繼續(xù)向模型服務計費和企業(yè)Token管理延伸。

對支付行業(yè)來說，AI服務商業(yè)化正在推動支付系統(tǒng)調整交易處理邏輯。

未來，AI服務的付費對象可能是一段上下文、一組Token、一次工具調用、一個Agent任務，也可能是一家公司內(nèi)部的一組席位。支付機構要處理的，不只是付款成功，還包括計費依據(jù)、額度分配、賬單留痕、異常攔截和爭議處理。

AI支付后續(xù)比拼的，也會逐漸轉向復雜AI服務交易的處理能力。

這里是支付之家。我們關注支付表象之下的規(guī)則差異與邏輯變化，提供支付科技領域增量信息。觀點內(nèi)容僅供參考。