30 秒看懂
销售 AI 的公司即使没有获得付费客户,也可能因模型调用而承担高昂账单。ChatPRD 创始人 Claire Vo 说,批量薅试用、转售优惠码和转发请求,在一年内给她自筹资金的公司造成了数万美元损失。她因此停止免费试用、限制支出和可用模型,并用自动化检查标记滥用行为。这些措施也会阻挡合法客户或给他们带来不便,因此她强调要监控误判,明确运营上的取舍。
- 1按席位收费让企业暴露在模型费用失控的风险下Vo 说,ChatPRD 按席位收费,却按 token 向模型提供商付费。过去一年,试用和促销滥用已让她自筹资金的公司损失数万美元。
- 2批量薅试用和转售优惠码导致免费入口关闭欺诈者反复注册并使用昂贵模型,或转售促销资格。尽管免费试用是企业客户和产品驱动增长的重要线索来源,Vo 还是将其关闭。
- 3转发服务可以把 AI 产品变成他人的模型服务Vo 描述了有人通过已认证的会话转发外部请求,或安装自定义 MCP 服务器驱动持续运行的工作程序。她还发现有人按小时向自己的客户转售服务。
- 4关闭访问入口会给增长带来真实成本她的措施包括账户硬限制、预先收费,以及屏蔽某些国家或 VPN。她承认这些选择可能排除真正的用户,也会减少销售线索。
- 5限制允许使用的模型,至少每小时监控支出Vo 使用 AI 网关、模型允许列表、支出上限和警报。她说,需要频繁检查费用,因为一次滥用可以很快积累大量成本。
- 6用 AI 分类可疑活动,同时限制支持系统权限触发警报的活动会按疑似滥用类型分类,进而触发封禁、降级或人工审查。她不允许客服智能体自行解除封禁或发放促销资格。
- 7身份认证本身不能证明请求合法Vo 说,除了验证会话,还要验证客户端并监控误判。她近期批量封禁时误伤了一名用户,后来作了纠正。
要点建议
- 按金额而不只是请求次数衡量并限制模型支出。
- 检查每个免费试用、促销和其他零成本入口是否会遭到滥用。
- 限制应用可以调用的模型,并设置支出警报和故障应对机制。
- 除了验证登录会话,也要验证请求是否来自预期客户端。
- 不允许支持智能体未经授权解除封禁或发放优惠码。
- 考虑误判以及限制措施造成的合法用户流失。
按章节阅读整理后的全文
为什么 token 欺诈会冲击按席位收费的 AI 企业
ChatPRD 按席位收费,却要承担模型使用费用。Vo 说,未经授权的使用造成了可观损失,也占用了大量工程精力。
Token 欺诈在过去一年占用了我越来越多的时间,几乎耗尽了我们全部的工程精力。我是 ChatPRD 的独立创始人,这是一款自筹资金运营、面向产品经理的 AI 平台。有人试图在服务条款之外使用模型访问额度,让我重新考虑是否继续经营这项业务。
ChatPRD 通过 Anthropic 和 OpenAI 等提供商调用语言模型,而提供商按 token 收费。我们按席位而不是按使用量收费,定价基于客户平均模型成本。有人滥用试用或优惠时,可能在支付金额不足以覆盖成本的情况下消耗大量模型调用。
我估计,过去一年损失已达到数万美元。由于没有风险投资承担这笔成本,它直接从我的业务收入中支出。我公开谈论此事后,大公司和技术型初创公司的朋友都告诉我,他们也面临类似问题。
试用、优惠码和转发服务留下入口
Vo 描述了反复注册免费试用、转售优惠码、信用卡滥用、代理服务和自定义 MCP 服务器。她区分了商业性滥用和寻求廉价访问的个人。
一种反复出现的模式是批量薅免费额度。有人反复注册免费账户,使用昂贵模型处理与产品无关的工作。试用曾是产品驱动增长和企业销售线索的重要来源,但我找不到既划算又能避免滥用的免费方案,因此关闭了试用。
优惠码也是一个入口。我们曾给合作伙伴发放优惠码,让人们试用产品并有机会成为付费客户;有些码却被盗、转售,或被大规模用于经营其他 AI 业务。我正在取消优惠码,尽管我更愿意支持真正需要产品的人。
我们也遇到过无效卡、预付卡和拒付。凭借过去的在线业务经验,我在这方面已有更多控制措施。更让我意外的是转发服务:有人在浏览器中登录 ChatPRD,把自己另一款产品的请求发过来,再把答案返回给自己的客户。
我们允许用户连接自定义 MCP 服务器,以便接入自己的业务数据。有一次,有人安装了自定义服务器,让工作程序全天运行,并绕过消息级限制。我还看到一些账户询问模型身份和训练截止时间;我不知道这究竟是蒸馏、薅额度还是其他用途。
当我们向企业客户承诺不保留或查看其数据时,区分正常使用与滥用很困难。极端案例可能促使我们调查,但经验丰富的使用者可以组合多种手段,让每一项指标都保持在阈值以下。
有一组人反复使用试用和优惠码,再通过隧道连接我们的智能体来制作 Roblox 和 Fortnite 地图。另一个人给应用套上代理,按小时向自己的客户出售访问权限。我们还看到使用连续编号姓名批量注册的账户,以及把试用当作通用聊天机器人的人。
我最担心的是试图利用业务的商业运营者。一些试用用户来自 AI 价格相对当地收入较高的国家;我更能理解他们的处境,但我的小公司也无法补贴这类使用。
收紧访问带来的商业代价
Vo 停止试用,并增加硬限制和收费控制。地区限制与收紧访问能减少欺诈,但也会挡住真正的客户。
起初我怀疑自己是否只是太天真,尽管产品已经做过渗透测试、合规工作和漏洞扫描。听到大公司和技术型初创企业也面临类似滥用,让我好受了一些。我也参考了 Atlassian 的 Gareth Wham 分享的建议,重新考虑控制措施。

我已经停止试用,包括需要信用卡的试用:有人轮换卡片、使用无效卡或发起拒付。我也把优惠码视为主要风险。这些决定让诚实的潜在客户失去体验产品的方式,迫使我们重新思考获客方法。
一项建议是预先收费,并取消付款失败后的宽限期。我现在还对每个账户和组织实施硬限制。以前我们愿意提高上限,以便了解客户的用法;但作为自筹资金的公司,我无法承受每个账户都亏钱。
其他业务控制包括:将试用限制在企业邮箱域名内,用功能开关快速关闭访问,以及确保服务条款允许对疑似滥用采取行动。当滥用模式变化时,合适的政策必须是团队真正能够执行的。
我正在重新考虑国际访问。我们的案例中,通过防火墙屏蔽整个国家减少了欺诈,但也阻止了当地真正的产品负责人和工程师使用服务。这是一个粗放的手段,失去的机会也是成本的一部分。
对于看起来有组织地试图绕过安全措施、欺诈公司的行为,我提交了网络犯罪报告。我也选择公开谈论这个问题。在调查过的活动中,我看到迹象表明,一些运营者也通过其他知名 AI 产品使用类似代理。
创始人应该互相分享发现的模式。大公司或许能承担足以威胁小企业生存的损失,但这不代表这些活动是真实增长。交流各自看到的情况,能让我们更有机会作出回应。
每一项业务控制都有代价。限制国家会挡住好用户;停止试用会减少销售线索。这些选择可能仍然必要,但它们带来的成本不仅仅是欺诈本身。
限制支出并验证请求
Vo 介绍了模型允许列表、网关支出控制、支付反欺诈工具、客户端验证和托管服务防火墙。她还限制高风险的自定义 MCP 主机。

AI 网关可以将调用路由到不同提供商,并限制支出。我们使用 Vercel AI Gateway,部分原因是它还能控制允许请求哪些模型。如果应用暴露通用模型接口,就应该执行允许列表,防止调用者从廉价模型切换到昂贵模型。
对于疑似滥用的请求,也可以作为惩罚将其路由到更便宜的模型。根据业务设置支出上限、警报和自动故障应对机制,并至少每小时或实时检查费用。我的错误是没有意识到,一次滥用能在多短时间内产生巨额账单。
我使用 Stripe Radar 处理支付欺诈。可以用历史交易评估其规则,查看哪些付款会被拦截。我最初是在遇到信用卡测试后采用它的:当时我看到了约 20 万美元的尝试购买,其中大多是涉及可疑卡片的失败交易。
我用编码智能体帮助编写复杂的 Radar 规则,再在 Stripe 中审查并启用。其中一条规则结合代码和支付信号识别信用卡指纹,查找同一张卡被用于多次试用的情况。
客户端验证与持有有效凭证是两回事。我们在聊天请求路由中加入 Vercel Bot ID,检查请求是否看起来来自预期应用。我建议先观察流量、调整控制,再决定何时执行拦截。
我们的托管服务防火墙提供国家和 VPN 屏蔽、IP 屏蔽以及限流。由于某些地区屏蔽显著减少了我们遇到的滥用,我使用这些功能比较严格。这是一种取舍:它也会排除合法用户。
身份认证提供商也有自己的控制措施,包括机器人防护。检查有哪些功能可用,并向提供商寻求调优帮助。我们现在还监控用户连接的 MCP 主机:免费隧道和看起来并非真实组织的主机值得关注,因为自定义连接可能被用于转发外部工作负载。
自动分类与受保护的客服系统
触发警报的请求和账户活动会进入 AI 辅助审查流程。客服智能体有处理手册,但不能自行恢复访问权限或发放优惠。
技术护栏只是应对的一部分。我们还需要运营流程,快速发现异常活动,并把经验反馈到产品中。AI 工具让小团队能够做到这一点,不过试图滥用的人也可以使用相同工具。
当聊天元数据超过滥用阈值时,我们使用不保留数据的 Jev 分类流程,判断它看起来是真实客户、试用或优惠滥用、信用卡欺诈、转售,还是智能体薅算力。根据分类结果和严重程度,我们会封禁账户或悄悄将其路由到更便宜的模型。

另一个每小时运行的智能体检查近期注册和异常对话,寻找滥用信号。强信号可能导致自动封禁;不确定的案例会发给我或我们的 AI 客服台。客服需要欺诈名单、允许名单和处理手册,才能回应询问为何被限制访问的用户。
封禁后的回应各不相同:有些简短或语无伦次,有些则礼貌并提供详细解释。客服系统需要处理这些请求,但不能允许它自行解除封禁、封禁用户或发放优惠码,否则客服本身也可能成为攻击入口。
每一种新模式都应该反馈到规则、运营流程和智能体手册中。这项工作有时感觉占了 80% 到 90% 的工作时间,而最容易阻止滥用的方法也可能损害业务。我希望这些反馈循环能让小团队更有韧性。
把销售 AI 看作销售算力
Vo 最后强调监控支出、验证客户端并纠正误判。她说,要维持业务,就必须在防范滥用和满足真实用户需求之间取得平衡。
如果你销售 AI,你销售的就是算力。关注模型账单,按金额而不只是请求次数计算,因为模型价格差异很大。我发现,当我们在几个国家停止提供某个高价模型后,当地的 token 盗用就停止了,这表明昂贵模型本身就是目标。
产品自己的 AI 也可能被用来策划如何滥用它:我们看到有人撰写利用 ChatPRD 的产品需求文档。除了登录,还要验证客户端;政策要能够执行,同时也要考虑误判。我曾在一次批量操作中误封一位合法用户,后来作了纠正。
即使有技术背景和多年经验,这段经历依然痛苦且代价高昂。其他创始人和团队告诉我,他们也面临同样的问题。我希望继续构建有用的 AI 产品,同时找到让创作者和合法用户都能持续使用的方法。
同频道的其他文章
34:15EN → 简体中文
38:34EN → 简体中文
24:47EN → 简体中文
42:30EN → 简体中文
35:10EN → 简体中文
29:40EN → 简体中文