[1/9] 截至昨天，Lobe Chat Cloud （http://lobechat.com）开启公测一个月，达到第一个小里程碑 $1000+ MRR ，营收来到 3 万人民币（$4000+）。 和大家聊聊我们这个月的实践中新学到的东西，以及一些新的感悟：

[2/9] 首先先聊聊详细聊聊营收数据，30多天下来， MRR 正式突破了 1,000 刀小关卡，营收总额大约 $4k+，折合人民币的话大概 3w 多一些，感觉算是有了一个还算可以的开头。 而非常让我意外的一点是，达成 $1000 MRR 订阅的用户数，只需要 58 人。我在回顾看到这个数据时，突然真切地感觉到宏大叙事的薄纱被刺破了。在传统互联网语境下，似乎只有产品达到千万、乃至亿级别规模的产品才能算成功，只是百万级别、十万级别甚至都上不了台面。 但对于我们来说，可能真的不需要去考虑做到百万、千万级别月活的产品，而只需要能获得一千到两千名愿意为我们持续付费订阅的用户，就可以让我们这个团队长久稳定地运作下去。 LobeChat 的开源也不再是只能用爱发电的兴趣爱好，还可以真正变成一项为之持续付出的事业。虽然听过很多讲开源的故事，但我们在往这个方向努力并开始带来正向反馈的时候，这个感受是更加强烈的。

[3/9] 讲完乐观的未来，然后再讲讲现在面临的挑战：目前我们的 ROI 并不好。 一个月来 Cloud 的注册用户来到了 7k+ ，但实际上的付费订阅用户只有 60+ 。可能也是因为 Chat 赛道的竞品太多，其实大家的可选择空间非常大，而我们目前 Cloud 的竞争力并不算高。也可能是第一个月的大部分用户来自开源社区，大家注册 Cloud 也就是来捧捧场 总之目前的付费转换率百一都不到，这是我们目前面临的最大问题。虽然在开源版里 LobeChat 的整个产品体验能排到第一梯队，但我们的 Cloud 在成熟的商业产品 ChatGPT/Claude/Poe 这些老大哥面前还是个弟弟，有太多值得学习的地方。

[4/9] 当然，既然我们把 LobeChat 的代码都开源了，付费转换率低大概率可能也是个预期中的事情？ 其实我们选择开源之时，就觉得会去 GitHub 上找开源方案的人，大概率都是白嫖怪（包括我们自己也是 ），要从他们手中赚钱可太难了~ 同时，这段时间观察下来，为 Cloud 付费的用户也基本不来自开源社区，这个和我们一开始的判断也是一致的。所以从功能角度来说，可能核心功能开源也并不会太影响 Cloud 版的收益，毕竟用户是完全不同的两个群体。 因此秉承这个原则，接下来很快就会发布的「文件上传/知识库对话」特性（谍照一张~），也会完全开源出来。目前在 Cloud 版独有的搜索插件也会在后续合适的时间开源到社区版中。 而我们后续在 Cloud 中也会做更多差异化的点，侧重提供增值服务与助手市场层面的运营，进而与社区开源版形成递进的模式。

[5/9] 那如果要说产品上线后我们踩的坑，可能最大的点就是采用了固定用量的订阅制。 上线前我们想，毕竟固定一个金额的订阅模式是现在AI Chat 产品的主流方案，我们照着抄也问题不大。但事实上采用固定用量的订阅制并不适配我们现在 Token 收费的计价模型。 方案上线后我们看到个别重度用户在购买了基础版订阅后，在短短几天内就消耗完了所有的 Token，导致无法继续使用，不得不继续升级套餐，而升级到专业版后一旦消耗完用量，这个月就再也不能使用了。所以虽然我们在产品能力上已经支持到细粒度的按 Token 用量计费，但固定用量的订阅制完全发挥不出来这种优势。 因此我们下一步会把订阅模式优化为一个相对较低的基础服务订阅费 + 按需购买 Token 用量的方式，进而让订阅和使用不会有更多压力。

[6/9] 正是在前端、后端再到支付链路完整跑过后，我们发现了现在 LobeChat 产品设计中的诸多缺陷。 例如按 Token 付费的模式下，多轮对话的 Token 用量事实上会累计增长，但新用户往往意识不到这一点。虽然用户的每一个问题消耗不了多少 token，但之前积累的上下文可能会累积到一个很恐怖的数量，最后导致在一轮对话请求中可能会消耗到 10W+ Token。表现出来的结果就是虽然我们标记了高级模型能用 3,000 条，但可能用户的体感是聊了几十条就提示了额度用完，体验非常差，仿佛被欺骗了一般。 而这些问题在开源版中是不存在的，因为产品服务并不闭环，大家就填一个自己的 API key，用多少，消耗多少都自己买单，我们也没有反馈。但在我们的 Cloud 版本中这就是一个巨大的问题，再叠加上固定用量的订阅模式，可以说是雪上加霜。 所以用户来咨询这些由于我们产品设计缺陷造成的问题时，我们第一时间就为他们重置了额度。如果你订阅了 Cloud ，在日常使用中有遇到这个问题的话，也随时联系我帮你重置额度，这些额外的用量损失理应由我们承担。

[7/9] 其实现在很多国内号商会搞一个 OneAPI/NewAPI 做 API key 管理，再另外弄一堆 WebUI 让用户选择。 但我们是希望用户始终能有一致的产品体验，整个使用链路是完整闭环的，看上去更正规。因此在 Cloud 实现过程中我们花费了较多的力气自行实现了 Stripe 接入，事实证明我们设定的支付策略还是很有成效的（https://x.com/arvin17x/status/1817466644282925334…）。 而 AI 的调用 Gateway 和统计，通过一轮调研后也选择了契合度更高，功能更加强大的 LiteLLM 。但此时我们发现并没有适配我们的后台管理界面，于是在我们自己的 Cloud 日常管理诉求中开始搭建 Cloud Admin，并基于此在早期成功预防了薅羊毛的灰产。 我们后续也会随着我们自己的管理需求不断完善 Cloud Admin 的能力，除了基础的用户管理，还有订阅管理、 Token 用量统计分析、AI 接口的 GUI 添加 、负载均衡等等配置能力都在 Admin 中集成进去。等我们自己把这套方案在 Cloud 上跑完善了，那就有潜力成为 AI 对话应用的一站式解决方案，不知道有没有人感兴趣呢？ 而这些也是只做一个纯前端的 Chat WebUI 时接触不到，在做 Cloud 过程中探索到的有趣的领域。

[8/9] 最后一趴聊聊成本，别看 1000 美金 MRR 看似很多，但目前为止我们可以说只是差不多刚打平成本，略有一点盈利。 光是 AI 的 API 的成本就已经占掉了一半以上，感觉是在给大模型厂商打工了 。而维持业务运作的各项基础设施的运营成本每个月也要大几百刀，所以算下来其实没赚多少。 我们重点关注 MRR 也是在于 AI 的 API 成本是不可忽略的，因为每个月的 Token 用量是实打实的，只有 MRR 能客观反映我们是否有盈利。（别看现在一个月总收入是 $4000+ ，是要摊到每个月去抵扣 API 成本的） 在这里不得不提一嘴我们的合作方 AiHubMix @Ken le 。 Cloud 是直接用的是他们的服务，100% 官方转发，接口的品质和稳定性都有保障。而他家的 API 应该也是目前市面上为数不多直接支持 Sonnet 3.5 Tools Calling 的 API ，和 LobeChat 搭配起来在整个体验上可以说非常完美。 而且即使是官转，虽然不多但他们还是给了我们一定的折扣，让我们也有了一点利润空间。

[9/9] 限于篇幅原因这次没有讲技术，要是大伙感兴趣，等我们发完知识库后有时间专门开贴聊。 比如前两天看到 @idoubi 的 Vercel 天价账单，而我们另外一个 preview 站点在同等量级流量下才 30 美金左右的开销，感觉这些优化经验还是可以展开讲讲的。 那以上就是这一个月以来的收获，可以说满满当当都是经验。也非常欢迎大家体验 LobeChat ，无论是开源版还是 Cloud，建议和批评我们都一并接受，并争取做的更好。 这也是我们从零开始的产品之旅，希望和大家一起见证~