同样是调用大模型，购买“模型即服务”和购买“智能体即服务”，责任边界不能按是否使用同一模型来划分。前者主要交付模型调用能力，后者还要把模型输出转化为任务规划、工具调用和业务动作。采购方真正需要厘清的是：出错发生在哪一层，谁控制该层，谁负责发现、阻止和补救。
模型即服务提供方应对约定的模型服务、数据处理方式及其变更承担责任，例如服务是否持续可用、模型更新是否通知、约定的数据隔离措施是否落实。但模型给出的内容，并不等于已经过业务核准的决定。将输出用于什么场景、能否直接执行，通常取决于采购方及其选用的上层服务设计。
智能体即服务的提供方则不能把所有问题都归为“模型偶尔出错”。任务分解、工具编排、失败重试、权限控制和人工接管机制都属于智能体交付的一部分。如果智能体在权限不足时仍尝试操作，或在数据缺失时继续完成任务，责任判断就应追溯其工作流程和控制设计，而不只检查模型回答是否准确。采购方也须负责授权范围、业务规则和接入系统的管理；否则，供应商无法独自保证业务结果。
合同和验收宜沿着这条链路写清责任：模型更新后由谁做场景回归测试，工具调用失败由谁记录和处置，哪些动作必须经人工确认，出现异常时由谁暂停服务、恢复业务。任务完成率、人工接管率等指标可以衡量交付效果，却不能替代责任划分。边界写得越接近实际控制点，发生偏差时就越容易定位原因，而不是让模型方、智能体方与采购方互相推诿。