构建富足智能：让智能更强大、更普及、更实惠

AI基础设施的价值不在于规模庞大，而在于它让什么成为可能：更强大的智能，以更低的成本，服务于更多人。这就是我对“富足”的理解。它既植根于我们的使命——确保通用人工智能惠及全人类——也植根于驱动我们业务的经济引擎。

当有用智能的成本下降，更多工作就变得值得去做。当模型能力增强，这些工作便创造更多价值。随着采用规模扩大，我们获得收入、真实反馈和需求可见性，从而持续投资于下一代研究与基础设施。

更优秀的智能推动更广泛的采用；更广泛的采用支撑更多投资；更多投资提升智能与效率。这就是我们正在构建的循环。

富足的经济学

我们近期的定价公告展示了这一循环如何迅速惠及客户。昨天，我们将GPT-5.6 Luna的价格降低了80%，GPT-5.6 Terra的价格降低了20%。Luna目前每百万输入token费用为0.20美元，每百万输出token费用为1.20美元；Terra则分别为2美元和12美元。

对于GPT-5.6 Sol，快速模式以两倍的价格提供最高达标准处理2.5倍的速度，而智能水平不变。

这不仅仅是价格表上的变动。它们扩大了可实现工作的范围，让客户在平衡智能、速度、可靠性和成本方面拥有更大灵活性。

正确的问题不是哪个模型适用于哪项任务，而是所需结果要求多少智能、需要多快获得智能，以及为了实现目标，智能的成本应该是多少。这种平衡在同一条工作流中可能多次变化。

客户购买token并不是为了token本身。他们想要的是解决的问题、交付的软件、审阅的合同或回答的科学问题。正确的衡量标准是成功结果的总成本，包括所需的时间、重试、监督和错误成本。

一个能正确高效完成工作的更强模型，最终可能比一个需要反复尝试或大量人工干预的更廉价模型更经济。反过来，当低成本模型达到同样的质量门槛时，它能大幅扩展可及性。机遇在于以合适的价格应用最大限度的有用智能。

让每一单位算力产出更多

要实现这种价值，不能仅靠建设更多数据中心，还需要让每一单位算力更具生产力。

我们近期的工程工作正展示了这一点。GPT-5.6 Sol与我们的技术团队合作，帮助优化了用于服务模型的生成软件，将端到端服务成本降低了20%。它还帮助改进了推测解码，使token生成效率提升了超过15%。

同样重要的是，效率并非仅由模型决定，其周边系统同样关键。更好的路由让硬件保持高效运转；更智能的上下文管理防止智能体重复劳动；更强的工具和产品设计能减少完成任务所需的步骤。

在最近一次基准分析中，对保留推理和上下文管理的改进，使GPT-5.6 Sol在公开ARC-AGI-3任务集上的得分从13.3%提高到38.3%，同时使用的输出token减少了六倍。模型本身没有变，变的是周边系统。

这些收益会不断累积。更强大的模型帮助我们的团队发现新的效率改进；这些改进降低了服务客户的成本，并扩大了同一基础设施所能支撑的工作范围，进而使下一代智能更加可及。

为什么全栈很重要

在基础设施、模型、平台和产品之间进行全栈构建的优势，不仅仅在于我们参与每一层，更在于每一层都能让其他层变得更好。

真实的产品使用让我们看到客户在哪里获得价值、在哪里遇到摩擦。这些反馈帮助我们塑造研究方向；研究改进则强化产品并降低服务成本；ChatGPT、ChatGPT Work、Codex和API的需求帮助我们更好地决策在哪里增加容量。

这种学习规模至关重要。我们的模型现已覆盖超过十亿活跃用户和两百多万家企业。随着人们对该技术建立信心，他们使用得更深入。注册六个月后，用户每天发送的消息大约多出50%，使用ChatGPT完成的工作种类大约是原来的两倍。ChatGPT Work正在重新定义知识型工作的内涵，从回答问题转向完成复杂的多步骤工作——从“询问”到“行动”。在整个OpenAI，通过Codex进行的智能体工作目前占每周输出token的99.8%，财务团队也是其中之一。

在组织内部，模式也类似。一家公司可能从单个团队或单个工作流开始。随着质量和经济效益的提升，采用范围扩展至各个职能，AI成为企业运营方式的一部分。

这就在需求、产品改进、效率和基础设施规划之间形成了宝贵的反馈循环。我们并不需要拥有每一项资产或自行构建每个组件。我们可以根据客户利益最大化和经济效益最优的原则，选择自建、合作或购买。关键在于协调整个系统并从中学习。

以信念和纪律建设

AI基础设施必须在需求出现前数年就进行规划，而模型、产品和客户需求的演进则快得多。这种错位使得纪律至关重要。

我们的投资决策以证据为基础：用户和工作负载增长、企业承诺、API消耗、利用率、收入，以及模型能力和效率的进展。技术和商业里程碑有助于决定项目何时推进。长期合作伙伴关系汇集了实现规模化交付所需的融资、基础设施和运营专长。

产品收入、私人资本和商业伙伴关系在支持增长方面发挥不同作用。目标不是建造最多的基础设施，而是在正确的时间、针对可信的需求，部署正确的容量。

对我来说，关键问题很直接：新容量多久能产生效益？使用效率如何？它支撑怎样的客户需求？技术进展能以多快速度降低提供有用智能的成本？

这些问题将长期雄心与运营纪律联系起来。

未来的机遇

我们仍处于早期。更强大的系统将完成更长期的项目，跨工具协同，并处理从想法到成品之间的更多工作。个人和小型企业将获得以往只有更大规模组织才具备的能力。企业将在更广泛的运营中应用智能。

我们的目标不仅仅是更多算力、更大模型或更低的token价格，而是让更有用的智能触手可及。

这就是“富足”的含义：智能不断变得更强大、更可负担，对使用者更有价值。我们将以它带来的有用工作有多少、我们交付的效率有多高，以及其收益能被多广泛地分享来衡量进展。