别再数Token了：OpenAI甩出AI时代记分卡，用"有用智能每美元"给CFO算清ROI

当全球的CFO们都在追问同一个问题时，OpenAI直接下场，把这笔账算了个明明白白：我们投进去的每一分钱，到底从AI手里换回了多少真金白银？过去十几年，软件行业衡量成败的尺子都是“采用率”——卖了多少席位、有多少活跃用户、续费了多少许可证。但到了AI这里，这套老办法彻底失灵了。真正的刻度，应该是模型到底干完了多少活。

翻开OpenAI在7月17日发布的这篇长文，核心命题其实很清晰：人工智能完成的工作，它的价值增长，是否跑赢了生产它的成本增长？要回答这个问题，光盯着每token成本可远远不够。一个便宜的模型，token单价或许低，但为了得到好结果，可能要反复试错、耗费更多时间、叠加更多人工审核；一个昂贵的模型，token单价高，却可能一次就把任务做对。真正的成本，是产出一个成功结果的完整代价，再拿它去对照这个成果创造的价值。这才是算账的起点。

AI时代的终极记分卡：有用智能每美元

于是，OpenAI给出了一个全新的衡量指标——有用智能每美元。这个指标要回答四件事：人工智能是否在完成有意义的工作？每一项成功任务的成本是多少？人们能否信赖它的结果？随着用量增长，每投入一美元的人工智能，是否创造了更多价值？

第一项：完成了多少有用工作

价值只有在token变乘人们能直接使用的实际产出时，才算真正被创造出来。模型越强，能扛下的任务就越长越复杂：它开始保持上下文、做多步推理、跨工具协作，并在过程中不断调整适应。最务实的切口，是先锁定一个具体工作流，定义清楚什么叫“完成”，然后在工作实际发生的系统里去度量这个结果。

举个例子：对支持团队，完成意味着一个客户问题被解决；对工程团队，是一笔通过测试的代码变更；对法务团队，是一份被准确且及时审查的合同。OpenAI还举了一个财务团队为预测评审做准备的例子：在最终决策之前，要去找最新预测、把数据导进Excel或Sheets、识别变化、核对标签页、重建幻灯片、检查所有数字是否吻合。这一连串杂活，大部分都可以交给ChatGPT Work，团队因此腾出精力去想真正重要的事——发生了什么变化、为什么、下一步该怎么办。这就是每一美元在实践里换来的有用智能。

第二项：每一笔成功任务，到底花了多少钱

AI任务的成本差异巨大，甚至可以用“天差地别”来形容。一句快速回答消耗的计算极少，而编码、研究、财务类工作流往往涉及深度推理、工具调用和大量操作，它们吃更多算力，也创造更大价值。在模型层面，单次成功任务的成本由价格、实际用掉的计算量以及得出正确结果的概率共同决定；对企业而言，总成本还要叠上员工时间、人工审核、重试和返工。算法很简单：把完成工作的总成本加起来，除以达到质量标准的任务数量。这正是“每token最低价”未必等于“每结果最低成本”的原因——即使对常规请求，如果一个前沿模型能一次给对答案，省下的重试、延迟、审核和总计算量，反而可能让它成为最划算的选择。

OpenAI刚发布的GPT-5.6正是按这个逻辑设计的三个层级：Sol是旗舰，Terra在性能与成本间取平衡，Luna最快也最省。这套分层给了客户优化公式的起点，但OpenAI强调，最终该用哪档模型，要看整笔任务的经济性——高吞吐流程用Luna，需要深度时用Terra，当更强推理能以更少尝试换来最好结果时用Sol。训练GPT-5.6时，OpenAI的目标就是让每个token产出更多有用成果：在Artificial Analysis编程智能体指数上，开启最大推理的GPT-5.6 Sol创下新的最优水平，同时比另一款领先模型少用了54%的输出token；在DeepSWE v1.1长周期工程任务里，GPT-5.6 Sol达到72.7%的新高，高于Claude Fable 5的69.9%，预估API成本还降低了36.2%。每一代模型都该在两方面同时进步——更高效率让旧任务更便宜，更强能力让全新类型的工作成为可能。

第三项：模型靠不靠谱，直接决定值不值

可靠性，也就是AI正确完成工作的频率有多高。人工智能的采用通常会分阶段深化：先是辅助起草，接着在工具和数据之间找上下文、做推理，再往后开始主动采取行动、处理异常、跑完整个工作流，而人只在必要时给出判断和控制。每一步都创造更多价值，也对系统提出更高要求。可靠性本身就是钱——当结果准确、来源可靠、前后一致且能恰当地升级处理，人们花在审查、纠正和返工上的时间就少了，成功任务的成本随之降低，组织也更有底气把AI用进更重要的流程。

OpenAI建议团队追踪三种结果来衡量这一点：可直接使用、需要修正、需要升级处理。这比单纯的模型准确率更能说明AI是否真的减少了完成项目所需的工作量。可靠性还需要清晰的边界：在AI从起草走向行动之前，组织必须定义系统能访问哪些数据、可以使用或更改哪些系统、何时需要人工审查或批准某个操作。安全、保障、隐私和控制构筑了深度使用的基础，而ChatGPT Work正是建立在ChatGPT Enterprise的安全、合规与工作区管理之上，让组织在保持监督的同时，给AI接入更有价值的流程。能力带来第一次使用，可靠性才让AI成为完成工作的组成部分。

第四项：随着使用量增长，每一美元AI投入能否完成更多工作

企业可以长期追踪同一工作流来度量：统计达到质量标准的任务数、完成它们的总成本、以及每项成功任务的成本。如果完成的工作量增长快过总成本、质量还保持不变或提升，那么每一美元就产出了更多价值。算力处于这个等式的核心——它驱动着研究，也驱动着AI完成的每一项任务，决定了产品质量、速度、可靠性、可用性和成本。训练算力构筑未来能力，推理算力交付当下的价值，两者最终都要转化为更好的客户成果。

更优的模型、更高效的推理、专用硬件、更高利用率、更聪明的路由和更强的产品设计，都能抬升算力的回报。客户从体感上接住这些改进：答案更准、响应更快、修正更少、产品更可靠、完成所需工作的成本更低。这些收益会自我累积——更好的基础设施加速研究，研究催生更强更高效的模型，模型改进产品，产品推动采用、学习与收入增长，而这又反过来支撑对下一代研究、算力、部署和安全的持续投入。关键在于，以一个统一的智能平台把所有要素收拢：用户通过ChatGPT和ChatGPT Work使用，开发者通过Codex和API构建，企业把它部署进真实工作发生的系统。任何一层改进，所有产品和客户都随之受益。

把账算清：每单位成本换来的有用智能，是否在持续上升

把四项指标合在一起，这张记分卡其实在回答一件事：每单位成本换来的有用智能，是否在持续上升。有用产出告诉我们AI能产生什么，每项成功任务的成本告诉我们达成结果要付什么，可靠性告诉我们人们可以放心使用多少成果，规模化价值则告诉我们随着时间推移，每一美元和每一单位算力是否实现了更多成效。OpenAI把它自己的职责，归结为让这个等式在每一代模型上都变得更好——更强的模型、更快更可靠的结果，以及为客户真实所需的工作而压低的成本。当AI开始用“每美元的有用智能”说话，而不是用token的流水账，价值这回事，才算真正被算清。