AI 基础设施的价值并不在于规模庞大。它的价值在于所创造的可能性：让更多人以更低成本获得能力更强的智能。
这就是我对充裕的理解。它既融入了我们的使命——确保通用人工智能造福全人类，也融入了推动业务发展的经济引擎。
当实用智能的成本下降，就会有更多工作值得开展。当模型能力增强，这些工作就能创造更多价值。随着采用范围扩大，我们会获得收入、现实反馈和需求洞察，从而继续投资下一代研究和基础设施。
更好的智能推动更广泛的采用。更广泛的采用支持更多投资。更多投资则会提升智能和效率。这就是我们正在构建的循环。
我们近期发布的定价公告表明，这一循环能多快惠及客户。昨天，我们将 GPT‑5.6 Luna 的价格下调了 80%，将 GPT‑5.6 Terra 的价格下调了 20%。Luna 目前每百万输入 Token 费用为 0.20 美元，每百万输出 Token 为 1.20 美元；Terra 的相应费用分别为 2 美元和 12 美元。
对于 GPT‑5.6 Sol，快速模式能以标准处理两倍的价格提供最高 2.5 倍的速度，智能水平保持不变。
这些并非只是价格表上的调整。这些调整扩大了切实可行的工作范围，也让客户能更灵活地平衡智能、速度、可靠性和成本。
正确的问题不是哪种模型适合哪项任务。而是要达到所需结果，成果需要多高的智能、多久需要获得这种智能，以及为实现成果应投入多少智能成本。在同一套工作流程中，这种平衡可能会多次变化。
客户购买 Token 并不是为了 Token 本身。他们想要的是解决支持问题、交付软件、审查合同，或解答科学问题。正确的衡量标准是成功取得成果的成本，其中包括所需的时间、重试、监督和错误代价。
能力更强的模型若能正确、高效地完成工作，最终可能比需要反复尝试或大量人工干预的廉价模型更经济。反之，如果成本较低的模型能达到同样的质量标准，就能大幅扩大使用范围。机遇在于以合适的价格应用最大程度的实用智能。
要交付这种价值，仅仅增建数据中心还不够。还必须提高每一单位算力的生产力。
我们近期的工程实践展示了具体的实现方式。GPT‑5.6 Sol 与我们的技术团队协作，帮助优化用于提供模型服务的生产软件，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 生成效率提高了 15% 以上。
同样重要的是，效率并非只由模型决定。模型周围的系统也至关重要。更好的路由能让硬件保持高效运转。更智能的上下文管理可避免智能体重复工作。更强大的工具和产品设计可以减少完成任务所需的步骤。
在近期的一项基准分析中，保留推理和上下文管理方面的改进，使 GPT‑5.6 Sol 在公开 ARC-AGI-3 任务集上的得分从 13.3% 提升至 38.3%，同时输出 Token 用量减少至六分之一。模型没有改变。改变的是模型周围的系统。
这些收益会不断叠加。能力更强的模型能帮助我们的团队发现新的提效方法。这些效率提升会降低客户服务成本，并让我们以相同的基础设施支持更多工作。进而让下一代智能惠及更多人。
横跨基础设施、模型、平台和产品进行建设，其优势不只在于我们参与了每一层。更重要的是，每一层都能促进其他层不断改进。
产品在现实场景中的使用情况让我们了解客户在哪里获得价值，又在哪里遇到阻碍。这些反馈有助于指引我们的研究。研究进展会增强我们的产品，并降低产品服务成本。ChatGPT、ChatGPT 工作、Codex 和 API 的需求有助于我们更好地判断应在何处扩充容量。
这种学习的规模至关重要。我们的模型目前已覆盖超过十亿活跃用户和两百多万家企业。随着人们对这项技术更有信心，他们的使用也会更加深入。注册六个月后，用户每天发送的消息量增加约 50%，使用 ChatGPT 处理的工作类型也增至约两倍。ChatGPT 工作正在重新定义知识工作者：它不再只是回答问题，还能完成复杂的多步骤工作，实现从“提问”到“执行”的转变。在 OpenAI，借助 Codex 开展的智能体式工作目前占每周输出 Token 总量的 99.8%；包括财务团队在内，已有多个团队将智能体工具作为主要工作方式。
在组织内部，也呈现出类似的模式。一家公司可能会先从一个团队或一套工作流程开始。随着质量和经济性不断改善，应用会扩展到各个职能部门，AI 也会融入企业的运营方式。
由此，需求、产品改进、效率和基础设施规划之间便形成了宝贵的反馈循环。这并不要求我们拥有所有资产，也不必亲自构建每一个组件。我们可以选择自有、合作或采购，具体取决于哪种方式最能满足客户需求，也最具经济效益。关键在于协调整个系统，并从各个环节中学习。
AI 基础设施必须提前数年规划，而模型、产品和客户需求的变化速度要快得多。这种错配使严谨审慎变得至关重要。
我们的投资决策以证据为依据，包括用户和工作负载增长、企业客户承诺、API 使用量、利用率、收入，以及模型能力和效率方面的进展。技术和商业里程碑有助于决定项目何时进入下一阶段。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、私人资本和商业合作伙伴关系各自发挥不同作用，共同支持这一增长。我们的目标不是建设最多的基础设施。而是针对可信的需求，在恰当时机部署恰当的容量。
对我而言，关键问题很明确：新增容量多快能转化为生产力？它的使用效率如何？它能支持哪些客户需求？技术进步能以多快的速度降低实用智能的交付成本？
这些问题将长期抱负与严谨运营联系在一起。
我们仍处于早期阶段。能力更强的系统将能完成周期更长的项目、协调多种工具，并承担从构想到最终成果之间更多的工作。个人和小型企业将获得过去只有大型组织才具备的能力。企业将在运营中更广泛地应用智能。
我们的目标不只是增加算力、扩大模型或降低 Token 价格。而是让更多人能够获得更实用的智能。
这正是充裕的含义：让智能不断增强能力、降低成本，并为使用它的人创造更多价值。我们将以这些标准衡量进展：它能促成多少有用的工作，我们能以多高的效率交付，以及其益处能在多大范围内共享。
