AI 基礎設施的價值不在於規模龐大。它的價值在於它能實現甚麼：以更低成本，讓更多人使用能力更強的智能。
這就是我對「充裕」的理解。這個理念既體現在我們確保通用人工智能造福全人類的使命中，亦融入推動業務發展的經濟引擎。
當實用智能的成本下降，更多工作便值得開展。當模型能力提升，這些工作便能創造更多價值。隨着應用日益普及，我們會獲得收入、現實世界的意見反饋及更清楚掌握實際需求，從而繼續投資下一代研究和基礎設施。
更出色的智能推動更廣泛的應用。更廣泛的應用支持更多投資。更多投資則能提升智能和效率。這就是我們正在建立的循環。
我們最近宣佈的新收費，展示了這個循環如何迅速惠及客戶。昨天，我們將 GPT‑5.6 Luna 的價格下調 80%，GPT‑5.6 Terra 則下調 20%。Luna 現時每百萬個輸入 Token 收費 0.20 美元，每百萬個輸出 Token 收費 1.20 美元；Terra 的相應收費分別為 2 美元和 12 美元。
至於 GPT‑5.6 Sol，快速模式的速度最高可達標準處理的 2.5 倍，價格為兩倍，而智能水平維持不變。
這些不只是價目表上的改動。它們擴大了可切實執行的工作範圍，亦讓客戶能更靈活地平衡智能、速度、可靠性和成本。
正確的問題不是哪個模型適合哪項任務。真正應該問的是：要取得所需成果，需要多高的智能水平、何時需要，以及以甚麼成本取得才合理。即使在同一工作流程中，這種平衡也可能多次改變。
客戶購買 Token 並非只為 Token 本身。他們真正想要的是解決支援問題、推出軟件、審閱合約，或解答科學問題。恰當的衡量標準是成功取得成果的成本，當中包括所需時間、重試次數、監督投入及出錯成本。
能力更強的模型若能正確高效地完成工作，最終可能比價格較低但需要反覆嘗試或大量人工介入的模型更具經濟效益。相反，如果較低成本的模型能達到同一質素標準，便可大幅擴展使用機會。機遇在於以合適價格，運用所需的最高水平智能。
要實現這種價值，不能只靠增建數據中心。還必須提高每一單位運算資源的產出。
我們近期的工程工作正好說明具體做法。GPT‑5.6 Sol 與我們的技術團隊協作，協助優化用於正式服務環境、支援模型運作的軟件，令端到端模型服務成本降低 20%。它亦協助改進推測式解碼，令 Token 生成效率提高逾 15%。
同樣重要的是，效率並非單由模型決定。模型周邊的系統同樣重要。更完善的路由能讓硬件持續發揮效能。更智能的上下文管理可避免智能代理重複工作。更強大的工具和更出色的產品設計，可減少完成任務所需的步驟。
在近期一項評測基準分析中，推理內容保留機制和上下文管理方面的改進，令 GPT‑5.6 Sol 在公開 ARC-AGI-3 任務集的得分由 13.3% 升至 38.3%，同時輸出 Token 用量減少至六分之一。模型並沒有改變。改變的是支援模型運作的整體系統。
這些效益會相互疊加。能力更強的模型有助團隊發掘新的效率提升空間。這些效率提升能降低服務客戶的成本，並讓我們以相同基礎設施支援更多工作。這進而令下一代智能更容易普及。
我們橫跨基礎設施、模型、平台和產品各層進行開發，優勢不僅在於參與每一層。更重要的是，每一層都能促進其他層面提升。
產品在現實世界中的使用情況，讓我們了解客戶在哪裏獲得價值，又在哪裏遇到障礙。這些實際使用資料和意見有助我們確立研究方向。研究上的改進能強化產品，並降低提供產品服務的成本。ChatGPT、「ChatGPT 工作」、Codex 和 API 的需求，有助我們更準確地決定在哪些方面增加運算容量。
這種學習的規模至關重要。我們的模型目前已觸及超過十億名活躍用戶及逾二百萬家企業。隨着人們對這項技術更有信心，他們的使用程度也日益深入。註冊六個月後，用戶每天傳送的訊息約增加 50%，使用 ChatGPT 處理的工作種類亦約為原來的兩倍。「ChatGPT 工作」正在重新定義知識工作者的角色：從回答問題，邁向完成複雜的多步驟工作，也就是由「提問」走向「執行」。在 OpenAI，各部門透過 Codex 進行的智能代理式工作，現已佔每週輸出 Token 的 99.8%；包括財務團隊在內，多個團隊都已將具智能代理能力的工具視為日常工作的核心部分。
機構內部亦呈現類似趨勢。企業起初可能只在一個團隊或一項工作流程中採用。隨着質素和經濟效益提升，應用會擴展至各個職能，而 AI 亦會融入企業的營運方式。
這在需求、產品改進、效率和基礎設施規劃之間形成了寶貴的回饋循環。這不代表我們必須擁有每項資產，或自行建設每個組件。我們可以選擇自行擁有、與夥伴合作或採購，視乎哪種方式最能服務客戶並符合經濟效益。關鍵在於協調整個系統，並從各個環節汲取經驗。
AI 基礎設施必須在實際需要前數年開始規劃，但模型、產品和客戶需求的演變速度卻快得多。這種演變步伐上的差異令嚴謹規劃尤其重要。
我們根據實證作出投資決定，包括用戶及工作負載的增長、企業承諾、API 用量、使用率、收入，以及模型能力和效率方面的進展。技術和商業里程碑有助決定項目何時推進。長期合作夥伴關係匯聚大規模交付所需的融資、基礎設施和營運專業知識。
產品收入、私人資本和商業合作夥伴關係，各自發揮不同作用以支持這種增長。我們的目標並非建設最多的基礎設施。而是以可靠且有實據的需求為依據，在適當時機部署適當容量。
對我而言，關鍵問題很直接：新增容量能以多快速度投入有效運作？其使用效率有多高？它能支援哪些客戶需求？技術進步能以多快速度降低提供實用智能的成本？
這些問題將長遠抱負與營運紀律連繫起來。
我們仍處於早期階段。能力更強的系統將可完成歷時更長的項目、協調不同工具，並承擔更多從構想到最終成果之間的工作。個人和小型企業將獲得以往只有大型機構才具備的能力。企業將在營運的各個環節更廣泛地應用智能。
我們的目標不只是更多運算資源、更大型的模型或更低的 Token 價格，而是讓更多人能夠使用更實用的智能。
這正是「充裕」的意義：智能持續變得更強大、價格日益相宜，並為用戶帶來更大價值。我們會以實用智能能促成多少有用的工作、交付效率有多高，以及其效益能惠及多廣泛的人群，來衡量進展。
