人工智慧基礎設施的價值不在於其規模龐大，而在於它所實現的可能性：更強大的智慧、更廣泛的普及，以及更低的成本。這就是我對「豐饒」的理解，它不僅深植於我們的使命——確保通用人工智慧造福全人類——也驅動著我們的商業經濟引擎。

當有用智慧的成本下降時，更多工作變得值得投入。當模型能力更強大時，這些工作能創造更多價值。隨著採用率的增長，我們獲得了收入、真實世界的回饋以及對需求的洞察，得以持續投資於下一代的研究和基礎設施。更優異的智慧推動更廣泛的採用，更廣泛的採用支持更多投資，而更多投資則改進智慧和效率。這就是我們正在建立的循環。

我們最近的價格公告展示了這個循環如何迅速造福客戶。昨天，我們將 GPT-5.6 Luna 的價格降低了 80%，GPT-5.6 Terra 降低了 20%。Luna 現在每百萬輸入 token 成本為 0.20 美元，每百萬輸出 token 為 1.20 美元；Terra 分別為 2 美元和 12 美元。

對於 GPT-5.6 Sol，快速模式能以兩倍的價格提供高達 2.5 倍的處理速度，而智慧能力不變。

這些不只是價格表的變動，它們擴展了實際可行的工作範圍，並讓客戶能更靈活地平衡智慧、速度、可靠性和成本。正確的問題不是哪個模型適合哪個任務，而是所需結果需要多少智慧、智慧需要多快提供，以及為此智慧應付出多少成本。這種平衡在同一個工作流程中可能會多次改變。

客戶購買 token 並非為了 token 本身，他們希望解決支援問題、交付軟體、審閱合約或回答科學問題。正確的衡量標準是成功結果的成本，包括達成目標所需的時間、重試次數、監督和錯誤。

一個能正確高效完成工作的更強大模型，最終可能比一個需要反覆嘗試或大量人工干預的廉價模型更經濟。反之，一個低成本模型若能達到相同的品質標準，則能大幅擴大其應用範圍。機會在於以合適的價格應用最大化的有用智慧。

提供這種價值不僅需要建立更多的資料中心，更需要讓每個運算單元都更具生產力。我們最近的工程工作展示了這一點。

透過與我們的技術團隊合作，GPT-5.6 Sol 協助優化了用於服務模型的生產軟體，將端到端服務成本降低了 20%。它還幫助改進了推測性解碼（speculative decoding），將 token 生成效率提高了 15% 以上。

同樣重要的是，效率不僅由模型本身決定，其周圍的系統也至關重要。更好的路由能保持硬體的高效運作，更智慧的上下文管理能防止代理重複工作，而更強大的工具和產品設計則能減少完成任務所需的步驟。

在最近的一項基準分析中，對保留推理（retained reasoning）和上下文管理的改進，將 GPT-5.6 Sol 在公開 ARC-AGI-3 任務集上的得分從 13.3% 提高到 38.3%，同時減少了六倍的輸出 token。模型本身沒有改變，改變的是其周圍的系統。

這些收益是複合式的。更強大的模型幫助我們的團隊發現新的效率，這些效率降低了服務客戶的成本，並擴大了我們能以相同基礎設施支持的工作範圍。這反過來又讓下一代智慧更容易取得。

跨越基礎設施、模型、平台和產品進行建構的優勢，不僅在於我們參與了每個層面，更在於每個層面都能讓其他層面變得更好。

實際的產品使用向我們展示了客戶在哪裡找到價值，又在哪裡遇到摩擦。這些回饋有助於塑造我們的研究方向。研究的改進強化了我們的產品並降低了服務成本。ChatGPT、ChatGPT Work、Codex 和 API 的需求幫助我們做出更好的容量增長決策。

這種學習的規模至關重要。我們的模型現在已觸及超過十億活躍用戶和兩百萬家企業。隨著人們對這項技術信心的增長，他們會更深入地使用它。註冊六個月後，人們每天發送的訊息量約增加 50%，並將 ChatGPT 用於約兩倍的工作類型。ChatGPT Work 正在改變知識工作者的意義，從回答問題轉變為完成複雜的多步驟工作——從「詢問」到「執行」。

在 OpenAI 內部，透過 Codex 進行的代理式工作（agentic work）現在佔每週輸出 token 的 99.8%，其中金融團隊已將代理式工具作為其主要工作方式的一部分。

在組織內部，模式也類似。一家公司可能從一個團隊或一個工作流程開始。隨著品質和經濟效益的提升，採用範圍會擴展到各個職能部門，人工智慧成為企業營運的一部分。

這創造了一個寶貴的需求、產品改進、效率和基礎設施規劃之間的良性循環。這不要求我們擁有所有資產或自行建構每個組件。我們可以根據最能服務客戶和最具經濟效益的原則，選擇擁有、合作或購買。重要的是協調整個系統並從中學習。

人工智慧基礎設施必須在需求出現前數年就規劃好，而模型、產品和客戶需求則演變得更快。這種時間上的不匹配使得紀律至關重要。

我們根據證據做出投資決策：用戶和工作負載增長、企業承諾、API 消費、利用率、收入以及模型能力和效率的進展。技術和商業里程碑有助於確定專案何時推進。長期合作夥伴關係則匯集了大規模交付所需的資金、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在支持這種增長中扮演著不同的角色。目標不是建立最多的基礎設施，而是在正確的時間，針對可信的需求，部署正確的容量。

對我而言，關鍵問題很直接：新容量多快能產生效益？它被多高效地利用？它支持了哪些客戶需求？技術進步能多快降低提供有用智慧的成本？這些問題將長期抱負與營運紀律連結起來。

我們仍處於早期階段。更強大的系統將能完成更長的專案、協調多種工具，並處理從構思到最終成果之間更多的環節。個人和小型企業將獲得過去只有大型組織才有的能力。企業將更廣泛地在其營運中應用智慧。

我們的目標不僅僅是更多的運算能力、更大的模型或更低的 token 價格，而是讓更多有用的智慧觸手可及。這就是「豐饒」的意義：智慧不斷變得更強大、更實惠，並對使用者更有價值。我們將透過它實現多少有用的工作、我們交付的效率如何，以及其效益能多廣泛地分享來衡量我們的進展。