在第四届年度开发者大会上，OpenAI 展示了点、其个人代理、新的工作工具和更便宜的模型。虽然这些进步扩大了用户可以委托给人工智能的范围，但它们也提出了一个更加紧迫的经济问题：如何为随着产品功能而增加的计算消耗提供资金？订阅的重组通过进一步控制数量和速度收费提供了第一个响应。
9 月 29 日，OpenAI 在旧金山为开发者举办了第四次大型活动。据该组织称，已发布二十多项公告，以进一步在日常工作中安装其模型：软件开发、协作、互联应用程序和个人代理。通过 Dots，该公司为这一雄心壮志提供了具体的形式；用户可以将任务委托给代理，该代理在两次对话之间继续执行该任务，包括在计算机关闭时。
这些代理由 GPT-6 Astra 提供支持，拥有自己的云计算机和浏览器。他们可以搜索信息、准备文档或编写代码，然后在决策需要他们干预时返回给用户。因此，由操作员发起的运动和在线任务的自动化呈现出另一个层面。
这种连续性有一个对应物，每个任务都可以触发一系列操作，用户只能看到结果。随着 OpenAI 减少启动和跟踪作业所需的人力时间，单个订阅者消耗的计算量也会增加。 DevDay新功能的背后，是新的商业网格组织了这种消费的管理。
已经跟上包裹的发票
早在 2025 年 1 月，ChatGPT Pro 推出几周后，Sam Altman 就宣称 OpenAI 在这项订阅上正在亏损。他在 X 上的 The Verge 评论中解释说，客户使用它的次数远远超出了预期。因此，高价格不足以保证集约使用的盈利能力。
此后报告的财务数据衡量了这种压力，OpenAI 告诉投资者，其推理费用在 2025 年翻了两番。其调整后的毛利率将从 2024 年的 40% 降至 2025 年的 33%。
模型的继承也伴随着产生响应方式的变化。对于 o1，OpenAI 解释说，从 2024 年开始，当模型在使用时有更多的计算需要推理时，性能就会提高。代理通过增加以下步骤来扩展此逻辑：查阅源、解释文档、执行程序、检查结果并在必要时重新开始。
在软件开发示例中，请求修复可能会导致读取多个文件、修改代码、运行测试和进行新的修复。一条简短的指令可以触发一项漫长的工作。月度计划吸收了这种变化，直到其局限性变得明显。
更高效的模型，更雄心勃勃的用途
这一发展并不意味着每一代新产品要花费更多成本才能完成完全相同的任务。效率提升可能非常显着； OpenAI 还强调其新模型能够在某些评估中以更少的资源获得更好的结果。
但用户会根据产品的可能性来调整他的要求。摘要变成了记录研究，代码协助变成了功能的开发，一次性操作变成了定期监控。因此，每个任务成本的降低可以通过任务数量及其复杂性的增加来抵消。
点通过允许交易所之间的工作继续进行来强化这种动态。它们的永久可用性并不意味着它们的计算不会中断，但它确实增加了启动、恢复和扩展任务的机会。
对于 OpenAI 来说，挑战在于维持清晰的订阅，同时控制可变费用。
Pro 200 保持原价，但降低了承诺
最显着的变化涉及历史订阅者。因此，Codex 和 ChatGPT Work 中 Pro 200 的分配从 Plus 的 20 倍增加到 10 倍。在 ChatGPT 中，GPT-6 Pro 的消息上限从每周 200 条降至 100 条。 OpenAI 会将旧的合格订阅者分配维持到 2026 年 10 月 29 日，然后再切换到新制度。
该系列中的顶级产品是 Pro 500，其宣布的配置是 Plus 的 25 倍，并且可以访问 Ultrafast。美国的 Pro 200 价格约为每月 176 欧元，Pro 500 的价格约为每月 440 欧元。这些金额不构成法国的销售价格。
因此，该范围的前顶部变为中间水平。 OpenAI 要求希望拥有更多容量的用户做出更高的贡献，同时减少历史包的资金投入。这种重组使订阅更接近于统一费率和使用定价相结合的模式。
该组织正式通过提高模型效率来证明减少分配的合理性。这个论点值得在任务规模上进行评估，因为尽管如果每个操作消耗较少，减少分配可能就足够了，但如果用户继续复杂的工作或增加任务，它就会变得更具限制性。
速度成为需要仲裁的费用
超快使得这种仲裁特别明显。 OpenAI 在 Codex 中宣布每秒最多生成 300 个令牌，生成速度比 GPT-6 Astra 标准模式快八倍。作为回报，文档指定此模式消耗所包含的分配的速度快八倍。对于购买的积分，计费乘数为六。
这些数字与不同的机制相关：生成速度、套餐计费和信用计费。
Sol，或为正确的任务保留权力的兴趣
GPT-6.1 Sol 的推出揭示了这一政策的另一面。 OpenAI 展示的模型在多项软件开发、计算机使用和专业工作评估方面与 Astra 非常接近，对于未缓存的传入和传出令牌，标准 API 速率低五倍。
这种价格差异并不能揭示实验室的内部成本，也不能保证所有专业的性能相同。尽管如此，它还是为更经济的用途组织提供了基础：将当前的运营委托给更便宜的模型，并为带来可衡量收益的阶段保留最强大的功能。
例如，处理链可以使用第一个模型来提取信息并准备文档，然后使用另一个模型来检查歧义或解决困难。兴趣取决于结果，因为较便宜的模型会增加错误、返工和人工验证的数量，最终会增加费用。
因此，模型的选择成为生产决策。这也是 Stripe 正在开发的 AI 路由和计费基础设施面临的挑战：确定投入哪些资源以获得给定的质量水平。对于用户来说，部分仲裁可以逐渐由产品本身来解决。
更多入口门，共同配置
与此同时，OpenAI正在扩大可以消耗这些能力的地方。将第三方应用程序集成到 ChatGPT 后，该组织允许通过“使用 ChatGPT 登录”来调动来自 16 个已宣布合作伙伴的分配，其中包括 Notion 和 Devin de Cognition。符合资格的用途将从计划限额中扣除。
Dots 也存在同样的区别：与代理的对话不计入 ChatGPT 限制，但它在 Work 和 Codex 中启动的任务会消耗相应的分配。推出时，Dots for Pro 优惠在欧洲经济区、英国和瑞士仍然不可用
对于公司来说，这种发展要求我们衡量成功任务的成本，包括返工和控制。经过验证的分析、可用的建议或已接受的修正的费用是多少？预计特工们的下一个进步还将是知道使用什么力量、何时寻求帮助以及何时停止。委派工作将越来越需要为其分配预算。
