当全世界的首席财务官都在追问同一个问题时——我们从人工智能的投入里，到底换回了多少价值？——OpenAI决定亲自下场把这笔账算明白。

一、为什么Token计价失灵了？

过去十几年，软件行业习惯了用采用率衡量成败：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，这套尺子失灵了。

OpenAI CFO Sarah Friar在7月17日发布的文章中直言：“企业领导者面临的基本经济问题是：AI完成的工作，其价值增长是否快过生产它的成本增长？”

回答这个问题，光看每Token成本远远不够。

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——包括员工时间、人工审核、重试和返工——再拿它去对照这个成果创造的价值。

于是OpenAI给出了AI时代的终极记分卡——“有用智能每美元”（Useful Intelligence per Dollar） 。

二、四个问题，算清AI的ROI

这个指标要回答四件事：

第一问：AI是否在完成有意义的工作？

价值只在Token变成人们能直接使用的实际产出时才被创造出来。不是看调用了多少次，而是看干成了多少事。

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举了一个财务团队的例子：在预测评审之前，要找最新预测、把数据导进Excel、识别变化、核对标签页、重建幻灯片——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。

第二问：每一项成功任务的实际成本是多少？

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。

总成本不只是API调用费，还包括员工时间、人工审核、重试和返工。这正是“每Token最低价未必换来每结果最低成本”的原因。

第三问：人们能否信赖它的结果？

需要追踪的是：AI产出达到质量标准的频率有多高？需要多少次人工编辑？多少次需要人接手才能完成？

第四问：随着用量增长，每投入一美元是否创造了更多价值？

企业需要追踪的是，AI能否在不导致成本指数级增长的前提下，持续完成更多高质量工作。

当这四个问题同时指向正向答案时，“有用智能每美元”就在持续改善。

三、GPT-5.6就是这套逻辑的产物

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，需要深度推理时用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%。

四、行业正在用脚投票

这一框架是OpenAI对企业级AI成本反思的回应。Gartner预测2026年全球AI支出将达2.59万亿美元，同比增长47%。与此同时，一位企业高管曾在一个月内意外产生5亿美元的Claude账单。

但企业的反应并不完全如OpenAI所愿。许多企业正在将日常任务路由到最便宜的可用模型，仅将前沿模型用于最密集的任务。另一些企业在实验开源权重模型或AI路由器，自动为每项任务选择最佳的成本性能平衡。

OpenAI CFO Sarah Friar的立场很明确：“企业不应盲目涌向最便宜的AI，而应购买能产生最大价值的AI工具，在成本和性能上同时交付价值”。

“有用智能每美元”不是Token计价的替代品，而是一个更完整的决策框架。 它不否认Token成本的重要性，而是把它放进了“产出除以投入”的更大方程里。对企业来说，真正的挑战不是“选便宜的”还是“选贵的”，而是搞清楚：在具体的业务场景里，哪个模型能用最少的综合成本，产出最多的有用工作。