OpenAI 人工智能时代的评分卡

OpenAI 推出 “Useful Intelligence per Dollar” 框架

OpenAI 已提出一种衡量 AI 在商业中的经济价值的新指标：“Useful Intelligence per Dollar。” 该框架将焦点从传统的软件采用指标（如购买的席位或活跃用户）转移到实际完成的工作量上。

根据 OpenAI 的说法，企业领袖的核心经济问题是：AI 完成的工作价值是否增长速度快于其生产成本。这需要超越每 token 成本，考虑生成成功结果的全部成本，包括人工审查、重试和返工。

衡量有用工作和任务完成

为了确定 AI 的价值，组织必须首先为特定工作流定义“完成”意味着什么，并在工作发生的系统中测量结果。只有当 token 被转化为可用工作时（例如解决客户问题、交付代码更改或审查合同）才会产生价值。

OpenAI 强调，随着模型能力的提升，它们能够处理涉及多步骤推理和工具集成的更长、更复杂的任务。例如，在金融工作流中，AI 可以自动化数据收集和对账过程，使人类团队能够专注于高层次的判断和创造力。

计算每个成功任务的全部成本

OpenAI 认为，每 token 的最低价格并不总是导致每个结果的最低成本。如果一个更强大的前沿模型能够在一次通过中获得正确结果，减少对人工审查和多次重试的需求，那么它可能更具成本效益。

GPT-5.6 模型系列

OpenAI 最近发布了 GPT-5.6 系列，提供三个层级以帮助客户优化成本与性能方程：

• Sol：旗舰模型，用于最强的推理和复杂任务。
• Terra：在性能和成本之间取得平衡的模型。
• Luna：速度最快、最实惠的模型，适用于高吞吐量工作流。

性能和效率基准

GPT-5.6 Sol（最大推理）在 Artificial Analysis Coding Agent Index 上设定了新的最先进水平。具体来说，在用于长时程工程任务的 DeepSWE v1.1 基准上，GPT-5.6 Sol 达到了 72.7% 的得分，超过了 Claude Fable 5 的 69.9%，同时保持了 36.2% 更低的估计 API 成本。

此外，GPT-5.6 Sol 达到这些结果所使用的输出 token 比另一个领先模型少了 54%。

评估可靠性和可靠性

可靠性具有直接的经济价值，因为准确且一致的结果可以减少在纠正和重复上花费的时间。OpenAI 建议跟踪三个具体结果来衡量 AI 的可靠性：

1. Ready to use：交付的结果已达到质量标准。
2. Needs correction：结果需要人工编辑或另一次尝试。
3. Needs escalation：需要人工介入以完成工作。

为了让 AI 从草稿过渡到执行行动，OpenAI 强调需要明确数据访问、系统权限和人工批准触发器的边界。这一点通过 ChatGPT Work 得到支持，ChatGPT Work 利用 ChatGPT Enterprise 的安全和合规基础，以实现更深层次的工作流集成。

扩展 AI 价值及计算的作用

OpenAI 断言，当完成的工作增长速度快于总成本且质量保持稳定或提升时，AI 投资的回报率会随着规模扩大而提升。

计算是此方程的核心驱动力。研究、推理效率、专用硬件和更智能路由的改进将转化为客户的更好结果。这会产生复合效应：更好的基础设施加速研究，研究产生更高效的模型，而这些模型又推动采用和收入，以支持对下一代计算和安全的进一步投资。