OpenAI AI時代的評分卡

OpenAI 推出「每美元有用智慧」框架

OpenAI 已提出一項衡量 AI 在商業中的經濟價值的新指標：「每美元有用智慧。」此框架將焦點從傳統的軟體採用指標（例如購買的座位數或活躍使用者）轉移到實際完成的工作量上。

根據 OpenAI，商業領導者的核心經濟問題是 AI 完成的工作價值是否增長速度快於其生產成本。這需要超越每 token 成本，考慮產生成功結果的完整成本，包括人工審查、重試和返工。

衡量有用工作與任務完成

為了決定 AI 的價值，組織必須先為特定工作流程定義「完成」的含義，並在工作發生的系統中衡量結果。只有當 token 被轉化為可用工作時才會創造價值，例如解決客戶問題、發送程式碼變更變更換或審查合約。

OpenAI 強調，隨著模型變得更強大，它們能夠處理涉及多步驟推理和工具整合的更長、更複雜的任務。例如，在金融工作流程中，AI 可以自動化數據收集與對帳流程，使人類團隊能夠專注於高層次的判斷與創造。

計算每項成功任務的完整成本

OpenAI 認為，每 token 的最低價格不一定會帶來最低的每項結果成本。如果一個更強大的前沿模型能夠在一次傳遞中獲得正確結果，則可能更具成本效益，因為這減少了對人工審查和多次重試的需求。

GPT-5.6 模型系列

• Sol: 用於最強推理和複雜任務的旗艦模型。
• Terra: 在效能與成本間取得平衡的模型。
• Luna: 最快且最實惠的模型，適用於高吞吐量工作流程。

效能與效率基準

GPT-5.6 Sol（最大推理）在 Artificial Analysis Coding Agent Index 上設定了新的最先進水準。具體來說，在用於長期工程任務的 DeepSWE v1.1 基準上，GPT-5.6 Sol 獲得了 72.7% 的分數，超越了 Claude Fable 5 的 69.9%，同時保持了 36.2% 更低的估計 API 成本。

此外，GPT-5.6 Sol 相比另一個領先模型使用了 54% 更少的輸出 token 來達到這些結果。

評估可靠性與可信度

可靠性具有直接的經濟價值，因為準確且一致的結果可以減少在糾正和重複上花費的時間。OpenAI 建議追蹤三個具體結果來衡量 AI 的可靠性：

1. Ready to use：結果在交付時已達到品質標準。
2. Needs correction：結果需要人工編輯或另一次嘗試。
3. Needs escalation：需要人類介入並完成工作。

為了讓 AI 從草擬階段進入執行階段，OpenAI 強調需要針對資料存取、系統權限和人類批准觸發點設定明確的界限。這由 ChatGPT Work 支持，它利用 ChatGPT Enterprise 的安全與合規基礎，以允許更深層的工作流程整合。

擴展 AI 價值與運算的角色

OpenAI 斷言，當完成的工作增長速度快於總成本且品質保持穩定或提升時，AI 投資的回報率會隨規模擴大而提升。

運算是此方程式的核心驅動力。研究、推理效率、專用硬體和更智慧的路由的改進將轉化為客戶的更好結果。這會產生複利效應：更好的基礎設施加速研究，研究產出更高效的模型，進而推動採用和收入，以支持對下一代運算與安全的進一步投資。