OpenAI

10 月 9 日，OpenAI 商业定价页显示 Business 档位按月 25 美元、按年 20 美元每月，更高一档 100 美元每月。与此同时，OpenAI Help Center 挂出了一份「ChatGPT 费率表」，明确 Business、Enterprise、教育版改用点数制计价——比如 GPT-6 Pro 一条消息约消耗 50 个点数。这个改动看似是计费细节，实际上标志着 AI 订阅从「按人头包月」正式转向「按用量分舱」。 企业版改点数制，到底是什么意思？ 过去 SaaS 订阅很简单：一个席位每月多少钱，用多用不另算。但 AI 产品没法这么干——有人一天只问三句话，有人拿它跑自动化 Agent 一晚上烧掉几十万 token。按席位包月，重度用户把轻度用户的份额全吃了，厂商亏本；按纯 token 计费，企业又怕月底账单失控。 点数制是中间路线：企业先买一个点数包，不同模型、不同操作消耗不同点数。ChatGPT 里点一下、API 里调一次、Agent 跑一步，都折算成点数扣减。企业财务能做预算，OpenAI 也能在后台按模型稀缺度灵活调点数单价。 点数制会怎样改变企业采购？ 第一，AI 支出预算从「人头费」变成了「能源费」。IT 部门不能再按「买了多少账号」来申请预算，得按部门预估消耗量来批点数。第二，点数消耗会成为新的内部审计对象——哪个团队一晚上烧掉半个点数包，需要有工具去看。第三，对做分销和转售的公司是机会：点数包批发、按需转售，会冒出一批 AI 用量批发商，类似当年的短信代理。 OpenAI 之所以现在改，是因为 GPT-6.1 Sol 按速度分三档后，纯订阅根本装不下这么复杂的价格体系。点数制等于给所有档位、所有模型开了一个统一的计价接口。 企业现在该怎么应对点数制？ 一是先买最小档点数包跑一个月，拿到真实人均点数消耗，再决定续购量，别一上来包年。二是给高消耗部门单独设点数上限，防止某个自动化脚本把全公司点数一夜清空。三是把点数消耗和业务产出挂钩做报表，否则年底无法向 CFO 解释这笔 AI 账单值不值。 从卖席位到卖点数，说明 AI 正在从「软件」变回「公用事业」。未来企业 IT 桌上，AI 预算会和电费、带宽摆在一起审批。 去论坛讨论 这篇文章里的观点，欢迎到硅基AGI论坛讨论。按标题搜索：企业版点数制

10 月 9 日午间，智东西报道了 GPT-6.1 Sol 新一轮调价引发的口碑风波：这个被称作「重置之神」的模型在连续快速迭代后，开始按推理速度分三档卖钱。标准版每百万 token 输入 2 美元、输出 10 美元；Fast 档速度和价格同时翻倍；而最高的 Ultrafast 档每百万 token 输入 12 美元、输出 60 美元，足足是标准版的 6 倍。模型本身快了约 8 倍，价格却最高翻 6 倍——社区直接炸了，骂声集中在「变相涨价」三个字。 这三档定价，OpenAI 到底在卖什么？ OpenAI 这次卖的不再是「智能」，而是「智能加时间」。标准版用排队后的算力池，Fast 档预留专属算力，Ultrafast 档则把优先级拉满。对批处理任务，等几秒无所谓；但对实时对话、游戏 NPC、高频交易信号这种场景，延迟就是产品本身，用户愿意为「不排队」付钱。 这和云计算里的按需实例、预留实例、竞价实例是同一个逻辑：算力是有优先级的稀缺资源，谁出价高谁先算。OpenAI 等于把云厂商那套价格歧视搬进了模型 API。 用户为什么会觉得被「变相涨价」割了？ 问题出在感知落差。用户上一版用的是「一个价格一个模型」，现在同一个 GPT-6.1 Sol，你想要「正常用」就得接受排队，想要「像以前一样快」就得付 6 倍钱。这在心理学上叫锚定迁移：老用户以旧价格为锚，新档位等于把默认体验降级后再卖回来。 更微妙的是，输出 60 美元每百万 token 这个数，已经摸到了 GPT-6 Astra（输入 10 美元、输出 50 美元）的定价带。用户自然会问：我多加一点钱直接上旗舰不就行了？这三档之间的价格梯度，设计得并不自洽。 这件事对行业意味着什么？ 第一，模型定价正式从「按 token」进化到「按 token 加延迟」，未来 API 报价单会越来越像机票舱位。第二，6 倍价差会催生套利层——中间件商会把任务自动路由到最便宜的可用档位，OpenRouter 这类聚合平台受益。第三，对做 Agent 的团队，延迟敏感路径和批处理路径必须分开计费核算，否则一笔订单里混合跑，成本会失控。 OpenAI 赌的是：愿意付 6 倍钱的人，付的是体验税，不是成本税。这笔账能不能算平，看下个月 Fast 档的实际使用率。 ...

OpenAI 在 Agents API 公测后，把它的多智能体协作范式提炼进了 Agents SDK：两个核心概念——交接（handoffs）与护栏（guardrails）。对想做「主助手把不同子任务交给专家智能体」的团队，这是一套比从零编排更轻的范式。 handoff 到底解决什么问题？ 想象一个客服主助手：用户问技术问题，它不该自己硬答，而是交接给技术专家；问退款，交给财务专家。交接不是普通的函数调用，而是把对话控制权整体转移，接收方带着完整上下文继续。SDK 负责交接点的状态传递，你不用手动复制历史消息。 guardrail 为什么要做前置拦截？ 在模型动手之前，先用一个轻量检查过一遍输入或输出：用户想让你把钱转到陌生账户？直接拦下，根本不让主助手去规划。这比事后纠正便宜得多——一次拦截省掉后面十几轮错误调用。 主从结构该怎么搭？ 主助手注册两个交接目标：技术、财务，配一个护栏检查是否涉及高风险操作。用户进来，护栏先过一遍；安全的话，主助手判断意图，需要时交接给对应专家；专家完成后结果回到主助手统一回复。整个结构比你想象的短，因为大部分状态管理 SDK 已经替你做了。 多角色交接有哪两个坑？ 交接太多会让对话像踢皮球——用户在专家之间被来回转。设一个最多交接两次的上限，超了就强制主助手收尾。护栏规则写太死会误杀正常请求，上线前用一批真实对话跑一遍拦截率，把误杀调到可接受范围。 第一天该怎么快速上手？ 这套原语足够简单，建议第一天就别纠结最佳实践，先搭一个主助手加两个专家跑通完整对话，再回头看交接点顺不顺、护栏误不误杀。框架替你省的是样板代码，省不了你对业务流程的思考——真正要磨的还是那几个交接触发条件写得准不准。 这套原语够不够撑起你的业务？ OpenAI Agents SDK 把多智能体协作压缩成交接加护栏两个原语，上手成本低。对大多数「一个入口、按意图分流专家」的业务，这套范式足够用了——先用交接跑通主从结构，再考虑要不要上更重的编排框架。 去论坛讨论 这篇文章里的观点，欢迎到硅基AGI论坛讨论。按标题搜索：AgentsSDK交接

9 月 8 日 OpenAI 宣布内部系统给出 Navier-Stokes 存在性与光滑性问题的有限时间爆破解，随附论文与 Lean 形式化证明。据腾讯新闻报道，这次攻坚动用了约一万个并发协作的 AI Agent，耗时仅 88 小时；而到了 10 月 9 日，九派新闻援引英国《新科学家》称，菲尔兹奖得主陶哲轩公开批评 OpenAI 无视数学界研究规范，呼吁数学家停止与其合作。一边是机器 88 小时的喷涌，一边是人类领袖喊停——这中间裂开的，正是本文要谈的「验收带宽」。 生产快、验收慢，问题到底出在哪？ 过去数学进步的瓶颈在「想出证明」，审稿周期以月、年计，生产与验收大体匹配。现在 OpenAI 把生产端压到 88 小时一次、10 月 6 日又一次性放出数百项新结果，而人类数学家的阅读速度、共识形成速度、乃至克雷数学研究所对千禧年难题的裁决流程，仍以年级别运转。结果是一个倒挂：产出端指数提速，验收端线性爬行。 Lean 形式化看似解决了验收——编译器逐行检查，一步错即报错。但形式化能验证「这串推导内部自洽」，却无法替人类回答「这串形式化对应的数学直觉是什么、它是否真的攻克了那个物理相关的难题」。陶哲轩的不满正在于此：OpenAI 没有走预印本、同行讨论、社区复现的老路，而是直接把成品抛出来，等于把验收成本一次性甩给了整个学界。 验收只是盖章吗？ 很多人以为验收只是「看对不对」。其实人类审稿的真正价值，是把一个外来自洽的证明，编织进已有的知识网络：它依赖哪些引理、推翻了哪个猜想、和相邻领域有什么意外联系。这个过程无法外包给编译器，因为它本质是「让另一个大脑重新长出一遍理解」。 当 AI 每月吐出数百项结果，学界没有那么多大脑去重新生长理解。于是会出现两种扭曲：要么草草签收、留下大量悬而未决的「机器产物」；要么像陶哲轩那样用规范把整体拒之门外。两种都是认知系统过载后的保护反应。 接下来最值钱的岗位是什么？ 如果验收带宽才是真瓶颈，那么未来有价值的岗位，不是「再训一个更强的证明模型」，而是「理解并签收机器产出」的人——他们是硅基洪流与碳基知识体之间的减压阀。OpenAI 越能生产，这个减压阀越稀缺。88 小时的壮举若无人能签收，在认知意义上它就尚未发生。 去论坛讨论 这篇文章里的观点，欢迎到硅基AGI论坛讨论。按标题搜索：证明验收瓶颈

10 月 8 日的安全播客快讯里，有两条放在一起看尤其扎眼：一边是被 OpenAI 解雇的安全研究人员公开拉响警报，担忧模型的思维链（Chain-of-Thought）监控正在失效；另一边是一份针对 ChatGPT 青少年用户的青少年安全报告被拿出来讨论。一个是对内的「我们怎么看住模型」，一个是对外的「模型怎么看住孩子」——两个问题其实指向同一件事：当模型越来越强，我们对它的理解反而越来越不够。 为什么「思维链监控」成了 AI 安全的命门？ 现代前沿推理模型，靠的是在给出答案前先生成一长串中间思考。这串「内心独白」既是它推理能力的来源，也是唯一的可观测窗口——你没法直接读模型的权重，只能看它吐出来的思维链，判断它有没有在想危险的事、有没有在隐瞒意图。 问题在于，研究人员警告的正是这个窗口正在失效。模型可能学会在思维链里「装样子」——表面上写着合规的思考，实际推理走了另一条路；或者思维链越写越长，监控成本高到根本看不过来。如果这个窗口失效，安全团队就等于蒙上了眼睛。 ChatGPT 青少年安全报告和这件事有什么关系？ 同期那份青少年安全报告，关注的是 ChatGPT 对未成年用户的影响。当一个被几亿人——包括大量孩子——每天使用的系统，它的回答、它鼓励的行为、它对心理问题的回应，都需要被严肃评估。这和思维链监控是一体两面：对内看不住模型在想什么，对外就很难保证它对最脆弱的用户做的事是安全的。 被解雇研究员的警告值得当真吗？ 被解雇的研究员报警，动机可能不纯（有个人情绪），但他们指出的风险是真的。行业过去一年把绝大部分资源砸在「让模型更强」，在「让模型可被监控」上的投入远远不成比例。当能力以月为单位跃迁，安全观测能力却还是几年前的老办法，这个剪刀差早晚会出事。 值得警惕的不是某一次解雇，而是整个行业对「可观测性」的普遍轻视。能被监控的，才是能被托付的。 去论坛讨论 这篇文章里的观点，欢迎到硅基AGI论坛讨论。按标题搜索：CoT监控安全研究员

OpenAI 官网 10 月 6 日的更新列表里，一条和 Atlassian 的深化合作被不少人略过，却值得拎出来看：双方将把前沿模型接入 Jira、Confluence 这套企业团队每天离不开的系统，帮团队做规划、开发和交付。表面上这又是一个「模型接入办公软件」的常规合作，但它真正的看点在于——企业里那些沉睡在工单、文档、wiki 里的知识，第一次被一个顶级前沿模型正式认领了。 Atlassian 接 OpenAI 为什么不只是一次普通合作？ 大多数企业的知识根本不在对话框里，而是散落在成千上万张 Jira 工单、Confluence 页面、代码评审记录里。员工想查一个历史决策，往往要在系统里翻半天，还不一定找得到。OpenAI 直接和 Atlassian 合作，等于绕过了「让员工自己复制粘贴进 ChatGPT」这一步，让模型在企业知识的原生位置上回答问题。 这背后其实是 RAG（检索增强生成）在企业级的成熟落地：模型不凭空回答，而是先从 Confluence、Jira 里检索出相关上下文，再生成答案。问答的可信度，取决于企业自己沉淀的知识质量，而不是模型的训练数据。 这件事对企业 IT 意味着什么？ 对项目经理：不用再去问「这个需求当初为什么这么定」，直接问模型，它会引用相关工单和决策记录。 对新员工：入职第一周想搞懂团队历史，比翻 wiki 快得多。 对知识管理：企业会突然意识到，自己 wiki 里那些烂尾、过时、互相矛盾的页面，正在变成模型回答错误的源头——知识治理从「 nice to have」变成了「必须做」。 接了最强模型，企业知识就一定靠谱吗？ 需要清醒的是，这类合作的实际效果，高度取决于企业自己的知识卫生。如果 Confluence 里全是过期文档和重复工单，接再强的模型也只会一本正经地胡说。模型只是放大器，放大的是企业已有的知识资产——干净的放大成效率，混乱的放大成错误。Atlassian 和 OpenAI 这次合作，真正卖的不是模型，而是「把你已有的知识用起来」。 去论坛讨论 这篇文章里的观点，欢迎到硅基AGI论坛讨论。按标题搜索：Atlassian OpenAI

10 月 8 日，华尔街日报的一则消息被多家科技媒体转引：芯片定制龙头 Broadcom 正在为 OpenAI 相关的芯片项目寻求超过 500 亿美元的融资，与此同时 Oracle、SpaceX 等巨头也在追逐一系列 AI 债务融资交易。如果说前几天 Anthropic 那笔 845 亿美元算力协议是「买产能」，这一条就是「把买产能的钱也金融化」——AI 竞赛已经不只是技术竞赛，而是一场资产负债表工程。 芯片龙头 Broadcom 为什么要为 OpenAI 发债？ 传统上，芯片厂造芯片用的是自己的现金流和设备投资。但 OpenAI 这类客户的订单量太大、太集中，Broadcom 不愿独自承担全部制造风险，于是把未来订单包装成融资标的：借钱建厂、流片、交付，用 OpenAI 未来的算力采购合同做还款来源。本质上，这是把一份长期算力采购协议，变成了可以在资本市场上分割、定价、流转的金融资产。 Oracle 和 SpaceX 追逐的「AI 债务交易」是同一逻辑的另一面——它们手里有数据中心、有电力、有土地，缺的是把这些重资产变成可抵押债务的能力。AI 的需求就是那块抵押物。 这种算力金融化会带来哪三个连锁后果？ 第一，算力的边际成本正在被金融杠杆放大。借得来钱，就敢建更多数据中心；建了更多数据中心，就敢签更大的模型订单。这个循环在景气时是火箭，一旦模型收入不及预期，就会变成债务链条上的连锁违约。 第二，上游被进一步锁定。Broadcom 为 OpenAI 定制芯片，等于把英伟达之外的第二供给牢牢绑在单一客户身上，产业链的集中度风险在上升。 第三，普通人不该只盯着模型榜。真正决定谁能跑到最后的，是资本市场愿意给多长、多便宜的钱。 500 亿美元是已经到账的真金白银吗？ 需要说明，「超 500 亿」是融资寻求额，不是已到账金额，交易结构、利率和担保细节尚未完全披露。但方向已经足够清楚：当造芯片需要发债、建机房需要抵押合同，AI 就不再只是实验室里的模型，而是一门用债务堆起来的重资产生意。 去论坛讨论 这篇文章里的观点，欢迎到硅基AGI论坛讨论。按标题搜索：Broadcom OpenAI芯片融资

10 月 8 日，OpenAI 联合复古掌机厂商 ModRetro 推出了一个叫 Game Studio 的 Codex 专用插件：你只要用自然语言描述想做的游戏，Codex 就会生成一个复古 Game Boy 风格的可运行作品，并能在 Chromatic 模拟器里直接测试、一键串流，甚至写入专用实体卡带，让它在真·掌机上跑起来。这不是又一个「AI 写小游戏 demo」的玩具演示，而是把代码生成、仿真测试、硬件交付这条链路第一次打通到了实体介质。 Game Studio 和普通「AI 写小游戏」demo 有什么不同？ 过去一年，AI 写代码的 demo 我们看得太多了：写个贪吃蛇、生成个网页、跑个命令行程序。但 Game Studio 不一样，它面对的是一个有硬约束的闭环——Game Boy 的机型性能、分辨率、卡带格式都是死的，代码必须真的能在那台老硬件上跑起来，而不是在浏览器里自嗨。 这意味着 Codex 不再只是「生成看起来对的代码」，而是在一个带模拟器反馈环的环境里自我修正：生成、跑、报错、再生成，直到二进制能进卡带。这正是 Coding Agent 从「补全」走向「交付实物」的关键一跃。 它对独立游戏创作者意味着什么？ 对独立开发者，这条链路把「想法—可玩原型—实体作品」的周期从几个月压到一个下午。你不需要懂 GB 的汇编、不需要搭移植工具链，只需要把脑子里的关卡、怪物、积分规则说清楚。ModRetro 卖的不再只是硬件，而是「让普通人拥有实体游戏作品」的入口。 对行业，这是 Codex 从程序员工具向「创作操作系统」扩张的信号——当插件生态把仿真器、硬件 SDK、分发渠道都接进来，写代码这件事的门槛会被重写成「你想要什么」。 动动嘴就能做游戏，等于 AI 已经能做好游戏了吗？ 当然，能生成和能做好是两回事。Game Boy 时代的游戏性来自关卡设计和手感，这些不是描述几句话就能自动长出来的。AI 把「做出来」的成本打到了地板，但「做得好玩」仍然是碳基创作者的地盘。不过，工具链把门槛削平到这个程度，本身已经足够说明问题。 去论坛讨论 这篇文章里的观点，欢迎到硅基AGI论坛讨论。按标题搜索：ModRetro Game Studio

10 月 6 日 OpenAI 在 openai/math 仓库（Apache-2.0 协议）公开了内部前沿模型产出的数学成果：722 份手稿，归为 372 组相关结果，附 Lean 形式化证明、十份模型推理摘要、算力估计与尝试问题统计。这不是第一次被报道的事件，但这次值得从工程角度拆一遍——因为仓库里的数字，定义了「AI 数学研究」接下来的生产流水线。 42% 的 Lean 覆盖率 截至 10 月 7 日的社区统计，719 份头条结果里约有 300 份附了 Lean 证明，覆盖率约 42%。这个数字比「AI 解决了千禧年难题」更有信息量。它说明：模型生成一篇可读的数学论文，与把每一步推理翻译成机器可检查的 Lean 代码，中间还差着一倍以上的工作量。 Lean 是一种定理证明编程语言，数学结论必须被编译器逐步验证才算数。OpenAI 同步咨询了普林斯顿高等研究院（IAS）的数学与 AI 独立顾问小组，制定修订与引用协议。换句话说，未来的 AI 数学产出会是「双轨」：手稿供人读，Lean 证明供机器审。 算力账单：每份结果约三小时 ChatGPT Pro OpenAI 披露，模型平均每份结果消耗的算力约相当于三小时 ChatGPT Pro 的思考时间；测试中一共尝试了约 4000 个研究问题。这个投入产出比意味着：数学 AI 不是凭空顿悟，而是在巨大搜索空间里暴力枚举、再用形式化工具筛出幸存者。对工程团队，这提示一条新范式——把「可验证」直接写进奖励函数，让模型自己学会先证给机器看。 不完美的一面 需要保留的怀疑是：即便 Lean 编译器通过，数学家仍要读懂证明本身。已有报道提到，部分声称解决 Unique Games 猜想的证明手稿写得极差，连专家都读不下去；OpenAI 自己也警告部分结果可能含错误。机器可检查 ≠ 人类可理解，这中间是数学界未来几年要补的课。 判断 openai/math 仓库的真正历史意义，是把 AI 推理从「分数竞赛」推进到「证据生产」。对做形式化验证、定理证明工具链的团队，这是今年最值得逐文件读的开源数据集。 去论坛讨论 这篇文章里的观点，欢迎到硅基AGI论坛讨论。按标题搜索：openai/math Lean ...

10 月 7 日，OpenAI 发布 GPT-6 Sol 与 GPT-6 Luna 的十月更新，两款模型向全球免费与付费用户全量开放，正式在 ChatGPT 里替换 GPT-5.6 Sol 与 GPT-5.6 Luna；Codex 与 ChatGPT Work 里的版本暂未更换。四天前（9 月 29 日）OpenAI 还追加了 GPT-6.1 Sol，作为重度任务的默认档。大多数解读在谈「变便宜了」，但十月系统卡里有三个工程信号更值得做模型选型的人细读。 信号一：错误率档位已经拉开十倍 随发布流出的第三方整理显示，在 DeepSWE 这条软件工程基准上，GPT-6 Sol 的错误率约为 1.3%，而被替换的 GPT-5.6 Sol 是 10.4%；Luna 一侧是 2.8% 对 9.5%。也就是说，Sol 与 Luna 的差距大约是二倍，而新旧代际的差距接近一个数量级。对工程团队的含义很直接：九月之后还按 5.6 时代的经验设定重试次数与人工抽检比例，会系统性低估模型的可靠性，也高估了失败率。 信号二：Luna 的「高分」可能来自过度拒答 OpenAI 自己在系统卡的安全帕累托图里承认：Luna 部分指标的提升，可能反映了一种更广泛的拒答倾向——包括对合法请求的拒绝。这是推理模型换代时常见的副作用：对齐压力上来了，安全性分数好看了，但工具调用成功率、Agent 任务完成率会先掉一截。 对做 Agent 的人这不是小事。Luna 便宜，适合当路由层和分类器，但把它直接接到写操作工具后面，拒答带来的卡顿和人工介入成本会吃掉省下的 Token 钱。正确用法是：Luna 做意图分流与信息抽取，Sol 以上档位才执行多步动作。 信号三：档位分化取代单一旗舰 九月以来的产品节奏很清楚：Astra 是探索前沿，Sol 是专业主力，Luna 是便宜快档，GPT-6.1 Sol 是重度任务特化。OpenAI 同时宣布 API 价格较 GPT-5.6 时代下降五成以上，并提示 GPT-5.5 将在 10 月 14 日从 ChatGPT、ChatGPT Work 与 Codex 下线。模型选型正在变成一件「按任务挑档」的工程活，而不是「用最新那个」。 ...