# OpenAI 发了一篇战略说明，讲怎么靠降价、提效和全栈联动把“智能”做成大宗商品

> 原标题：Building abundant intelligence

- 来源：OpenAI News
- 发布时间：2026-07-31T15:00:00.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/47970
- 原文：https://openai.com/index/building-abundant-intelligence

## 摘要

OpenAI 在 7 月 31 号发了篇博客，没发新模型，核心是解释他们的“充裕智能”打法。逻辑很简单：模型越强越便宜，用的人就越多；用的人越多，赚的钱和拿到的反馈就越多，就能继续砸钱搞研发和基建。他们给了几个具体数字：GPT-5.6 Luna 的输入/输出价格砍了 80%，降到每百万 token 0.2 美元和 1.2 美元；Terra 降了 20%...

## 推荐理由

OpenAI 官方博客用具体定价数据（GPT-5.6 Luna 降价 80%）把“充裕智能”战略讲清楚了。不是产品发布，所以重要性到不了 85，但作为战略信号值得放在 featured 位置。

## 锐评

这篇博客不是产品发布，是 OpenAI 在解释自己的商业逻辑：模型更强更便宜，用的人就多，赚的钱和反馈就多，再砸回研发和基建。他们给了几个具体数字：GPT-5.6 Luna 输入/输出价格降到每百万 token 0.2 和 1.2 美元，降幅 80%；Terra 降了 20%。Sol 的快速模式速度是标准的 2.5 倍，价格也是 2 倍，智力不变。工程上，Sol 帮忙把端到端服务成本压低了 20%，推测解码效率提升了超过 15%。在 ARC-AGI-3 基准上，Sol 的得分从 13.3% 拉到 38.3%，输出 token 用量反而少了 6 倍。产品数据也亮了出来：ChatGPT 月活超 10 亿，200 万企业用户，用户注册半年后日均消息量涨约 50%，使用场景翻倍。Codex 驱动的 agent 工作流已经占了 OpenAI 每周输出 token 的 99.8%。

这些数字看着漂亮，但得打个折。所有数据都是 OpenAI 单方面披露，没有第三方验证。ARC-AGI-3 得分提升和 token 用量减少的关系，正文没解释清楚是模型本身推理强了，还是靠工程技巧省出来的。另外，99.8% 的 token 来自 Codex agent 工作流，说明普通用户聊天可能只占极小比例，这个结构风险没提。博客也没说 Luna 降价 80% 后毛利率还剩多少，是主动让利还是被迫跟牌。整体像一份给投资人和大客户看的成绩单，信息有料，但缺独立视角和成本端的透明。