别再数Token了：OpenAI甩出AI时代记分卡，用”有用智能每美元”给CFO算清ROI

一句话看懂：OpenAI 在 7 月 17 日发布长文，正式提出以“有用智能每美元”（Useful Intelligence per Dollar）作为衡量 AI 投资回报率的新指标，取代传统的每 token 成本。此举直指企业 CFO 最关心的核心问题：每一美元 AI 投入究竟创造了多少实际价值。

事件核心：发生了什么

OpenAI 在官方文章中系统阐述了当前 AI 成本核算的困境：只看每 token 单价无法反映真实效果——便宜的模型可能因需要更多重试、人工审核而总成本更高，昂贵的模型一次正确完成反而更划算。为此，OpenAI 推出“有用智能每美元”计分卡，从四个维度评估：AI 是否完成了有意义的工作？每次成功任务成本多少？结果是否可信？单位投入的价值是否随规模增长而提高？

作为例证，OpenAI 同期发布的 GPT-5.6 系列（分为 Sol、Terra、Luna 三档）正是按此逻辑设计。在 Artificial Analysis 编程智能指数中，GPT-5.6 Sol 在最大推理模式下比另一款领先模型节省 54% 的输出 token；在 DeepSWE v1.1 长周期工程任务中，Sol 以 72.7% 的通过率超越 Claude Fable5 的 69.9%，API 成本估计降低 36.2%。

为什么重要

这一指标直接挑战了 AI 行业沿用的“token 单价”定价逻辑。过去软件行业以销量和用户数度量成功，但 AI 的真实价值在于完成任务的效率而非消耗的 token 数量。OpenAI 此举既是为企业采购提供财务决策工具，也是为自身高端模型（如 Sol）的高定价提供合理性——当客户按“每美元获得的有用智能”计算时，更贵但一次成功的模型可能比便宜但需多次尝试的模型 ROI 更高。这可能会倒逼整个行业从“比拼价格”转向“比拼任务完成效率”，影响 API 定价策略和模型选型逻辑。

对用户/开发者/创作者的影响

对开发者而言，选模型不能再只看 API 价格表，而需根据具体工作流计算“单次成功成本”。例如，高吞吐场景可优先选轻量模型（如 Luna），但涉及编程、金融分析等复杂任务时，选择顶级模型（如 Sol）即使单价更高，由于减少重试和人工审核，总体支出可能更低。对企业采购团队来说，“有用智能每美元”提供了与 CFO 沟通的量化语言，有助于推动从实验性投入到预算化部署的转变。对内容创作者，这意味着未来 AI 工具可能会按“实际产出质量”而非“token 消耗”来定价，更注重结果而非过程。

AI 工具推荐

想把多个 AI 模型放在一个入口？

GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。

了解 GamsGo AI

推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。

值得关注的后续

首先，OpenAI 是否会将该指标纳入 API 账单报告或提供工具供客户自行计算，将直接影响企业用户的采购决策。其次，竞品如 Anthropic 和 Google 是否跟进类似评估框架，可能导致模型定价模式的重塑。最后，GPT-5.6 三档模型的实际落地表现和成本数据能否验证“有用智能每美元”的实用性，还需要更广泛的第三方独立测试。目前公开信息显示，OpenAI 尚未公布该指标的详细计算公式或标准化接口。

来源：AIbase