別再數Token了：OpenAI甩出AI時代記分卡，用"有用智能每美元"給CFO算清ROI

首席財務官們反覆追問同一個問題：投入人工智慧的錢，究竟換回多少實際價值？OpenAI 決定親自回答這道難題，不再讓企業在 token 計價的迷宮裡自行摸索。過去，軟體業習慣用採用率、活躍用戶數或續約率來衡量成敗，但這套邏輯放到 AI 時代已經失效——真正的刻度不該是用了多少人，而是模型確實完成了多少工作。 OpenAI 在 7 月 17 日發布的長文中，直接點出企業領導者面對的核心經濟命題：人工智慧完成任務所創造的價值，成長速度是否持續領先於生產這些成果的成本？要回答這個問題，只看每單位 token 的價格遠遠不夠。一個便宜的模型，token 單價或許很低，但為了得到可靠結果，可能得反覆嘗試、耗費更多時間，甚至還得疊加大量人工審核；反之，一個定價較高的模型，雖然每次呼叫的費用較高，卻有可能一次就把任務做對，省下後續所有修正成本。真正的成本，其實是產出一個成功結果所付出的完整代價，再拿這個代價去對照成果創造的價值。 因此 OpenAI 提出 AI 時代的記分卡——「有用智能每美元」（Useful Intelligence per Dollar）。這個指標試圖回答四個關鍵問題：人工智慧是否在執行真正有意義的工作？每一項成功任務的實際成本是多少？人們能否信賴它的輸出結果？隨著使用規模擴大，每投入一美元，是否創造出更多價值？ 第一項要衡量的是「完成了多少有用工作」。價值只在 token 轉化為人們能直接使用的實際產出時才真正產生。模型越強，能扛下的任務就越長越複雜：它開始保持上下文、進行多步推理、跨工具協作，並在過程中持續調整。最務實的做法是鎖定一個具體工作流程，先清楚定義什麼叫「完成」，然後在工作的實際發生系統裡去度量這個結果。對支援團隊而言，完成意味著一個客戶問題被解決；對工程團隊，是一筆通過測試的程式碼變更；對法務團隊，則是一份被準確且即時審查的合約。文中舉例一個財務團隊準備預測評審的場景：在最終決策之前，團隊得找出最新預測、把資料匯入試算表、識別數字變化、核對不同頁籤、重建簡報、檢查所有數字是否吻合。這一連串繁瑣工作大部分都能交給 ChatGPT Work 處理，團隊因此騰出精力去思考真正重要的事——發生什麼變化、為什麼變、下一步該怎麼做。這就是每一美元在實際應用中換來的有用智能。 第二項要計算的是一個成功任務實際花費多少錢。AI 任務的成本差異極大，一句快速回應消耗的算力極少，而編碼、研究或財務類工作流程往往涉及深度推理、工具呼叫與大量操作，它們消耗更多算力，也創造更高價值。在模型層面，單次成功任務的成本由價格、實際用掉的計算量以及得出正確結果的機率共同決定；對企業來說，總成本還得疊上員工時間、人工審核、重試與返工。簡單公式就是把完成工作的總成本加起來，除以達到品質標準的任務數量。這正是最低 token 單價不見得能換來最低每結果成本的原因——即使對一般請求而言，如果一個前沿模型能一次給對答案，省下的重試、延遲、審核與總計算量，反而可能讓它成為最划算的選擇。 OpenAI 剛發表的 GPT-5.6 就是按照這個邏輯設計的三層架構：Sol 是旗艦，Terra 在性能與成本之間取得平衡，Luna 最快也最省。這套分層給了客戶最佳化成本的起點，但 OpenAI 強調，最終該用哪一層模型，要看整筆任務的經濟性——高吞吐流程適合 Luna，需要深度分析時適合 Terra，而當更強的推理能力能以更少嘗試換來最好結果時就該用 Sol。在訓練 GPT-5.6 時，OpenAI 的目標就是讓每個 token 產出更多有用成果：在 Artificial Analysis 程式設計智慧體指數上，開啟最大推理模式的 GPT-5.6 Sol 創下新的最佳成績，同時比另一款領先模型少用了 54% 的輸出 token；在 DeepSWE v1.1 長週期工程任務中，GPT-5.6 Sol 達到 72.7% 的新高，高於 Claude Fable 5 的 69.9%，預估 API 成本還降低了 36.2%。每一代模型都應該在兩方面同時進步——更高效率讓舊任務變得更便宜，更強能力則讓全新類型的工作成為可能。 第三項則是衡量 AI 正確完成工作的頻率，也就是可靠性。人工智慧的採用通常會分階段深化：先從輔助起草開始，接著在工具與資料之間尋找上下文、進行推理，再來開始主動採取行動、處理例外狀況、跑完整個工作流程，而人類只在必要時給出判斷與控制。每一步都創造更多價值，但也對系統提出更高要求。可靠性本身就是錢——當結果準確、來源可靠、前後一致且能適當地升級處理時，人們花在審查、糾正與返工的時間就會減少，成功任務的成本隨之降低，組織也更有把握把 AI 應用到更重要的流程。OpenAI 建議團隊追蹤三種結果來衡量這一點：可直接使用、需要修正、需要升級處理。這比單純的模型準確率更能反映 AI 是否真的減少了完成專案所需的工作量。 可靠性還需要清晰的邊界。在 AI 從起草走向主動行動之前，組織必須定義系統能存取哪些資料、可以使用或更改哪些系統、何時需要人工審查或批准特定操作。安全、保障、隱私與控制共同構築深度使用的基礎，而 ChatGPT Work 正是建立在 ChatGPT Enterprise 的安全、合規與工作區管理之上，讓組織在保持監督的同時，將 AI 接入更有價值的流程。能力讓人願意第一次嘗試，可靠性才讓 AI 真正成為完成工作的固定環節。 第四項要檢視的是隨著使用量增長，每一美元 AI 投入能否完成更多工作。企業可以長期追蹤同一個工作流程來度量：統計達到品質標準的任務數量、完成它們的總成本，以及每項成功任務的成本變化。如果完成的工作量增長快過總成本，同時品質維持不變或提升，那就代表每一美元確實產出了更多價值。算力處於這個等式的核心——它驅動著研究，也驅動著 AI 完成的每一項任務，直接影響產品品質、速度、可靠性、可用性與成本。訓練算力構築未來能力，推理算力則交付當下價值，而兩者最終都要轉化為更好的客戶成果。更優的模型、更高效的推理、專用硬體、更高的使用率、更聰明的路由與更強的產品設計，都能拉抬算力的回報。客戶從實際體驗中就能感受到這些改進：答案更準、回應更快、修正更少、產品更可靠、完成所需工作的成本更低。這些收益會自我累積——更好的基礎設施加速研究，研究催生更強、更高效的模型，模型改進產品，產品推動採用、學習與收入成長，而這又反過來支撐下一代研究、算力、部署與安全的持續投入。 OpenAI 用一個統一的智慧平臺將所有環節收攏：使用者透過 ChatGPT 與 ChatGPT Work 使用，開發者透過 Codex 與 API 建構應用，企業則把它部署到真實工作發生的系統中。任何一層的改進，所有產品與客戶都能隨之受益。把這四項指標合在一起，這張記分卡其實在回答一個根本問題：每單位成本換來的有用智能，是否在持續上升。有用產出告訴我們 AI 能產生什麼，每項成功任務的成本讓我們知道達成結果要付出什麼代價，可靠性則反映人們可以放心使用多少成果，規模化價值則點出隨著時間推移，每一美元與每一單位算力是否實現了更多成效。OpenAI 把自己當前的任務歸結為讓這個等式在每一代模型上都變得更好——更強的模型、更快更可靠的結果，以及持續降低客戶真正需要的任務成本。當 AI 開始用「每美元的有用智能」說話，而不是拿 token 流水帳交差，價值的衡量才算真正被釐清。