OpenAI 的“AI 年代成绩单”：不再只看 token，开始看每一美元买到多少工作

OpenAI 提出以“每一美元带来多少有用智能”为衡量框架，建议企业从完成的工作和结果可靠性出发评估 AI 价值，而不是单看 token 成本。文章将该理念与 GPT-5.6 和 ChatGPT Work 的产品推进联系起来，强调把 AI 从“能用”推进到“值回成本”的管理逻辑。

OpenAI 周四发表了一篇题为 “A scorecard for the AI age” 的文章，试图把企业衡量人工智能价值的方式，从“买了多少席位、用了多少 token”推向一个更直接的问题：AI 到底帮人完成了多少真正有用的工作。

这篇文章由 OpenAI 首席财务官 Sarah Friar 撰写。她写道，CFO 们最常问的问题其实很简单：怎么从 AI 支出里拿到更多价值。OpenAI 给出的答案不是更低的 token 单价，而是一套新的衡量框架——“Useful Intelligence per Dollar”，即“每一美元带来多少有用智能”。

先看“工作结果”，再看模型价格

OpenAI 认为，企业评估 AI 不能只看成本 per token。一个便宜模型，可能因为需要更多重试、更多人工复核、更多返工，最后反而更贵；一个更强的模型，虽然单次调用价格更高，却可能一次就完成任务，整体成本反而更低。

在这篇文章里，OpenAI 把新的“成绩单”拆成四个问题：

1. AI 是否完成了真正重要的工作？
2. 每一项成功任务的真实成本是多少？
3. 人们是否可以依赖结果？
4. 随着使用规模扩大，每一美元是否能换来更多价值？

OpenAI 说，判断 AI 价值的起点应该是具体工作流：客服是否更快关闭工单，工程团队是否更快交付通过测试的代码，法务是否按时准确完成合同审核，财务是否更快做完月末分析。

这一套表述并不新鲜，但它把 OpenAI 近几周的产品动作串成了同一条线。OpenAI 发布 GPT-5.6：更强性能、更低成本，安全与监管同步推进 已经把“更少 token 完成更多工作”写进了模型发布逻辑，而 OpenAI 发布 ChatGPT Work，把 ChatGPT 推向“做完工作”的阶段 则把这种逻辑直接放进了工作流产品。

代理式工作流，正在把 AI 变成“预算问题”

OpenAI 的这篇文章并不只是在谈技术，它其实是在重写一套企业管理语言。文章强调，AI 的价值应该以“完成了多少工作”为中心，而不是以“买了多少算力”或“部署了多少模型”为中心。

OpenAI 还把“依赖性”抬到了和“能力”同样重要的位置。它建议企业追踪三类结果：

• ready to use：结果可直接使用；
• needs correction：结果需要人工修改；
• needs escalation：结果需要人接手完成。

这意味着，AI 的评估不再只是实验室分数，而是进入了组织内部的流程管理：哪些任务可以自动做，哪些必须复核，哪些动作需要审批，哪些数据可以被模型访问。

对 OpenAI 来说，这也解释了为什么它近来一边推 GPT-5.6，一边推 ChatGPT Work。OpenAI 在 GPT-5.6 官方说明 中称，新模型在编码、知识工作、网络安全和科学任务上更高效；而 ChatGPT Work 官方页面 则把重点放在跨应用、跨文件、跨浏览器的长链路任务上。

Reuters 在 7 月 9 日的报道 中写道，ChatGPT Work 是 OpenAI 对 Anthropic Claude Cowork 的直接回应，目标用户是想把 AI 编码能力带进办公流程、但又不想面对高门槛的白领用户。Reuters 还指出，GPT-5.6 的发布曾因美国政府出于国家安全担忧而推迟，随后才获得更广泛放行。另一篇 Reuters 报道 也提到，这一轮发布带着明显的监管背景。

OpenAI 为什么此时强调“每美元产出”

OpenAI 之所以把话题从 token 价格拉到“工作产出”，与它自身的增长和成本压力密切相关。

Reuters 今年 1 月报道，OpenAI 首席财务官 Sarah Friar 曾表示，公司年化收入已超过 200 亿美元，而且增长与计算能力扩张紧密相关。Reuters 2 月又报道，OpenAI 正在设定到 2030 年约 6000 亿美元的计算支出目标，显示这家公司仍在沿着高投入、高增长的路线前进。

换句话说，当一家 AI 公司自身已经把算力、模型和企业工作流都压到了同一张账本上时，它自然会更强调：谁能把 AI 从“能用”推进到“值回成本”，谁就更接近下一阶段的竞争门槛。

这也是为什么 OpenAI 在文章里不断重复“work accomplished”而不是“model usage”。在它的逻辑里，AI 真正该被比较的，不是一次调用有多便宜，而是完成一项任务到底花了多少钱、用了多少人工、出了多少次错、最后能否稳定复用。

从“会说话”到“会交付”

OpenAI 的表述也反映了行业竞争的变化。过去两年，企业客户习惯先问模型能不能回答问题；现在，问题逐渐变成它能不能跨系统执行任务、能不能持续推进项目、能不能在有人监管的前提下把结果做出来。

AI Flux 此前在 OpenAI 如何管理 AI 投资进入代理时代 中已梳理过 OpenAI 对企业 AI 预算和治理的看法：先把可见性和控制边界建起来，再谈扩大代理式工作流。此次“scorecard”更像是把这一思路再往前推进一步。

OpenAI 的文章没有承诺 AI 会自动变得更便宜，也没有声称企业一定会马上节省预算。它给出的只是一个判断框架：如果 AI 真要成为基础设施，就必须让企业能够回答一个最朴素的问题——每一美元到底买到了多少真正有用的工作。

而这，可能才是 AI 时代更难的一道题。