核心标题

Brockman：OpenAI 要把单次任务成本做到最低

摘要

OpenAI 的 Greg Brockman 说，公司接下来要拼具体任务的最低执行成本。他还向用户要真实案例，如果对手做得更便宜或更快，就拿出来对比。

这说明 AI 模型竞争从 benchmark 分数转向生产环境里的指标：每个任务到底花多少钱、跑得多快、是否稳定。大规模调用后，实验室分数意义变小，真实单位成本才重要。

分析

AI 模型定价逻辑在变。对开发者和企业来说，选模型不只看能力上限，而是任务级的综合性价比：

• 单次任务成本：同样做摘要、检索、代码生成或客服，哪个模型更便宜；
• 响应速度：能不能满足产品里的延迟要求；
• 可靠性：大规模调用时输出质量和稳定性是否可控；
• 适配灵活性：能不能按任务切换模型，而不是被单一模型绑死。

这会压低头部闭源实验室的溢价空间。开源模型和其他对手能力追得快，一旦够用的模型多了，价格、速度和稳定性就成了硬筛选条件。

| 竞争维度 | 过去更受关注 | 现在更关键 | |---|---|---| | 模型能力 | Benchmark 分数、参数规模、推理能力上限 | 具体任务能否稳定完成 | | 成本衡量 | Token 单价或套餐价格 | 每个任务的真实完成成本 | | 开发者策略 | 尽量选最强模型 | 按任务拆分，选择最便宜最快够用的模型 | | 竞争压力 | 主要来自头部实验室之间 | 闭源大模型、开源模型和垂直优化方案一起竞争 |

OpenAI 对开发者混用模型的态度很实际。它不否认这个趋势，因为多数团队已经在这么做：复杂任务给能力强的模型，标准化高频低容错的任务给更便宜更快的方案。

关键是：AI 模型主战场从能力展示转向规模化执行效率。对有真实调用量的团队来说，模型是否最聪明并不总是最重要；在可接受质量下，谁能把任务跑得更便宜更快更稳，谁才有议价权。

对有调用量的 builder 和企业采购方来说，现在还是有利窗口。真正占优的是按任务拆分模型、持续压低单位成本的团队，而不是只追最强模型名号的人。