OpenAI 认为 AI 基础设施的价值不在于规模，而在于实现更强大、更便宜、更普及的智能。这种“富足”既是其 AGI 造福全人类的使命的一部分，也是其业务的驱动引擎。

核心逻辑是一个正反馈循环：更好的智能推动更广泛的采用 → 更广泛的采用支持更多投资 → 更多投资提升智能和效率。

价格调整是这一循环的体现。OpenAI 降低了 GPT-5.6 Luna 和 Terra 的价格，其中 Luna 降价 80% 至每百万输入 token 0.20 美元、输出 token 1.20 美元。GPT-5.6 Sol 的 Fast 模式速度提升至标准处理的 2.5 倍，价格翻倍但智能不变。这些降价扩大了实用性的工作范围。

文章强调，客户购买的不是 token，而是成功的结果。更强的模型如果一次完成正确且高效，可能比需要反复重试的廉价模型更经济。机会在于以合适价格应用“最大有用智能”。

提升计算效率不靠堆砌数据中心，而靠让每个计算单元更高效。OpenAI 内部工程工作表明，GPT-5.6 Sol 帮助优化了生产软件，将端到端服务成本降低了 20%，并通过改进推测解码将 token 生成效率提升了 15% 以上。效率不单由模型决定，周围系统至关重要：更好的路由让硬件保持高产，更聪明的上下文管理防止 Agent 重复工作，更强的工具和产品设计减少完成任务所需的步骤。在最近的基准分析中，通过改进保留推理和上下文管理，GPT-5.6 Sol 在公开的 ARC-AGI-3 任务集上的得分从 13.3% 提升至 38.3%，同时使用的输出 token 减少了 6 倍。模型未变，变的是周围系统。

全栈（基础设施、模型、平台、产品）优势在于各层互相优化。真实产品使用反馈塑造研究方向，研究改进提升产品并降低成本。ChatGPT 和 ChatGPT Work 等产品的需求帮助 OpenAI 更好地决定在哪里增加容量。模型已覆盖超过 10 亿活跃用户和 200 万家企业。用户注册 6 个月后，每天发送的消息数增加约 50%，使用 ChatGPT 完成的工作种类翻倍。在内部，通过 Codex 完成的 Agent 工作已占每周输出 token 的 99.8%，财务团队已将 Agent 工具作为主要工作方式。

对于基础设施投资，OpenAI 基于证据决策：用户和工作负载增长、企业承诺、API 消耗、利用率、收入以及模型能力与效率的进展。目标不是建造最多基础设施，而是在正确时间、针对可信需求部署正确产能。

展望未来，更智能的系统将完成更长的项目、协调跨工具的任务、处理从想法到成品之间的更多工作。OpenAI 的目标不是更多的算力、更大的模型或更低的 token 价格，而是让更有用的智能触手可及。