參考來源：OpenAI 公司文章、OpenAI GPT-5.6 定價公告、OpenAI GPT-5.6 工程文章、CocoLoop、OpenAI ARC-AGI-3 研究覆盤、The Wall Street Journal；覈驗用戶規模、企業規模、API 定價、推理成本降幅、token 生成效率、ARC-AGI-3 RHAE 與輸出 token 口徑。
OpenAI用戶越過10億
四個月前，OpenAI 還被市場盯着一個沒完成的數字：ChatGPT 周活接近 **9 億**，但沒有踩上 10 億目標。7 月 31 日，OpenAI CFO Sarah Friar 換了一個口徑披露進展：OpenAI 模型現在觸達 **超過 10 億活躍用戶**，並被 **超過 200 萬家企業**使用。
這次發佈沒有新模型，也沒有榜單冠軍。它更像一份給客戶、投資人和算力夥伴看的運營說明：用戶規模上去了，API 價格要往下壓，推理系統還要繼續榨效率。OpenAI 把增長故事從“更多人來用 ChatGPT”，拉回到一個更現實的問題：這麼多請求，怎樣用可承受的成本跑完。
## 10 億之後，價格先動
OpenAI 在同一篇文章裏把前一天的 GPT-5.6 價格調整重新擺上桌。Luna API 輸入價降到 **每百萬 token 0.20 美元**，輸出價 **1.20 美元**，降幅 **80%**；Terra 輸入價 **2 美元**，輸出價 **12 美元**，降幅 **20%**；Sol 價格不變，但 Fast mode 可以用兩倍價格換 **最高 2.5 倍**標準處理速度，官方稱智能水平不變。
《華爾街日報》也把這組價格和 10 億用戶放在同一條新聞裏，覈驗了 OpenAI 披露的 **超過 10 億活躍用戶**和 **200 萬企業**，以及 Luna、Terra 的降價幅度。這個組合很少見：公司一邊強調規模，一邊主動承認價格要繼續降。
Sarah Friar 在文中寫道：
> “Customers do not buy tokens for their own sake.”
自然翻成中文，就是客戶買的並非 token 本身，買的是問題被解決、代碼被交付、合同被審完、科學問題被推進。這個說法把 API 定價從“每百萬 token 多少錢”，轉成“完成一次工作到底花多少錢”。
## 用戶增長會把賬本放大
OpenAI 披露的使用深度也在變。用戶註冊 **6 個月後**，每天發送消息數大約增加 **50%**，ChatGPT 覆蓋的工作種類大約翻倍。公司內部也給了一個極端樣本：OpenAI 自己每週輸出 token 中，經過 Codex 的智能體工作佔到 **99.8%**。
這些數字不能簡單理解成“用戶越多越好”。活躍用戶破 10 億之後，每一次模型改價、路由、緩存、推測解碼和上下文壓縮，都會被放大到龐大的成本盤子上。過去討論 OpenAI，讀者常盯融資、估值和 GPU 訂單；這次更該盯單次任務成本，因爲它直接決定 10 億用戶能否轉化爲可持續收入。
4 月那篇“錯失 10 億目標”之後，市場擔心的是用戶增長慢、算力承諾重。現在數字補上來了，疑問並沒有消失，只是換了位置：新增用戶和企業客戶是否願意爲更長任務、更高速度和更少返工付費。OpenAI 把 Luna、Terra 價格壓低，等於把一部分答案交給需求彈性來驗證。
## 推理效率成了增長前提
同一周的工程文章給了更硬的底層解釋。OpenAI 稱，GPT-5.6 Sol 幫團隊優化生產推理軟件，讓端到端服務成本下降 **20%**；它還參與改進推測解碼，讓 token 生成效率提升 **超過 15%**。這兩項都並非模型榜單分數，卻關係到每天數十億次調用背後的毛利。
ARC-AGI-3 那篇研究覆盤也被 OpenAI 放進同一條敘事鏈裏：同一個 GPT-5.6 Sol，在官方 harness 下公開集 RHAE 是 **13.3%**；打開 retained reasoning 和 compaction 後到 **38.3%**，輸出 token 約降到 **1/6**。這裏的看點並非再次證明 ARC 分數，系統層設置本身就能同時影響成功率和成本。
對中文開發者來說，這裏有一個更實用的提醒：模型價格表只是一層，真實賬單還要看 harness 怎麼保留上下文、工具調用是否重複、緩存命中率怎樣、一次任務要跑多少輪。一個看似便宜的模型，如果反覆失敗，最後未必便宜；一個更強模型如果少走彎路，反而可能壓低單次成功成本。
## 資本支出還要看兌現速度
OpenAI 這次沒有披露收入、利潤或雲合同總額。外部報道已經多次提到它龐大的算力開支和融資需求，所以 10 億用戶並非終點，更像一張壓力測試卷的開頭。活躍用戶和企業數證明需求存在，降價和推理優化證明公司知道成本線不能無限抬高，剩下要看兩條指標：付費深度和單位經濟性。
第一條是企業工作流能不能從“試用 AI”進入“把流程交給 AI”。200 萬企業這個數字很大，但企業裏產生高收入的部分，往往來自合規、權限、數據接入和長期任務，而非一次性聊天。
第二條是基礎設施投入變現速度。OpenAI 說投資決策會看用戶和工作負載增長、企業承諾、API 消耗、利用率、收入以及模型效率進展。翻成財務語言，就是新增機房和芯片不能只擺在願景裏，必須儘快變成可收費、可複用、可降低邊際成本的產能。
這也是 10 億用戶新聞裏最有分量的地方。OpenAI 沒把它包裝成單純的里程碑，還和降價、推理優化、Codex 工作流、ARC harness 一起講。它在告訴市場：規模已經到了，下一階段拼的是把每一次智能調用做成一筆能賺錢的工作。
後續可驗證的節點很清楚：Luna 和 Terra 降價後 API 用量是否明顯放大，Sol Fast mode 是否進入高價值企業任務，Codex 在非工程團隊裏的 token 佔比是否繼續上升，以及下一次財務披露裏推理成本率有沒有繼續下降。只有這些數字跟上，10 億活躍用戶纔會從流量數字變成商業底座。