Hacker News 上一個匿名帖問了一個行業最常回避的問題。用戶 ex-aws-dude 的標題是："如果模型這麼好，OpenAI 為甚麼不乾脆自己開 100 家公司？"他自己也承認標題誇張了，真正想問的是：前沿模型能力已經這麼強，為甚麼 OpenAI 還在靠賣 token 賺錢，而不是直接去做應用、拿走終端利潤？
評論區炸了，兩派各執一詞。一派說模型強到可以替代大量人力，應用端才是真正的利潤池；另一派說經營一家公司比寫出好軟件難得多，AI 根本做不到。吵到後來，兩邊的論據指向了同一條線：不是模型不夠聰明，而是沒人敢讓它對結果負責。
模型能做甚麼，已經不是一個模糊的問題
先看跑分。OpenAI 稱 GPT-5.5 在 Terminal-Bench 2.0 上得分 82.7%，GPT-5.4 是 75.1%，Claude Opus 4.7 是 69.4%；在 OSWorld-Verified 上得 78.7%，高於人類基線。更值得看的是 GDPval 的測試：44 個職業任務里，GPT-5.5 有 84.9% 達到或超過行業專家水平，上一代 GPT-5.4 是 83.0%。
跑分之外有實際案例。OpenAI 首席財務官 Sarah Friar 在 2026 年 9 月的高盛 Communacopia 會議上提了兩個企業客戶：Canva 的代碼"100% 來自 OpenAI"，每周生成數十億張圖；保險公司 Travelers 的 AI 理賠助手在兩個月內從 8 個州擴展到全美。
這些不再是實驗室演示。模型已經能寫出生產級代碼、處理結構化的專業任務、在明確邊界內高效執行。
做不了的事，跑分看不出來
Hacker News 評論區形成了一個相當統一的看法：大模型缺乏判斷力和長期自主性。所謂判斷力，是在複雜困難的局面下做出決策的能力，不是把已知答案填對，而是在信息不完整、後果不可逆的情況下決定該做甚麼。有用戶總結說，2026 年的模型擅長執行邊界清晰、已被定義好的想法，但看不到全局，缺乏遠見和創造力。
評論區有人把原帖的問題還原為一句更尖銳的話："如果模型這麼好，為甚麼它們不能自己經營一家公司？"答案是：經營 1 家公司比經營 100 家容易，公司要成功遠不只是寫出好軟件。你需要判斷市場、管理現金流、應對監管、處理客戶投訴、在不確定中押注方向。這些事情的共同特徵是沒有標準答案，而且做錯了要賠錢。
這就是那條邊界：不在智力任務本身，而在"誰對結果負責"。
Codex 的計費變化，是邊界的一面鏡子
OpenAI 自己的動作印證了這條線。2026 年 4 月，Codex 的計費方式從"按消息估算"改為與 API 的 token 用量嚴格對齊，先覆蓋 Plus、Pro 等個人和企業用戶，4 月下旬擴展到教育、醫療、政府等渠道。同時推出"僅 Codex 席位"，沒有固定月費，純按 token 計量，不設速率限制。
第三方覈算過 Codex 的 credits 定價：1 credit 合 0.04 美元，Sol 檔 750 credits 對應每百萬輸出 token 30 美元，結論是"既不是折扣也不是溢價，就是把 API 價目表預付了"。
這意味著 OpenAI 把 Codex 從一個"包月自助餐"變成了"按克稱重"。有開發者算了一筆賬：過去 30 天，他用 Claude Code 消耗了價值 1199.79 美元的 token，用 Codex 消耗了 980.37 美元，合計 2180.16 美元，而他實際支付的訂閱費只有 200 美元。包月轉按量之後，他為同樣的能力付出的賬面價值被放大了將近 11 倍。
換個角度看這件事：如果 OpenAI 對自家模型的交付能力足夠有信心，按任務收費或者按成果分成應該更賺錢。但它沒有這樣做，而是往相反的方向走，把計費顆粒度壓到最細的 token 級別。按 token 賣，賣的是算力和能力的使用權，不是結果。用戶拿去做甚麼、做成還是做砸，風險都在用戶那邊。
400 億美元的 token 生意
這個模式的規模已經相當驚人。Friar 在高盛會議上透露，OpenAI 年化營收運行率在 2026 年 7 月突破約 400 億美元，企業端（企業訂閱加 API）已超過一半。她的原話是："我們年初是 60 比 40，但企業加速遠超預期，兩條線現在已經交叉。"整體年化收入 6 月至 7 月環比增長 20%，企業業務同期增長 32%。
第三方數據也對得上。支付數據公司 Ramp 的 2026 年三季度報告顯示，企業在 OpenAI API 上的支出環比增長 82%，在 Anthropic 上環比增長 76%。
再看價格走向。GPT-5.5 相比 GPT-5.4 單價翻了一倍：輸入從每百萬 token 2.5 美元漲到 5 美元，輸出從 15 美元漲到 30 美元。OpenAI 的解釋是模型更智能、token 效率更高，完成同一任務消耗的 token 更少。而在更早的型號上，降價策略同樣有效：Luna 型號降價最多 80% 後用量增長約 10 倍，粗算下來對應收入約為降價前的 2 倍。單價降了，總量漲得更多，總收入反而上升。這就是經典的傑文斯悖論在 AI 語境下的翻版：效率提升和成本下降不是縮小市場，而是把市場撐大。
Friar 還給了一個很有畫面感的數字：前 10% 的客戶人均每周 token 消耗是平均客戶的 8 倍（此前為 3 倍），公司內部員工是平均客戶的 33 倍。她說"頭部客戶今天的用法，就是普通客戶兩年後的用法"。如果這個判斷成立，token 的總消耗量還遠沒有見頂。
Codex 用戶從 2026 年 1 月的約 10 萬增長到 9 月的約 2500 萬。OpenAI 官方估算平均每名開發者每月消耗 100 到 200 美元。即便只取中間值 150 美元乘以 2500 萬人，年化規模也極為可觀，儘管實際付費率和平均消耗必然低於這個上限。
按成果收費為甚麼還只是設想
Friar 在同一場合提到，企業客戶越來越需要針對特定需求定制的 AI 系統，OpenAI"將基於業務成果而非使用量定價"。她還提出行業應按"每任務成本"而非"每 token 成本"來評估模型，並引用第三方數據稱 Astra 達到同等結果所用 token 比競爭前沿模型少 68%。
這兩句話放在一起，能看出 OpenAI 想往哪走，也能看出它現在站在哪。"將基於業務成果定價"是將來時；而 Codex 剛剛完成的改革恰恰是把計費拉到最細的 token 粒度。按成果收費的前提是模型能對結果負責，或者至少能穩定地交付可度量的結果。Travelers 的理賠助手擴展到全美，看起來接近這個標準，但那是在保險理賠這種流程高度標準化、判斷標準相對明確的場景里。對於大多數企業業務，"成果"本身就很難定義，更不用說由誰來承擔成果不達標的風險。
評論區有人用蘋果和 App Store 打了個比方：沒有一家公司能事事專精，而賣 token 是"無風險的錢"，從每個應用抽成，卻不承擔經營風險。這個類比不完全準確，蘋果抽的是交易流水的固定比例，OpenAI 賣的是算力消耗，但背後的邏輯相通：平台把自己放在不用對業務結果負責的位置上，收入就可以隨著所有下游應用的總量一起漲。
廣告是另一個試探方向。Friar 稱廣告業務上線七個月達到 10 億美元運行率，是公司"最快達到 10 億美元的產品"，已覆蓋 40 個國家，客戶包括 WPP 與電通，AI 原生廣告格式尚未推出。10 億美元放在 400 億的大盤里佔比很小，但廣告的商業本質是按注意力或轉化收費，比按 token 更接近"按結果付錢"。它現在還只是一個側翼。
有評論者指出，當前 API 價格中包含風險投資補貼的成分，推理層面毛利為正，但公司整體仍在虧損。如果這一判斷屬實，token 定價還沒有反映全部成本，OpenAI 的當務之急是把 token 收入的規模做得足夠大，而不是冒險去嘗試一種尚未驗證的收費模式。
一條安全的線
模型確實已經很強，強到 Canva 用它生成全部代碼，強到 Travelers 兩個月把 AI 理賠鋪向全美，強到 84.9% 的職業任務上打平或超過人類專家。但"強"和"能經營一家公司"之間隔著一整層東西：對不確定性的判斷、對結果的承諾、對失敗的承擔。
按 token 賣模型，本質上是一條安全的線。OpenAI 站在線的這一邊提供能力，客戶站在另一邊承擔風險。400 億美元的年化營收、環比 82% 的 API 支出增長、2500 萬 Codex 用戶，都證明這條線畫對了地方。Friar 說的"基於業務成果定價"，是在描述線要往哪移動；Codex 改成按 token 計費，是在確認線現在還在這裡。
不過已經有人在試探這條線的另一邊。據 HubSpot 公司新聞稿，2026 年 4 月起，HubSpot 將旗下 AI 客服代理 Breeze Customer Agent 從"每對話 1.00 美元"改為"每個成功解決的對話 0.50 美元"，銷售線索代理 Breeze Prospecting Agent 則改為"每一條被推薦用於外呼的線索 1 美元"。HubSpot 首席客戶官 Jon Dick 的說法很直白："企業正在被要求為 AI 下大注，但太多時候，他們買的是潛力而非表現。按成果定價去掉了這個風險——有效果才付錢，沒有但是。"這是一個真實落地的定價實驗，但它發生在客服和銷售線索這類成果易於度量的場景里，離"替客戶經營一門生意"仍然很遠。這條線最終會移到哪裡，取決於模型能在多大範圍內對結果做出可驗證的承諾。現在，400 億美元的 token 生意就是答案本身。