Hacker News 上一个匿名帖问了一个行业最常回避的问题。用户 ex-aws-dude 的标题是："如果模型这么好，OpenAI 为什么不干脆自己开 100 家公司？"他自己也承认标题夸张了，真正想问的是：前沿模型能力已经这么强，为什么 OpenAI 还在靠卖 token 赚钱，而不是直接去做应用、拿走终端利润？
评论区炸了，两派各执一词。一派说模型强到可以替代大量人力，应用端才是真正的利润池；另一派说经营一家公司比写出好软件难得多，AI 根本做不到。吵到后来，两边的论据指向了同一条线：不是模型不够聪明，而是没人敢让它对结果负责。
模型能做什么，已经不是一个模糊的问题
先看跑分。OpenAI 称 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%，高于人类基线。更值得看的是 GDPval 的测试：44 个职业任务里，GPT-5.5 有 84.9% 达到或超过行业专家水平，上一代 GPT-5.4 是 83.0%。
跑分之外有实际案例。OpenAI 首席财务官 Sarah Friar 在 2026 年 9 月的高盛 Communacopia 会议上提了两个企业客户：Canva 的代码"100% 来自 OpenAI"，每周生成数十亿张图；保险公司 Travelers 的 AI 理赔助手在两个月内从 8 个州扩展到全美。
这些不再是实验室演示。模型已经能写出生产级代码、处理结构化的专业任务、在明确边界内高效执行。
做不了的事，跑分看不出来
Hacker News 评论区形成了一个相当统一的看法：大模型缺乏判断力和长期自主性。所谓判断力，是在复杂困难的局面下做出决策的能力，不是把已知答案填对，而是在信息不完整、后果不可逆的情况下决定该做什么。有用户总结说，2026 年的模型擅长执行边界清晰、已被定义好的想法，但看不到全局，缺乏远见和创造力。
评论区有人把原帖的问题还原为一句更尖锐的话："如果模型这么好，为什么它们不能自己经营一家公司？"答案是：经营 1 家公司比经营 100 家容易，公司要成功远不只是写出好软件。你需要判断市场、管理现金流、应对监管、处理客户投诉、在不确定中押注方向。这些事情的共同特征是没有标准答案，而且做错了要赔钱。
这就是那条边界：不在智力任务本身，而在"谁对结果负责"。
Codex 的计费变化，是边界的一面镜子
OpenAI 自己的动作印证了这条线。2026 年 4 月，Codex 的计费方式从"按消息估算"改为与 API 的 token 用量严格对齐，先覆盖 Plus、Pro 等个人和企业用户，4 月下旬扩展到教育、医疗、政府等渠道。同时推出"仅 Codex 席位"，没有固定月费，纯按 token 计量，不设速率限制。
第三方核算过 Codex 的 credits 定价：1 credit 合 0.04 美元，Sol 档 750 credits 对应每百万输出 token 30 美元，结论是"既不是折扣也不是溢价，就是把 API 价目表预付了"。
这意味着 OpenAI 把 Codex 从一个"包月自助餐"变成了"按克称重"。有开发者算了一笔账：过去 30 天，他用 Claude Code 消耗了价值 1199.79 美元的 token，用 Codex 消耗了 980.37 美元，合计 2180.16 美元，而他实际支付的订阅费只有 200 美元。包月转按量之后，他为同样的能力付出的账面价值被放大了将近 11 倍。
换个角度看这件事：如果 OpenAI 对自家模型的交付能力足够有信心，按任务收费或者按成果分成应该更赚钱。但它没有这样做，而是往相反的方向走，把计费颗粒度压到最细的 token 级别。按 token 卖，卖的是算力和能力的使用权，不是结果。用户拿去做什么、做成还是做砸，风险都在用户那边。
400 亿美元的 token 生意
这个模式的规模已经相当惊人。Friar 在高盛会议上透露，OpenAI 年化营收运行率在 2026 年 7 月突破约 400 亿美元，企业端（企业订阅加 API）已超过一半。她的原话是："我们年初是 60 比 40，但企业加速远超预期，两条线现在已经交叉。"整体年化收入 6 月至 7 月环比增长 20%，企业业务同期增长 32%。
第三方数据也对得上。支付数据公司 Ramp 的 2026 年三季度报告显示，企业在 OpenAI API 上的支出环比增长 82%，在 Anthropic 上环比增长 76%。
再看价格走向。GPT-5.5 相比 GPT-5.4 单价翻了一倍：输入从每百万 token 2.5 美元涨到 5 美元，输出从 15 美元涨到 30 美元。OpenAI 的解释是模型更智能、token 效率更高，完成同一任务消耗的 token 更少。而在更早的型号上，降价策略同样有效：Luna 型号降价最多 80% 后用量增长约 10 倍，粗算下来对应收入约为降价前的 2 倍。单价降了，总量涨得更多，总收入反而上升。这就是经典的杰文斯悖论在 AI 语境下的翻版：效率提升和成本下降不是缩小市场，而是把市场撑大。
Friar 还给了一个很有画面感的数字：前 10% 的客户人均每周 token 消耗是平均客户的 8 倍（此前为 3 倍），公司内部员工是平均客户的 33 倍。她说"头部客户今天的用法，就是普通客户两年后的用法"。如果这个判断成立，token 的总消耗量还远没有见顶。
Codex 用户从 2026 年 1 月的约 10 万增长到 9 月的约 2500 万。OpenAI 官方估算平均每名开发者每月消耗 100 到 200 美元。即便只取中间值 150 美元乘以 2500 万人，年化规模也极为可观，尽管实际付费率和平均消耗必然低于这个上限。
按成果收费为什么还只是设想
Friar 在同一场合提到，企业客户越来越需要针对特定需求定制的 AI 系统，OpenAI"将基于业务成果而非使用量定价"。她还提出行业应按"每任务成本"而非"每 token 成本"来评估模型，并引用第三方数据称 Astra 达到同等结果所用 token 比竞争前沿模型少 68%。
这两句话放在一起，能看出 OpenAI 想往哪走，也能看出它现在站在哪。"将基于业务成果定价"是将来时；而 Codex 刚刚完成的改革恰恰是把计费拉到最细的 token 粒度。按成果收费的前提是模型能对结果负责，或者至少能稳定地交付可度量的结果。Travelers 的理赔助手扩展到全美，看起来接近这个标准，但那是在保险理赔这种流程高度标准化、判断标准相对明确的场景里。对于大多数企业业务，"成果"本身就很难定义，更不用说由谁来承担成果不达标的风险。
评论区有人用苹果和 App Store 打了个比方：没有一家公司能事事专精，而卖 token 是"无风险的钱"，从每个应用抽成，却不承担经营风险。这个类比不完全准确，苹果抽的是交易流水的固定比例，OpenAI 卖的是算力消耗，但背后的逻辑相通：平台把自己放在不用对业务结果负责的位置上，收入就可以随着所有下游应用的总量一起涨。
广告是另一个试探方向。Friar 称广告业务上线七个月达到 10 亿美元运行率，是公司"最快达到 10 亿美元的产品"，已覆盖 40 个国家，客户包括 WPP 与电通，AI 原生广告格式尚未推出。10 亿美元放在 400 亿的大盘里占比很小，但广告的商业本质是按注意力或转化收费，比按 token 更接近"按结果付钱"。它现在还只是一个侧翼。
有评论者指出，当前 API 价格中包含风险投资补贴的成分，推理层面毛利为正，但公司整体仍在亏损。如果这一判断属实，token 定价还没有反映全部成本，OpenAI 的当务之急是把 token 收入的规模做得足够大，而不是冒险去尝试一种尚未验证的收费模式。
一条安全的线
模型确实已经很强，强到 Canva 用它生成全部代码，强到 Travelers 两个月把 AI 理赔铺向全美，强到 84.9% 的职业任务上打平或超过人类专家。但"强"和"能经营一家公司"之间隔着一整层东西：对不确定性的判断、对结果的承诺、对失败的承担。
按 token 卖模型，本质上是一条安全的线。OpenAI 站在线的这一边提供能力，客户站在另一边承担风险。400 亿美元的年化营收、环比 82% 的 API 支出增长、2500 万 Codex 用户，都证明这条线画对了地方。Friar 说的"基于业务成果定价"，是在描述线要往哪移动；Codex 改成按 token 计费，是在确认线现在还在这里。
不过已经有人在试探这条线的另一边。据 HubSpot 公司新闻稿，2026 年 4 月起，HubSpot 将旗下 AI 客服代理 Breeze Customer Agent 从"每对话 1.00 美元"改为"每个成功解决的对话 0.50 美元"，销售线索代理 Breeze Prospecting Agent 则改为"每一条被推荐用于外呼的线索 1 美元"。HubSpot 首席客户官 Jon Dick 的说法很直白："企业正在被要求为 AI 下大注，但太多时候，他们买的是潜力而非表现。按成果定价去掉了这个风险——有效果才付钱，没有但是。"这是一个真实落地的定价实验，但它发生在客服和销售线索这类成果易于度量的场景里，离"替客户经营一门生意"仍然很远。这条线最终会移到哪里，取决于模型能在多大范围内对结果做出可验证的承诺。现在，400 亿美元的 token 生意就是答案本身。
