Inayos ng OpenAI ang kanilang estratehiya sa presyo, inirerekomenda ang mas mura mga modelo para sa karaniwang gawain

Kung may tao pa ring nagbabayad ng pinakamataas na halaga para gamitin ang pinakamalakas na model ng OpenAI ngayon.

Ang OpenAI ay maaaring mag-udyok sa kanya na magbago.

Hulyo 30, inilabas ng OpenAI ang isang pahayag tungkol sa pagbabago ng presyo.

Bumaba ang presyo ng GPT-5.6Luna model ng 80%, at ang Terra model ng 20%.

Nakikita ang mensaheng ito, madali mong ipapalit ang atensyon sa pagkakaroon ng digmaan sa presyo sa Silicon Valley.

Ngunit kung susuriin nang mabuti ang opisyal na teknikal na dokumentasyon at gabay sa API pagkatapos, makikita mo na ang tunay na dapat pagtuunan ng pansin ay hindi ang mga numero ng presyo.

Ito ay sa本质上 ang unang pagkakataon na sinabi ng OpenAI sa mga user na maraming mga gawain ay hindi kailangan ng pinakamalakas na model.

Binigyan ng espesipikong rekomendasyon ang opisyal. Kung ito ay isang kumplikadong gawain, gamitin muna ang GPT-5.6Sol para sa pag-analisa ng mga pangangailangan at pagdidisenyo ng solusyon, pagkatapos ay ipasa sa Luna para sa pagsasagawa, pagsusulat ng code, at pagpapatakbo ng pagsubok.

Ang pinakamahal na model ay nagtatrabaho para sa pag-iisip, habang ang pinakamura ay nagtatrabaho para sa paggawa. Ang estratehiyang ito ay tila isang self-sabotage sa negosyo dalawang taon na ang nakalipas.

Alam mo, sa nakaraan, sa buong industriya ng AI, lahat ay nagpapakipagsabayan upang sabihin sa merkado na ang kanilang modelo ang pinakamatalino.

Ngayon, sinabi ng OpenAI na hindi kailangang laging bumili ng pinakamahal.

Ito ay mas mahalaga kaysa sa pagbaba ng presyo.

Tingnan muna ang nangyari sa nakaraang dalawang linggo.

Hulyo 30, inayos ng OpenAI ang presyo. Bumaba ang Luna ng 80%. Bumaba ang Terra ng 20%. Hindi bumaba ang Sol, kundi idinagdag ang Fast mode, na maaaring maging 2.5 beses na mabilis kaysa sa standard mode, at doble ang presyo, ngunit pareho ang antas ng inteligensya.

Ang mga top-tier model ay patuloy na mananatili. Ang tunay na nag-uunlad sa volume ay ang mid-range at low-end.

Isang linggo pa ang nakalipas.

Noong Hulyo 24, ginawa rin ng Anthropic ang isang magkakaparehong bagay. Ipinakilala ang Claude Opus 5, $5 para sa input ng isang milyong token, at $25 para sa output. Tama lang na kalahati ng presyo ng Fable 5.

Higit sa pagpapakita ng pagbubukas sa performance, mas pinapahalagahan ni Anthropic ang kanyang ekonomiya: sa kalahating presyo lamang, maaari mong makamit ang malapit sa walang hanggan na advanced reasoning capability ng Fable 5.

Isang buwan na ang nakalipas, ang Fable 5 ay ang pangunahing produkto na pinapromosyon ng Anthropic: pinakamalakas na pag-iisip, pinakamahabang konteksto, at pinakamataas na presyo. Ngunit isang buwan pagkatapos, sinikap ng Anthropic mismo na magbigay ng alternatibong produkto na kalahati ng presyo ng pangunahing produkto.

Kung isang kompanya lang ang gumawa nito, maaaring ituring na pag-adjust ng produkto. Kung dalawa naman ang gawin nito nang halos magkasabay, hindi na ito pagkakataon.

Nilalabasan nila ang kahalagahan ng mga pangunahing modelo.

Tinutuwa ko pa rin kung bakit abiso ngayon.

Ang sagot ay hindi kumplikado.

Ang pinakamalaking halaga ng mga flagship model sa nakaraan ay hindi ang pagkakaroon ng kita, kundi ang pagpapatunay ng teknolohikal na pagkakaroon ng liderato. Pagkatapos lumabas ang GPT-4, tumataas ang valuation ng OpenAI. Bawat pag-update ng Claude, binabago uli ng Anthropic ang kanilang posisyon sa teknolohiya. Ang mga flagship model ay nagtatanggol sa halaga ng brand.

Ngunit ang mga negosyo ay hindi nagbabayad doon.

Isang kumpanya ang nagpapatakbo ng milyon-milyon na API calls araw-araw. Ang mga karaniwang gawain tulad ng customer service, paghahanap, pagpapahintulot, pagbuo ng code, at pagpapatupad ng Agent ay nagsisilbing pangunahing pinagkukunan ng pagkakagastusan sa Token. Ang pinakamahalagang pag-iisip ng mga kumpanya sa pagbili ay hindi ang unang pwesto sa benchmark, kundi ang presyo bawat gawain, kung sapat ba ito sa katatagan, at kung mataas ba ang ROI.

Kapag lalawig ang sukat ng pagtawag hanggang sa milyon-milyon araw-araw, ang kaunting katalinuhan ng pangunahing modelo ay mawawala agad dahil sa malaking gastos sa computing power.

Ang mga hakbang at pahayag ni OpenAI ay nagtatakda ng isang pagbabago: ang mga pangunahing flagship ay hindi na nagdadaan sa pagkakaroon ng pananagutan sa pagkakaroon ng kita.

Ito ay naranasan na ng industriya ng kotse.

Biyentibong taon na ang nakalipas, ang Series 7 ang nagtukoy ng taas ng BMW, ang S-Class ang nagtataguyod ng luxury tone ng Mercedes, at ang A8 ang nagpapatibay sa imahe ng Audi bilang flagship, kung saan ang flagship model ang nagtatakda ng hangganan ng brand. Ngunit ang tunay na nagtataguyod ng bilang ng benta at kumikita ng kita ay patuloy na ang BMW 3 Series, Mercedes C-Class, at Audi A4.

Mas malinaw pa ito sa pagkatapos. Ipinatunay ng Model S na kayang gumawa ng kotse si Tesla. Ang tunay na nagpabigay sa kanya ng katayuan bilang pandaigdigang tagagawa ng kotse ay ang Model 3 at Model Y.

Ang flagship ang responsable sa pagpapatotoo ng kakayahan, habang ang mass-market models ang responsable sa sukat.

Ang AI ay nagsimula na ring pumasok sa etapeng ito ngayon. Ang Sol at Fable ay magpapatuloy na umiiral, at sila ang nagtatanggol sa mga hangganan ng teknolohiya at nagpapabago sa mga benchmark. Ang mga nagdudulot ng komersyalisasyon ay lalong magiging Luna, Terra, at Opus.

Ipinakilala ng OpenAI ang proseso ng pag-rekomenda, ang Sol ang nagtatrabaho sa pagpaplano, habang ang Luna ang nagpapatupad.

Hindi na ito isang modelo lamang, ang OpenAI ay nagdidisenyo ng isang sistema ng pagkakasunod-sunod ng mga modelo. Sa hinaharap, ang mga negosyo ay hindi bibili ng isang modelo, kundi ng buong sistema ng mga modelo. Ang tunay na nagpapasya sa gastos ay hindi ang chief designer, kundi ang mga manggagawa na araw-araw ay gumagawa.

May isa pang detalye, at sa tingin ko ay mas interesante kaysa sa pagbaba ng presyo.

Binanggit ng OpenAI sa teknikal na pahayag na ang pagbaba ng presyo ay hindi lamang dahil sa pagbili ng higit pang GPU o dahil sa paglaki ng sukat. Ang totoong dahilan ay ang pagiging bahagi ng modelo sa pag-optimize mismo ng modelo.

Sa partikular, sa pamamagitan ng gabay ng mga inhinyerong tao, binago at pinabuti ng Sol ang paaalala ng produksyon. Ipinagdesign nito ang mga daan-daang eksperimento upang palakasin ang efficiency ng Token generation, at kahit na sumali sa pagmamasid sa proseso ng pagtatrabaho ng modelo, at agad na sumasali kapag nakakakita ng mga problema.

Bilang resulta, bumaba ang kabuuang gastos sa pagpapatakbo ng 20%, at tumaas ang efisiyensiya sa pagbuo ng Token ng 15%.

Madaling ma-iignore ang mensaheng ito, ngunit malaki ang kahulugan nito.

Noong nakaraan, ang pagpapabuti ng efficiency ay nagsisimula sa mga inhinyero. Pagkatapos ma-deploy ang model, ang tao ay Pindutin Optimize inference framework, CUDA, caching strategy, and scheduling algorithm. After a year, squeezing out a dozen or more percentage points of efficiency improvement is already good.

Ang pag-unlad ng teknolohiya ay nagsilip sa bagong landas. Ang mga modelo ay nagsisimula nang umabot sa mga gawain sa pag-optimize ng ilalim na code at pag-schedule ng computing power, na nag-i-iterate at tumatakbo nang 24/7.

Ito ay isang siklo na patuloy na umaasal. Mas matalino ang modelo, mas malakas ang kakayahan nito na makatulong sa pag-optimize. Mas mabilis ang pag-optimize, mas mabilis ang pagbaba ng gastos. Mas mababa ang gastos, mas malaki ang dami ng paggamit. Mas malaki ang dami ng paggamit, mas maraming data ang nabubuo, na ginagamit para tuloy-tuloy na pagsanay sa modelo.

Ibinahin ko ang pagbabago ng presyo ng OpenAI sa nakaraang dalawang taon at kalahati. Ang unang presyo ng GPT-4 ay $30 bawat milyong token, bumaba sa $5 para sa GPT-4o, at $0.15 para sa GPT-4o mini. Ngayon, ang presyo ng Luna ay malapit sa mura na antas ng dating mini, ngunit ang kabuuang antas ng inteligensya nito ay nagsilbi nang higit pa sa mahal na GPT-4 noong dalawang taon na ang nakalipas.

Sa loob ng higit sa dalawang taon, bumaba ang presyo ng halos dalawang antas. Kung patuloy ang modelo na sumasali sa pagpapabuti ng sarili nito, malamang na magpapatuloy pa ang kurba na bumaba.

Hindi ang tunay na takot na bumaba ang presyo ng 80% ngayon, kundi ang pagbaba ng gastos na nagsisimula nang magkaroon ng sariling paggalaw.

Lalo kong nararamdaman na kapag pinag-uusapan ng mga tao ang kompetisyon sa AI ngayon, minsan ay patuloy pa ring gumagamit sila ng mga kahalintulad na kahulugan mula sa nakaraan.

Halimbawa, madalas pa ring itanong: Sino ang pinakamatalino? GPT, Claude, Gemini, DeepSeek Sa bawat paglalabas ng bagong modelo, agad na tinutukoy ng media ang ranking. Sino ang nasa una, siya ang nananalo.

Gayunpaman, ang mga bagong hakbang ng OpenAI at Anthropic ay nagbago sa pattern na ito, at ipinapahiwatig nila sa merkado ang isang bagong signal: ang pagkakaakit ng isang tagapagtagumpay sa isang partikular na performance ay patuloy na bumababa.

Binanggit ng OpenAI sa kanilang pahayag na isang pahayag na lubos na mahalaga: inirerekomenda nila sa mga developer na pagsasama-sama ang iba’t ibang modelo batay sa kahalagahan ng gawain, gastos sa pagkakamali, pagkakaroon ng urgensiya, at sukat.

Tandaan, ang pinag-uusapan na hindi ay ang modelo, kundi ang gawain.

Noong nakaraan, kapag isinagawa ng isang kumpanya ang AI, karaniwan ay mayroon lamang isang pagpipilian. Mula ngayon, mas parang pagbuo ng isang organisasyon. Ang pinakamahalagang gawain ay gamit ang Sol, ang pang-araw-araw na pagpapatupad ay ibinibigay sa Luna, at sa hinaharap ay maaaring mayroon pang mas magaan na modelo na responsable sa mas simpleng mga gawain.

Parang nangyari iyon noong panahon ng cloud computing. Walang maglalagay ng lahat ng data sa pinakamahal na SSD. Ang mainit na data ay isinasave sa SSD, ang karaniwang data sa HDD, at ang malamig na data sa object storage. Ang pinag-uusapan ng mga tao ay hindi kung aling hard drive ang pinakamabilis, kundi kung paano gawing pinakamahusay ang buong sistema.

DeepSeek Totoo nang mas maaga itong naramdaman kaysa sa Silicon Valley. Sa nakalipas na anim na buwan, halos hindi ito sinikap na ipakita na ito ang pinakamatalinong sa buong mundo; paulit-ulit lamang itong sinasabi: mura, sapat ang bilis, sapat ang paggamit.

Pagkatapos ng cache hit, mas mura na halos hindi makikita bawat milyong Token. Patuloy itong umaasa sa isang bagay: ang kailangan ng mga negosyo ay hindi ang mundo champion, kundi ang deployment option na may pinakamataas na overall ROI.

Hindi ito isang panandaliang pakikidigma sa presyo; ang pagsubaybay ng dalawang malalaking kompanya sa Silicon Valley ay nagpapatotoo sa kahusayan ng商业路径 na ito.

Hanggang ngayon, malinaw na ang estratehiya ni OpenAI; hindi na ito ibinebenta ang modelo, kundi ang bilang ng mga pagtawag.

Kahit na dating nakabatay ang mga tagagawa ng modelo sa mataas na premium sa teknolohiya para makakuha ng mataas na margin, nagbago na ang logika sa pagpapatakbo patungo sa napakababang hadlang upang makakuha ng napakalaking ecosystem ng traffic.

Ang tunay na pagkakita ng Microsoft ay hindi dahil sa mataas na presyo ng Windows, kundi dahil lahat ng computer ay may Windows. Ang AWS ay kumikita hindi dahil sa mataas na kita bawat server, kundi dahil sa milyon-milyon na aplikasyon ang tumatakbo dito araw-araw sa buong mundo.

Ang kita ng platform ay batay sa pagkakaroon ng pagkakataon.

Ito ang nagpapaliwanag kung bakit hindi umuunlad ang presyo ng SOL. Ang SOL ang nagdudulot ng brand, ito ang nagpapatotoo na ang OpenAI ay patuloy na ang pinakamataas na teknikal na limitasyon sa industriya. Samantala, ang Luna ang nagiging engine ng kita.

Gusto ng OpenAI na mabuo ng mga developer ang isang bagong default na gawi: gumamit ng Luna para isulat ang Agent, gumamit ng Luna para jalurin ang workflow, at gumamit ng Luna para sa batch execution. Maglalapat lamang ng Sol kung makakatagpo ng totoong mahirap na problema.

Kapag naka-establish na ang default na ito, magiging sobrang mahirap na ang kompetisyon. Ang paglipat ng isang enterprise sa isang iba’t ibang base model ay nangangahulugan ng pag-retest, pag-verify, at pag-adapt ng buong workflow. Ang gastos sa paglipat ay magiging mas mataas pa.

Ang tunay na parapet ay nagsimula nang lumipat mula sa pagiging lider sa kakayahan patungo sa pagkakapit sa ekosistema.

Kung tingnan natin sa higit pang panahon, ang industriya ng AI ay nasa isang napakatipikal na punto ng pagbabago sa ekonomiya ng iskala.

Kapag bumaba ang gastos sa bawat yunit ng computing power sa napakababang antas, ang kabuuang demand sa Token ay hindi bumaba kasabay ng pagbaba ng presyo bawat yunit, kundi lumitaw nang eksponensyal.

Hindi na nagdedesisyon ang flagship model dahil ang pagtutok ng teknikal na pag-unlad ay nalipat mula sa pag-aaral ng hangganan ng inteligensya patungo sa pagbaba ng gastos sa industrialisasyon ng compute. Kapag mababa na ang gastos sa API call hanggang sa maaaring ignore, magiging malabo na ang anyo at hangganan ng model.

Hindi na nag-aalala ang mga enterprise developer sa bawat pagkawala ng Token, kundi isinasaayos nila ang AI nang walang pagkakainterrupt sa bawat proseso ng negosyo.

Ang pinakamalalim na aspeto ng pagbabagong ito ay ang pagbaba ng presyo ng API na nagpapataas ng kabuuang gastos sa paglipat ng software engineering. Kapag ang mga workflow ng negosyo, ang network ng pag-schedule ng Agent, at ang mga automated data pipeline ay nabuo na sa pamamagitan ng pagsasama-sama ng mga modelong mura, ang mga tagapagbigay ng pundamental na model ay nakakabukod sa pipeline ng computing power para sa susunod na sampung taon.

Sa mga nakaraang taon, ang mga kumpanya ng malalaking modelo ay bumebenta ng智能化. Mula sa araw na ito, sila ay nagsisimula na bumebenta ng efficiency.

Ito ay dalawang magkakaibang kuwento.

[Labas sa layout]

Kanina, karaniwan nating ihahambing ang pag-unlad ng AI sa mga konsumidor na elektroniko, umaasa na mayroong mga bagong flagship na magpapalit ng rekord sa bawat pagkakataon.

Ngunit baka ang totoong anyo ng tagumpay ng AI ay hindi pagiging isang produkto na naging sensasyon.

Noong unang inimbento ang steam engine, nagkakaroon ng pagkagulat ang mga tao sa kanyang produktibidad, ngunit ngayon, ang kuryente ay umiikot nang walang katapusang nagpapagalaw sa buong kabihasnan, at wala nang tao ang nag-uusap nang espesyal tungkol dito.

Kapag ang mga tao ay hindi na nagkakaroon ng pangungulit tungkol sa kung anong bagong score sa IQ ang natapos ng isang flagship model, ang AI ay nagsisimula nang tahimik na maging bahagi ng bawat sistema, bawat utos, at naging ang tubig at kuryente na awtomatikong tinatawag sa likod ng lahat ng automated na proseso.

Ang totoong panahon nito ay bago lang nagsisimula.

Ang artikulong ito ay galing sa WeChat public account na “Beyond the Layout,” may-akda: Hua Hua