建構普惠智慧：OpenAI 全棧經濟與降價策略
為何重要
OpenAI 顯然已將策略重心從單純的模型堆疊轉向「運算效率」與「產品生態」的閉環最佳化，這意味著未來的競爭焦點將是從模型能力下沉到底層服務架構的落實程度。對產業而言，這證明瞭透過系統層面的最佳化（如路由、解碼）可以比模型訓練更直接地壓低成本，這是開發者與企業制定 AI 預算時的新考量；對投資人來說，雖然這表明其商業模式具有內生動力，但也預示著若無法突破算力成本的極限，單使用者營收（ARPU）將面臨長期的下行壓力。
OpenAI 提出以「全棧」（infrastructure，models，platform，products）整合資源，將高成本智慧轉化為高普及度的經濟迴圈，目標是讓模型更具價效比，從而激發更多商業與研究價值。
- 定價調整：GPT-5.6 Luna 的輸入與輸出成本分別下調 80%，現輸入僅 0.20 美元、輸出 1.20 美元（每百萬 Token）；Terra 則同步降低 20%。
- 效能提升：GPT-5.6 Sol 協助減少端對端運營成本 20%，並使推測性解碼（speculative decoding）效率提升逾 15%。
- 基準改進：透過最佳化上下文管理，GPT-5.6 Sol 透過使用六倍較少的輸出 Token，將 ARC-AGI-3 基準測試分數從 13.3% 提升至 38.3%。
- 規模擴張：產品連結超過 10 億活躍使用者與 200 萬間企業，其中 Codex 的代理工作佔每週產出 Token 的 99.8%。