新智元报道

编辑：定慧 好困

GPT-5背后的真正野心并非单纯追求性能，而是通过「自动路由」与「思考配额」开启「单位token经济学」。这一机制让高价值请求直连交易闭环，免费流量首次具备现金流。与此同时，顶级AI的普及让十亿人几乎零成本接触博士级智能，「大众智能」正在成新的历史拐点。

直到现在，GPT-5的升级，仍然被很多人低估了！

一方面是，很多人没有看透OpenAI发布GPT-5背后的真正原因。

GPT-5的「突破」不在性能，而是模型「自带路由」和思考配额分发下的「单位token经济学」。

未来不是「谁最聪明」的模型竞赛，而是如何能把高价值意图精准接到可抽佣闭环的一方，如何能够让每一个token的生成都伴随巨大的经济价值。

另一方面是，参考对比的模型和之前不同了。

俗话说得好，「没有对比，就没有伤害」。

虽然GPT-5在关键能力上的提升，与当年GPT-4超越GPT-3时的情景如出一辙。

但问题是，这两代模型的发布节奏完全不同。

在GPT-3到GPT-4之间，OpenAI自己的重磅更新只有GPT-3.5。

然而到了GPT-5这里，光OpenAI自己就发了好几款SOTA模型。

再加上其他前沿AI实验室的成果，那种一次性巨大飞跃所带来的震撼，早已不复存在。

OpenAI打算用GPT-5验证商业模式

OpenAI一开始就没有打算用GPT-5来继续拉高全球科技狂热者和无数用户对于AGI的追求预期。

GPT-5的关键不是AGI、性能、参数等等「硬核指标」，而在于GPT自带的「自动路由」与「思考时长管理」。

「自动路由」让OpenAI来决定用户的问题到底被发送到哪个模型，比如「为什么天空是蓝色」就无需调用Pro模型。

而「思考时长管理」让所有用户不能再额外占用模型的算力，GPT-5发布前，很多专业用户都长期使用o3或者o3-pro。

在最新一期的a16z的访谈节目中，请来了SemiAnalysis创始人Dylan Patel。

Dylan Patel，和他创办的SemiAnalysis是有关人工智能和半导体领域最权威的机构。

Dylan Patel认为GPT-5的关键并非参数增大，而是自动路由与「思考时长配额」管理。

高价值请求走昂贵链路，低价值请求交给轻模型，在不牺牲体验的前提下OpenAI能够实现降本增效。

对于免费用户，变现路径是通过把「高价值意图」（购物、法律、出行等）直连交易与抽佣闭环。

这让ChatGPT上的免费流量首次具备现金流。

免费用户的低价值查询则通过路由机制，弹性降级来控制成本。

现在很多AI产品的重度开发者把订阅「薅到负毛利」，比如Claude Count排行榜中，有人把每个月200美元的订阅玩出了2万、5万美元的效果。

逼得厂商从「无限/包月」转向速率与按量结合。

企业更偏好「可预测账单」的固定费率，消费者侧则难以回避用量差异。

所以OpenAI在发布GPT-5后，淡化了模型的概念，淡化了思考和非思考的概念，而是变为自动、极速、短思考、认真思考和专业模式。

这种转变的背后，藏着OpenAI的野心，他们希望能够主动给你分配算力和配额，而不是让用户肆意的浪费和占用。

另一方面，由于GPT-5策略的转变，现在免费用户是最大受益者。

GPT-5发布前，免费用户很难接触使用思考和专业模型，但是现在，欢迎来到「大众智能」时代。

大众智能时代

从GPT-5到纳米香蕉，强AI人人可得

如今，全球有至少十几亿人，都在定期使用AI。

ChatGPT每周活跃用户超7亿，再加上Gemini及其他顶尖AI，用户总数又增加了数亿。

通常，我们关注的都是AI技术领域的重大突破，但这其实掩盖了一场更宏大、酝酿已久的变革：

我们正在进入一个「大众智能」（MassIntelligence）时代。

在这个时代，强大的AI正变得像谷歌搜索一样触手可及。

强大的AI正变得唾手可得

过去，对大多数用户而言，接触强大的AI有两大障碍。

其一是「选择困境」。

很少有人知道该如何挑选AI模型，更少有人知道，在ChatGPT的菜单里选择o3模型能让他们用上顶级的推理AI，而选择看起来数字更大的4o，得到的能力却要逊色得多。

据OpenAI透露，即便是付费用户中，也只有不到7%的人会定期选择o3模型，这意味着大量高级用户也错过了推理模型的强大功能。

其二是成本。

由于顶级模型运行成本高昂，免费用户通常无法使用，或者只能在极为有限的情况下体验。

谷歌率先向免费用户开放了部分顶级模型，但OpenAI表示，在GPT-5推出前，其免费用户几乎无缘使用推理模型。

GPT-5的提出，正是为了解决上述两个问题：

首先，它是一个模型家族的总称，囊括了从较弱的GPT-5 nano到强大的GPT-5 Pro等截然不同的模型；

其次，它也是一个智能工具的名称，这个工具负责判断该调用哪个具体模型、分配多少算力来解决你的问题。

所以，当你向「GPT-5」提问时，你其实是在和一个「路由模型」对话，它会自动判断你的问题该由小而快的模型处理，还是需要动用更强大的推理模型。

尽管过程曲折，但GPT-5依然取得了十分显著的成果：

发布仅几天，使用过推理模型的付费用户比例从7%飙升至24%，而用上最强模型的免费用户也从几乎为零增长到了7%。

这种变化的背后，部分得益于更智能的模型运行效率正急剧提升。

下图清晰地展示了这一趋势：y轴代表AI能力，x轴则表示呈对数级下降的成本。

GPT-4问世时，处理一百万个token的成本约为50美元；而现在，使用能力远超初代GPT-4的GPT-5 nano，成本仅为约14美分。

强大的AI正变得简单易用

不过，仅仅能接触到强大的AI还不够，人们需要真正用它来解决问题。

过去，高效使用AI是一项颇具挑战的任务，需要掌握「思维链」等技巧来精心设计提示词，并学习各种诀窍。

然而，我们最近的一系列实验发现，这些技巧已不再那么重要。

强大的AI模型正越来越擅长理解并执行你的指令，甚至能预判你的意图、超越你的要求。

此外，变得更便宜、更易用的不只是文本模型。

最近谷歌爆火的Gemini 2.5 Flash图像模型——「纳米香蕉」（nano banana），不仅性能卓越（尤其擅长编辑图像），而且成本低廉到免费用户也能使用。

更重要的是，它能极好地理解并遵循自然语言指令。

举个例子，我们上传一张阿波罗11号宇航员的经典照片，以及一张亮片晚礼服的图片，然后给出了最简单的提示：

「给左边的尼尔·阿姆斯特朗穿上这件晚礼服。」

几秒钟后，就得到了下面这张图。

尽管有一些瑕疵，但晚礼服逼真的褶皱及其与场景的融合效果依然令人惊叹。其中，翻领上的NASA别针更是点睛之笔。

我们还能更进一步：

现在展示一张照片，尼尔·阿姆斯特朗和巴兹·奥尔德林穿着同样的衣服，坐在现代飞机的座位上。尼尔看起来很放松，身体后仰，正在吹小号；巴兹显得有些紧张，手里拿着一个汉堡。中间的座位上，坐着一只正在用笔记本电脑的逼真水獭。

注意看，不管是人物的表情，还是巴兹的戒指和尼尔的翻领别针，都得到了极好地体现。

虽然整个过程仍存在很大的随机性，但对大多数人而言，这不仅是能力上的巨大飞跃，更是易用性上的巨大突破。

大众智能时代的奇景

当强大的AI落入十亿人手中，无数事情将同时发生。

事实上，无数事情已然在发生。

有人与AI建立起了深厚的情感联系，摆脱了孤独；也有人因此精神崩溃，甚至选择自杀。

有人用AI在作业中作弊；也有人用它诊断疾病，或者开启一段新的商业冒险。

当十亿人都能使用先进AI，我们便进入了所谓的「大众智能」时代。

现有的每一个机构，如学校、公司、医院、政府，都是为一个「智能」既稀缺又昂贵的时代而构建的。

但如今的AI已足够强大，能在大部分任务上超越人类；用法已足够简单，无需任何手册；同时也已足够便宜，甚至可以免费运行。

因此每个行业、每个机构、每个社群都必须思考，如何在这个大众智能的时代中繁荣发展。

我们该如何驾驭十亿人使用AI的力量，同时管控随之而来的混乱？

当任何人都能凭空捏造一切时，我们又该如何重建信任？

我们如何在普及知识的同时，保留人类专业知识中那些宝贵的核心价值？

一场机遇与挑战的浪潮即将在全球的教室和会议室里席卷而来。

大众智能时代，就是将一套前所未有的工具交到几十亿人手中，看他们会创造出什么。

我们即将亲眼见证这一切。

参考资料：

https://epoch.ai/data-insights/gpt-capabilities-progress

https://www.oneusefulthing.org/p/mass-intelligence