OpenAI 首次把 AI 成本改按成功任务计算｜最低 token 价不等于最低结果成本
一句话总结
OpenAI CFO Sarah Friar 提议按成功任务完整成本衡量 AI，最低 token 价格未必对应最低结果成本。
OpenAI CFO Sarah Friar 7 月 17 日首次提出「Useful Intelligence per Dollar」评分框架。企业衡量 AI 投资，不再只看席位、用户数或 token 价格；四项指标是有用工作、成功任务成本、结果可靠性，以及规模扩大后每美元产值。
完整成本包括算力、员工工时、人工审核、重试与返工，再除以达标任务数。低价模型如果需要多轮尝试，总成本会高于一次完成的高价模型；最低 token 单价不一定带来最低 outcome cost。AI 采购的 ROI 改按可交付结果计算。
Friar 引用 Artificial Analysis Coding Agent Index v1.1：不同 agent harness 下，Codex 中的 GPT-5.6 Sol max 得 80.0 分，Claude Code 中的 Claude Fable 5 max 得 77.2 分。output tokens 总量是 17,610,095 对 38,395,071，前者少 54%。指数涵盖 321 个任务、每项执行 3 次，对比的是模型与 harness 组合。
OpenAI 同页的 DeepSWE 图表列出 72.7% 对 69.9%，estimated API cost 低 36.2%；它与 54% 的 Coding Agent Index token 对比不是同一张表。方法页说明，缺失 telemetry 会被排除，不按零计算。原始总数是 17,610,095 对 38,395,071。
via Artificial Analysis / OpenAI / Artificial Analysis 方法
完整成本包括算力、员工工时、人工审核、重试与返工，再除以达标任务数。低价模型如果需要多轮尝试，总成本会高于一次完成的高价模型；最低 token 单价不一定带来最低 outcome cost。AI 采购的 ROI 改按可交付结果计算。
Friar 引用 Artificial Analysis Coding Agent Index v1.1：不同 agent harness 下，Codex 中的 GPT-5.6 Sol max 得 80.0 分，Claude Code 中的 Claude Fable 5 max 得 77.2 分。output tokens 总量是 17,610,095 对 38,395,071，前者少 54%。指数涵盖 321 个任务、每项执行 3 次，对比的是模型与 harness 组合。
OpenAI 同页的 DeepSWE 图表列出 72.7% 对 69.9%，estimated API cost 低 36.2%；它与 54% 的 Coding Agent Index token 对比不是同一张表。方法页说明，缺失 telemetry 会被排除，不按零计算。原始总数是 17,610,095 对 38,395,071。
via Artificial Analysis / OpenAI / Artificial Analysis 方法
