编辑：定慧 好困

【新智元导读】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。

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。