这已经不是"谁更聪明"的竞赛了，而是赤裸裸的用户入口争夺战。

谷歌：100万词元输出，推广价仅2美元

谷歌今天正式开放Gemini 4 Argon。这是谷歌当前最强的旗舰模型，最大亮点是单次输出上限从6.4万词元直接拉到100万词元——相当于一口气输出一部长篇小说的篇幅。

价格更狠。推广期（截至2026年11月30日）API定价为：

• 输入：每百万Token 2美元
• 输出：每百万Token 10美元
• 缓存输入：折扣95%，约0.1美元/百万Token

作为对比，12月1日恢复原价后输入和输出都要翻倍至4美元和20美元。第三方评测机构Artificial Analysis测算，按推广价计算，Argon完成一个任务的成本约1.99美元，大约是Anthropic Opus 5.5的一半、OpenAI Astra的五分之一。

普通用户端，Google AI Pro和Ultra订阅用户已经可以在Gemini应用和搜索里直接使用Argon。

OpenAI：12亿用户全量免费

就在谷歌发力的同一天，OpenAI把GPT-6向全球ChatGPT用户全量开放。据搜狐报道，这覆盖了每周使用ChatGPT的约12亿用户：

• 付费用户即日起可使用GPT-6 Sol
• 免费版和低价Go套餐用户从10月8日起可使用GPT-6 Luna

要知道，就在几周前，最强的GPT-6 Astra还只是Pro会员的专属。现在OpenAI直接把GPT-6的能力下放到免费用户层，背后意图很明确：用免费换取用户时长和数据飞轮。

Luna的API定价也足够激进：输出从每百万Token 1.20美元降到0.50美元，降幅约58%。

Anthropic：轻量模型降价90%

Anthropic的Claude Haiku 5.5在10月7日发布，针对10万Token以下的短请求，价格直接降到上一代Haiku 4.5的十分之一：

• 输入：每百万Token 0.10美元
• 输出：每百万Token 0.50美元

这个价格和OpenAI的GPT-6 Luna基础费率完全持平。Haiku 5.5同时支持100万Token上下文，在GDPval-AA测试中得分1620，OSWorld（电脑操作能力）得分达到7倍提升。Anthropic今天还在旧金山举办IPO投资者日，市场预期估值冲击2万亿美元——降价抢市场、上市讲故事，节奏连贯。

价格战背后的信号

把这三件事放在一起看，有几个趋势值得关注：

第一，大模型从"能力竞赛"进入"成本竞赛"。 过去两年比的是谁基准分高；现在比的是谁能在同等智能水平下把价格压到最低。对做AI工具、AI副业的人来说，调用成本的快速下降意味着以前算不过账的项目现在能做了。

第二，免费层成为标配。 OpenAI把GPT-6免费开放、谷歌用推广价抢开发者、Anthropic用0.1美元的输入价吃走量——头部厂商都在把"便宜"当成护城河。这对中小AI应用创业者既是利好（基础设施便宜了）也是压力（用户预期被拉得极低）。

第三，长上下文正在变成基础能力。 Gemini 4 Argon和Claude Haiku 5.5都把上下文推到了100万Token级别。当"读完整本书"不再是卖点，真正的差异化就回到了谁的工具链更好、谁的工作流更顺。

对普通用户来说，现在是用AI最划算的时候：模型更强、价格更低、选择更多。对从业者来说，价格战没有结束的迹象——下一轮降价，可能比你想的来得更快。

听起来很美好，但价格单一出来，社区立刻吵翻了。

速度提了多少？

先看官方口径。OpenAI把Ultrafast描述为"接近Astra智能水平，速度最高达到Sol标准版的8倍"。换句话说，模型本身没变，还是9月29日发布的GPT-6.1 Sol，智能水平依然逼近旗舰款Astra，但响应速度大幅提升。

这已经是OpenAI第二次迭代"Ultrafast"概念。今年早些时候，他们曾与芯片厂商Cerebras合作做过一次类似尝试。这次直接整合进了Responses API，并同时向API、Codex和ChatGPT Work三个渠道开放。

对写代码、跑智能体的开发者来说，8倍速意味着什么？以前一个Agent任务跑下来要等一两分钟，现在十几秒就出结果；调试时可以实时调整方向，不用等模型"想完"才知道跑偏了。Codex负责人Tibo在X上表示，配合新的Steering功能（任务中途调整方向），两者"效果极佳"。

价格才是争议核心

速度不是白给的。OpenAI官方定价显示，Ultrafast模式的API价格为：

• 输入：每百万Token 12美元
• 输出：每百万Token 60美元

这个数字是什么概念？做个对比：

• Sol标准版输入约2美元、输出约10美元——极速版是它的6倍；
• Sol Fast快速模式约4美元、20美元——极速版是它的3倍；
• 旗舰Astra标准版为10美元、50美元——讽刺的是，Sol极速版居然比Astra标准版还贵20%。

36氪算了一笔账：假设一次请求消耗10万未缓存输入Token和1万输出Token，标准版约0.30美元，Fast模式约0.60美元，Ultrafast约1.80美元。如果输入超过27.2万Token的长上下文，极速版价格还会涨到输入24美元、输出90美元每百万Token。

6倍价格不等于6倍速度——官方说的8倍速是峰值，实际体验取决于任务复杂度和排队情况。但账单是实打实按6倍走的。

500美元门槛和额度焦虑

更让普通用户不满的是开放范围。

API端，Ultrafast向所有开发者开放（但有独立速率限制）。但到了ChatGPT产品端，极速模式只对每月500美元的Pro档以及符合条件的Enterprise和Edu方案开放。每月200美元的Pro用户、Plus用户都用不了。

X上用户DoubleStraddle直接开怼：这让每月付200美元的人感觉"像被晾在一边"。用户lorenzo的观点更尖锐：如果基础速度慢，那把基础速度做好才是该做的事，而不是把"快"做成高价套餐的特权。

额度消耗是另一个雷区。官方说明显示，在ChatGPT订阅套餐里，Ultrafast模式消耗额度的速度是标准版的8倍——也就是说，你不仅付了更高的月费，还烧得更快。一位自曝是500美元档用户的Luca Hagenmayer吐槽，自己的额度"撑不过一天"，实在想不通开极速版的意义。

谁该用？谁该等等？

抛开情绪，这个功能到底值不值？

OpenAI自己的建议是：在自己的真实任务上对比Sol和Astra，判断质量与成本的取舍。结合用户反馈，可以梳理出一个粗略的判断框架：

适合立刻用极速版的场景：API开发、实时交互的Agent、Codex写代码调试——这些场景里，等待时间本身就是成本，8倍速带来的工作流提升足以覆盖6倍价格。

建议观望的场景：长文本生成、大批量离线任务、对成本敏感的副业项目——这些任务不差那几十秒，6倍价格会直接吃掉利润。普通ChatGPT用户更没必要为了极速版去升500美元档。

一个信号：AI竞争从"谁更聪明"转向"谁更快更便宜"

这次更新背后有个值得注意的趋势。过去两年，大模型的竞争焦点是"谁通过了更难的基准测试"；但现在，OpenAI开始按速度分档收费，谷歌云同期发布了企业级智能体Gemini Agent，Figure AI推出了第三代人形机器人——行业正在从"模型能力竞赛"转向"部署成本和体验竞赛"。

对做AI工具、AI副业的人来说，这意味着两件事：一是模型调用成本结构会越来越复杂，选模型不能只看智商；二是"更快的响应"正在成为产品差异化的关键点，谁能把API成本压住、把体验做顺，谁就有机会。

至于极速模式本身？如果你是每天和API打交道的开发者，值得试；如果只是普通用户聊聊天，等它下放到200美元档再说也不迟。

这不是一篇论文，而是一整个研究库。

到底发布了什么？

根据OpenAI在GitHub开源仓库（openai/math）上的说明，这批材料包含：

• 722份手稿，按372个"结果系列"（result family）组织，每个系列可能包含主结果、相关论证、推论或替代证明；
• 对其中许多结果提供了Lean形式化证明——也就是可以由计算机自动验证的严格证明；
• 10份关于模型推理过程的精简摘要；
• 采用Apache 2.0许可证开源。

具体涉及的问题分量不轻：包括米尔恩理性猜想与代数特化、准黎曼假设、希尔伯特第十问题相关方向等长期悬而未决的开放问题。据OpenAI披露，该模型在测试阶段一共尝试了约4000个研究问题，最终产出这批成果。

作为参照，就在上个月（2026年9月），同一个内部模型刚刚宣布解决了与Navier-Stokes方程相关的一个长期数学问题——Navier-Stokes方程描述流体运动，是克雷数学研究所公布的七大"千禧年大奖难题"之一。

算力成本：每个证明约等于3小时ChatGPT Pro

据希腊科技媒体Techgear援引的信息，每一项证明平均消耗的计算力，大约相当于ChatGPT Pro持续使用3小时。这意味着这批成果背后的算力投入相当可观，但与传统超算攻关相比仍属高效。

OpenAI发言人Lindsay McCallum Rémy在接受媒体采访时表示，公司正在与数学界合作制定最佳实践，未来将继续探索由学术社群托管的发布方案，并承诺改进文稿质量、引用规范和数学阐述方式。

为什么数学界不买账？

成果数量惊人，但学界的反应并非一边倒地欢呼。核心争议集中在三点：

第一，验证跟不上产出速度。 《科学美国人》指出，这批成果数量太大，数学家需要数月时间才能逐一审阅、判断证明是否正确。OpenAI自己也在发布说明中承认，部分成果可能包含错误。当AI一次产出数百个"答案"，人类审稿体系根本来不及消化。

第二，发布渠道的规范性问题。 2026年9月下旬，由普林斯顿高等研究院托管的"数学与人工智能咨询小组"（AGMAI）刚刚成立，并在9月底发布首批建议：AI实验室应通过成熟的学术渠道发布成果，披露模型名称、提示词和算力成本等关键信息，并且不应将数学成果发布用作模型营销工具。

OpenAI选择直接在GitHub上批量抛出722份手稿，恰好踩在了这条红线上。批评者认为，这种"倾倒式"发布更像是一场PR事件，而非严谨的学术交流。

第三，模型本身不透明。 这些成果来自一个"内部未发布的前沿模型"，外界无法复现实验、无法审计模型行为。即使有Lean形式化证明兜底，证明背后的推理路径和模型能力边界仍然是个黑箱。

这件事意味着什么？

抛开争议不谈，这批成果标志着一个转折点：AI在纯数学领域的角色，已经从"辅助工具"变成了"独立研究者"。过去AI更多是帮数学家验算、补全证明步骤；现在它开始主动提出猜想、独立完成长链条证明，甚至一次产出数百项结果。

对普通从业者来说，有两个信号值得注意：

一是形式化验证工具的重要性在快速上升。Lean等可以由计算机自动检查的证明语言，正在成为AI数学成果可信度的"裁判"。未来不会读Lean证明的人，可能很难跟上AI产出的节奏。

二是AI科研协作的规则正在重建。AGMAI这类机构的出现，说明学术界已经意识到不能被动接受AI公司的"成果轰炸"，正在主动制定发布规范。对关注AI资讯和AI工具的人来说，这个领域的规则变化本身就是值得持续跟踪的赛道。

OpenAI承诺会继续改进发布方式。但可以预见的是，下一次"批量发布"不会太远——真正的问题是，人类的审稿体系准备好了吗？

这意味着，每两个中国人中就有一个使用过生成式AI。而就在半年前，CNNIC今年2月发布的第57次统计报告显示，这一数字还是6.02亿、普及率42.8%。半年时间新增近1亿用户，普及率提升超过7个百分点——这种增速在互联网发展史上都堪称罕见。

7亿用户到底在用AI做什么？

报告披露了当前生成式AI的使用结构。智能问答是绝对的第一大场景，76.0%的用户会让AI回答问题；其次是图片和视频处理（47.8%）、文本写作（37.6%），以及工作总结、会议纪要、PPT等办公场景（32.5%）。

更值得关注的是使用深度的变化。从各类应用的用户使用次数来看，AI综合助手、AI效率办公类应用的使用次数同比增长均超过100%。这说明用户正在从"尝鲜式体验"转向"习惯性依赖"——AI不再是偶尔点开看看的新奇玩具，而是嵌入日常工作流的效率工具。

智能消费端的数据同样亮眼：38.7%的网民在近半年内购买过智能硬件设备，其中可穿戴设备（20.2%）和3C数码产品（18.2%）是用户接触智能硬件的首要入口。

底层能力正在发生质变

报告同时揭示了中国AI产业的底层进展：

算力层面，截至2026年6月，我国智能算力规模达到2185 EFLOPS（百亿亿次浮点运算/秒），同比增长177%。首个全国产10万卡AI超集群正式投用，从芯片、计算、存储、网络到散热，全栈采用国产自主可控技术，标志着算力基础设施迈入十万卡级新阶段。

模型层面，深度求索、月之暗面等本土企业先后发布多个万亿级参数开源大模型。在全球主流大模型调用榜单上，排名前六的模型全部来自中国团队。国产模型与国产算力芯片的适配也在加速。

数据层面，我国已建成高质量数据集超过12万个，算力、模型、数据三者正在形成互促共进的良性循环。

产业渗透和资本热度

在产业端，规上制造业企业的AI技术应用普及率已超过30%，覆盖集成电路、有色金属、电力、通信等重点行业，AI贯穿了研发设计、生产制造、质检运维全链条。农业领域也密集发布了"神农大模型4.0""谷雨农气大模型V2.0"等多款垂直模型。

具身智能是今年最活跃的方向之一：2026年上半年，我国人形机器人整机产品已超过400款，预计全年整机产量突破10万台。

资本端同样火热。2026年上半年，国内发生1255起AI相关投融资事件，合计金额约2501.4亿元——事件数已达2025年全年的78%，金额更是达到去年全年的182%。政策端也从"技术攻关"转向"场景落地"与"规范治理"并重。

写在最后

7亿用户、50%普及率，不只是一个数字。它标志着生成式AI已经跨过了早期采用者阶段，进入了大众普及期。对普通从业者来说，这意味着两件事：一是AI工具正在成为职场基础技能，不会用AI的人会逐渐处于劣势；二是围绕AI的内容创作、效率服务、智能硬件评测等新赛道正在快速扩容。

7亿不是终点，而是下一轮增长的起点。