• 首頁
  • >
  • 科技
  • >
  • OpenAI 降價搶市低階模型八成 企業 AI 支出趨審慎

OpenAI 降價搶市低階模型八成 企業 AI 支出趨審慎

商傳媒|方承業/綜合外電報導

全球人工智慧(AI)領導廠商 OpenAI 於週四宣布,大幅調降其部分低階及中階 AI 模型的定價,其中小型模型 GPT-5.6 Luna 降幅高達八成,中階模型 Terra 也降低兩成,但其旗艦級模型 Sol 的價格則維持不變。此舉是為了回應企業對 AI 導入成本日益審慎的態度,以及日益激烈的全球 AI 市場競爭。

根據《CNA》報導,OpenAI 此次降價旨在降低企業使用 AI 的門檻。以計費單位「Token」(AI 模型處理資訊的基本單位)為例,GPT-5.6 Luna 的文字輸入費用從每百萬 Token 1 美元降至 0.2 美元;文字生成費用則從每百萬 Token 6 美元大幅降至 1.2 美元。Terra 模型方面,文字輸入費用從每百萬 Token 2.5 美元降至 2 美元,文字生成費用則從 15 美元降至 12 美元。OpenAI 表示,這些價格調整歸功於 GPT-5.6 的效率提升,使其能在更低的成本下執行過去需要高階系統才能完成的任務。

全球 AI 競爭加劇 價格戰開打

此次降價預計將對其他 AI 廠商造成壓力,尤其對其主要競爭對手 Anthropic 而言。Anthropic 的 Claude 系列模型目前價格仍處於市場高位,例如中階的 Claude Sonnet 4.6 模型,每百萬輸入 Token 需 3 美元,輸出 Token 更高達 15 美元。同時,來自中國的開源模型,例如 Z.ai 的 GLM-5.2,也以更低的成本挑戰市場,這些平價模型有潛力改變全球 AI 產業格局,降低新創公司和小型國家進入 AI 領域的門檻,並推動市場創新。

儘管 Token 價格有所下降,報導也指出,由於 AI 廠商日益採行「依使用量計費」的定價模式,導致企業的 AI 帳單往往難以預測且金額更高。科技業執行長們普遍認為,提供更經濟實惠的 AI 選擇,是推動這項技術廣泛採用的關鍵。

歐盟大舉投資 AI 基礎建設

在全球 AI 競爭白熱化之際,歐盟也正加速提升自身的 AI 實力。根據《The Washington Post》和《EUbusiness.com》報導,歐盟執委會於週四宣布,將投入 100 億歐元(約 115 億美元)資金,在歐洲境內興建七座「AI 超級工廠」(AI Gigafactories),預計將吸引至少 200 億歐元的私人投資。這項大規模計畫旨在縮小歐洲與美國、中國在 AI 領域的差距,確保其技術主權,並將歐洲打造成「AI 大陸」。

歐盟執委會執行副主席 Henna Virkkunen 表示,在 AI 發展加速的背景下,取得 AI 超級工廠的強大運算能力,對歐洲而言是戰略上的必要。這些工廠將整合先進的 AI 處理器、軟體、雲端技術、高速網路與節能資料中心,提供新創公司、中小型企業、產業、學術界及政府機關,用於訓練、推論與微調前沿 AI 模型所需的基礎設施。

金融業導入 AI 趨審慎 台灣 AI 服務業應關注成本效益

隨著 AI 技術的普及,企業在導入時的審慎態度也越發明顯。新加坡金融管理局(MAS)此前已就 AI 風險管理指引完成公眾諮詢,未來將對所有金融機構實施 AI 監督、治理與生命週期控制標準。香港的監管機構也推出了 GenAI Sandbox++ 計畫,聚焦於風險管理和防詐措施。

《Insurance Business》指出,儘管新加坡消費者願意讓 AI 輔助儲蓄習慣,但在長期財務規劃方面仍傾向於人類顧問,顯示出對 AI 的信任仍有局限性。高達 45% 對 AI 財務建議猶豫的消費者,主要擔憂缺乏人為監督與保證。這表示在技術成本降低的同時,企業若要推動 AI 服務,仍需考量人類信任與監管合規性。

對台灣 AI 服務業而言,OpenAI 的降價代表基礎模型的使用成本有望降低,這有助於減輕開發成本,促進更多創新應用。然而,面對全球日益激烈的價格競爭,尤其來自中國更為低價的 AI 模型,台灣 AI 服務商也可能面臨更大的市場壓力。未來如何在成本效益與服務品質、數據安全及合規性之間取得平衡,將是台灣 AI 服務業必須審慎評估的關鍵。

OpenAI 降價搶市低階模型八成 企業 AI 支出趨審慎 - 台北郵報 | The Taipei Post

相關新聞

OpenAI 降價搶市低階模型八成 企業 AI 支出趨審慎

俄軍飛彈摧毀基輔美商無人機廠 專製抗干擾精密機型

Lightspeed LA 大裁員,旗艦遊戲 Last Sentinel 開發方向急轉彎

自駕AI競賽規則丕變 日車廠盼藉生成式AI彎道超車

人工智慧開放模式掀論戰:開源與開放權重各擁優劣

AI模型揭加密碼學漏洞 兩種演算法安全受檢視