OpenAI 调整美国政府合作模式:1 美元试点结束,转向五折按量计费

OpenAI 结束美国政府每年 1 美元的 AI 模型试点,转向五折按用量计费。新协议将于 10 月 1 日生效,并扩展至州、地方和部落政府。

美国政府机构使用 OpenAI 模型的成本结构即将发生变化。据彭博社报道,美国总务管理局(GSA)表示,OpenAI 将结束一项允许政府机构每年仅支付 1 美元使用其模型的试点项目。新方案改为按实际用量计费,联邦工作人员使用相关 AI 技术可享受标准售价五折优惠。

这项调整意味着,OpenAI 在政府市场的推进方式,正从极具象征意义的超低价试点,转向更接近长期商业合同的收费模式。对于希望引入大模型工具的美国各级政府机构而言,成本不再是一次性试点费用,而将随着调用规模直接变化。

从 1 美元试点走向按用量计费

为推动模型在政府部门落地,OpenAI 于去年 8 月进入 GSA 的 OneGov 采购平台。该平台主要供联邦机构批量采购 AI 软件。当时协商的首年每年 1 美元条款,被 GSA 描述为美国政府中央采购部门有史以来谈成的力度最大的科技产品折扣。

GSA 表示,试点期间共有 350 万名联邦雇员使用 ChatGPT,累计节省 14 亿美元成本。按现汇率计算,1 美元约合 6.7 元人民币,14 亿美元约合 94.16 亿元人民币。

新协议将于 10 月 1 日生效,有效期超过两年。相比此前每年 1 美元的安排,五折按量计费的价格明显上升,但仍低于标准售价。对政府机构而言,这种定价方式既保留了继续测试和扩大部署的空间,也让 OpenAI 的收入与实际调用量挂钩。

折扣范围扩展至州和地方机构

值得关注的是,这项折扣并不只停留在联邦层面。OpenAI 计划于周四宣布,五折优惠将从联邦政府扩展至州政府、地方政府以及部落政府。这显示 OpenAI 正在把政府客户从单一联邦试点,拓展为覆盖多层级公共部门的市场机会。

素材提到,新方案也涉及政府机构测试并大规模部署 AI 工具,其中包括 OpenAI 新款模型 GPT-6 Astra。对于公共部门而言,能否以较低成本接入较新模型,是评估采购方案的重要因素。

竞争与政策变量交织

OpenAI 与 GSA 调整合作模式之际,美国政府 AI 采购市场并非只有它一家参与者。素材显示,在 OpenAI 与 GSA 签约几天后,Anthropic 也谈成了同样每年 1 美元的合作。几周后,Anthropic 还在华盛顿联合车站举办面向联邦工作人员的大型活动,推介其 AI 产品,首席执行官达里奥 · 阿莫迪现场发表演讲。

不过,Anthropic 的政府业务随后遭遇波折。该公司与美国国防部发生争执,原因是 Anthropic 希望在国家安全类合同中加入有关监控和自主打击系统的安全约束条款。矛盾升级后,美国国防部长皮特 · 赫格塞斯将 Anthropic 列为供应链风险。特朗普也在 Truth Social 平台发文,称不允许一家秉持激进左翼、政治正确理念的企业对美国军队行动提出要求,并要求政府机构停用 Anthropic 产品。

Anthropic 随后起诉美国政府。由于诉讼仍在审理,不涉及国家安全的联邦机构最终是否会停用 Anthropic 工具仍不明确。GSA 曾一度将其从官方 AI 模型平台移除,但在加州法院发布临时禁令后撤销了这一决定。上月,加州案件法官裁定特朗普政府必须解除联邦机构使用 Anthropic AI 的禁令,理由是国防部可以在自身业务中禁用该技术,但无权单方面强制其他政府机构停用。

政府市场进入商业化验证阶段

对 OpenAI 而言,从 1 美元试点转向五折按量计费,是一次更明确的商业化信号。早期超低价安排有助于快速扩大使用面、建立政府内部使用习惯,但长期来看,模型服务需要与算力、调用量和运维成本匹配。按用量计费更符合大模型服务的实际成本结构,也为后续扩大部署提供了可持续的价格框架。

这次调整也反映出美国政府采购 AI 的方式正在变化。政府机构不再只是通过象征性合同接触新技术,而开始进入真实预算、真实用量和真实合规要求的采购阶段。折扣仍然存在,但价格机制已经更接近商业市场。

在竞争对手面临政策与法律不确定性的背景下,OpenAI 此时扩大政府折扣范围,也可能增强其在公共部门市场中的稳定性。至少从目前素材看,OpenAI 正在把政府客户从试点用户转化为更长期的付费用户,而美国政府 AI 采购也进入了更注重规模、成本与合规边界的阶段。

原创文章,作者:点点,如若转载,请注明出处:https://www.dian8dian.com/openai-tiao-zheng-mei-guo-zheng-fu-he-zuo-mo-shi-1-mei-yuan

Like (0)
点点的头像点点
Previous 5小时前
Next 2小时前

相关推荐