o1一发布，创业者的算盘全变了

9月13日凌晨，传闻已久的Strawberry落地，OpenAI正式发布推理模型o1——包括o1-preview和更小更便宜的o1-mini。表面看，这只是一次常规的模型迭代；但把定价单、开放节奏和一周后云栖大会圆桌上的行业反应放在一起看，你会发现这不是刷榜，而是一次计价方式的切换：大模型第一次开始对『思考』本身收费。应用层创业者手里的账本，从这一晚起需要重算。

🚀 凌晨这场发布，藏着三重信号

凌晨发布，早已是OpenAI的习惯性动作，但这次的铺垫时间格外长。

Strawberry的传闻在圈内流传了数月，9月13日凌晨终于兑现：o1-preview与o1-mini同时亮相。有意思的是，OpenAI自己给这次发布定了个谦虚的调子——「预览版」，强调o1仍处于早期阶段。

OpenAI的API负责人在社交平台上的那句话，被很多创业者截图保存：「如果你过去有个产品想法，当时的模型不太行，不够智能，现在你再试试。」这句话的潜台词很直白：过去做不成的事，不是你不行，是模型不行。

但更值得琢磨的是开放方式。OpenAI这次没有全量放开，而是分了四步走：

• ChatGPT Plus和Team用户：立即可用
• Enterprise和Edu用户：下周获得访问权
• API开发者：仅限等级5（累计消费1,000美元且自首次付款超过30天），且速率限制为每分钟20次请求
• 免费用户：未来只开放o1-mini

三重信号就藏在这里：其一，「预览版」的定位说明能力还在快速爬坡；其二，等级5外加20 RPM的限速，说明推理算力极其紧张——思考是有物理成本的；其三，免费用户只给mini版，等于官方亲手划了一条「轻思考」与「重思考」的usage分界线。

一句话：这不是又一个能聊天的模型，是一台按思考深度计价的推理机器。

💸 输出贵四倍，买的是『想』的过程

贵的不是智商税，是推理链本身。

来看这份数字上很不客气的定价单：

输出token是GPT-4o的4倍——为什么敢定这个价？因为o1的输出里，很大一部分是模型内部推理链消耗的token。换句话说，你在为它「想」的过程付费，而不只是为最终那个答案付费。

开发者社群里这几天流传的说法很一致：按60美元每百万输出token的价格，一次长链推理跑下来，账单会让人清醒。有创业者私下算过一笔账后感叹，这定价基本宣告了「拿o1当廉价客服引擎」的思路已死。

但这恰恰是产业逻辑重构的开始。过去应用层的成本模型是「每问一次花多少」，现在变成了「让它想多久花多少」。两类应用会因此彻底分化：

• 重思考型：数学、代码、复杂规划、科研辅助——这些场景里，4倍的价钱换来的是从「做不出」到「做得出」的质变，价格根本不是敏感变量；
• 轻任务型：日常问答、格式转换、简单摘要——这些活儿交给o1纯属浪费，o1-mini甚至老模型就够了。

判断很明确：o1的定价单，实际上是OpenAI替整个应用层做了一次场景筛选。贵，是刻意的；它逼着每个创业者回答一个问题——你的产品，到底需不需要模型「会思考」？

🔄 圆桌共识：范式真换了

一周之后的云栖大会，中国大模型第一梯队的创业者们给了o1一场含金量极高的「集体评测」。

9月中旬的2024云栖大会上，极客公园创始人张鹏主持了一场圆桌，对面坐着三位：阶跃星辰创始人姜大昕、月之暗面创始人杨植麟、生数科技首席科学家朱军。议题清单里，o1排位极靠前。

张鹏抛出的问题是圈内人的普遍焦虑：ChatGPT发布快两年了，过去18个月，AI技术在减速吗？

姜大昕的回答毫不含糊：过去18个月是在加速的，而且速度还是非常快的。他的论证方式很「理工科」——从数量和质量两个维度看。数量上，基本每个月都有新模型、新产品、新应用涌现；单说模型，OpenAI2月发了Sora，5月出了GPT-4o，9月又出了o1。老对手Anthropic也没闲着，Claude 3、3.5系列接连迭代。

这场圆桌真正有信息量的部分，是关于o1背后强化学习新范式的讨论——它对算力和数据提出了怎样的新要求。圆桌设置的议题本身就说明了行业共识：o1的发布被放在了与「过去两年发生了什么」「未来18个月路径是什么」同等量级的位置上。

把逻辑拆开看，范式切换意味着一条全新的产业链条：

过去预训练时代的 scaling，拼的是「把互联网上的数据吃干榨尽」；而强化学习范式下，拼的是可验证的任务环境和能产生有效奖励信号的数据。数据从「扒来的」变成「造出来的、练出来的」，这对算力的消耗结构和数据工程的要求，都与上一轮完全不同。

这就是为什么o1被圈内人称作「重新定义了游戏规则」——它不只是又高了一分，而是换了记分方式。

🛩️ 低空玩家，别把这场发布当别人的热闹

隔行不再如山，低空经济圈这次真该搬着小板凳听讲。

在低空经济的产业圈里，o1的发布热度看起来不如在硅谷圈高，但这可能是误判。拆开看低空产业链上最难的几块骨头——复杂空域下的冲突消解、无人机物流的动态重规划、eVTOL多约束条件下的航线决策——本质上全是高难度推理问题：约束多、变量多、容错低、必须给出可验证的解。

o1验证的那条强化学习路径——在可验证的环境里，靠奖励信号把模型「练」出长链推理能力——恰恰是自主决策类技术梦寐以求的方法论。逻辑链条并不复杂：推理模型证明了「会思考」可以被规模化训练，那么下一个问题自然是，这种思考能力何时能长到物理世界的决策场景里。

但产业分析师的职责是泼冷水，不是画大饼。必须客观地说清距离：

• o1目前是云端慢思考，每分钟20次的API限速摆在那里，与机载实时飞控所需的毫秒级响应，完全是两个物种；
• 「预览版」三个字说明能力边界还在探索，把它直接等同于「无人机大脑成了」是典型的叙事透支；
• 真正现实的路径是分层：端侧跑实时控制，云端跑o1式的重推理规划，两者协同。

对低空创业者的务实建议只有一条：盯紧范式，算清距离，别急着把o1写进BP。但强化学习新范式对算力与数据基础设施提出的新要求，是每一个需要「机器做决策」的行业都躲不开的功课，低空经济只是其中离物理世界最近的一个。

小结

o1的发布，表面上是一次产品更新，实质上是三件事同时发生：计价方式从答案转向思考、技术范式从预训练转向强化学习、应用层从「套壳焦虑」转向「场景重估」。60美元每百万输出token的定价单，是OpenAI替全行业出的一道筛选题。云栖大会上中国头部玩家们「仍在加速」的共识，说明牌桌上没有人打算缺席下一局。而对低空经济这样的物理世界行业，o1给出的不是即插即用的能力，而是一张值得认真研读的方法论路线图——18个月后回看，这一晚大概率会被标记为分水岭。