OpenAI于近日宣布推出一项深受重度用户期待已久的新订阅方案:每月100美元的专业版计划。此前,ChatGPT的订阅价格体系为:免费版(现已加入广告)、每月8美元的Go计划(含广告)、每月20美元的Plus计划(无广告),以及每月200美元的高阶Pro计划(无广告)。
目前,OpenAI的订阅计划页面已不再直接列出200美元每月的方案,但OpenAI向TechCrunch确认,该最高档位仍可正常订阅。
OpenAI表示,Plus计划(维持20美元/月不变)与新推出的100美元专业版,均专为日常使用ChatGPT编程工具Codex的用户而设计。新的100美元专业版在Codex使用量上将比Plus计划提供5倍的额度。
OpenAI毫不讳言,此次推出新定价档位的目的之一,是直接挑战Anthropic——后者旗下的Claude早已提供每月100美元的订阅选项。
OpenAI发言人向TechCrunch表示:"全新的100美元专业档位旨在为开发者提供更高性价比的编程能力,尤其是在高强度工作阶段、使用限制至关重要的时候。与Claude Code相比,Codex在各付费档位上每花一美元所获得的编程能力更强,这一差距在实际编程使用中体现得最为明显。"
值得注意的是,OpenAI将在5月31日前,在100美元计划中提供更高上限的Codex使用额度。因此,那些刚刚尝试新档位、大量使用编程功能却从未收到速率限制提示的用户应当留意:这种宽松状态很可能不会长期持续。
目前所有订阅计划均无不限量使用选项。不过,200美元计划的使用上限是Plus计划的20倍。OpenAI在其常见问题页面承诺,这一额度足以"持续支撑您最高强度的工作流程,即便是多个并行项目也不例外"。两个专业版计划提供相同的核心功能,主要区别在于速率限制,OpenAI方面如是说。
此外,该发言人还透露,目前全球每周使用Codex的用户已超过300万,"在过去三个月内增长了5倍,月环比使用量增幅超过70%。"
Q&A
Q1:ChatGPT新推出的100美元专业版和原来200美元的Pro计划有什么区别?
A:两个计划提供相同的核心功能,主要区别在于使用速率限制。200美元计划的Codex使用上限是20美元Plus计划的20倍,而100美元专业版则提供Plus计划5倍的Codex额度。200美元计划承诺能持续支撑最高强度工作流程,包括多个并行项目同时进行。
Q2:OpenAI推出100美元计划的目的是什么?
A:OpenAI明确表示,推出该定价档位是为了与Anthropic的Claude展开竞争。Anthropic旗下的Claude早已提供每月100美元的订阅选项。OpenAI声称,与Claude Code相比,Codex在各付费档位上每花一美元所获得的编程能力更强,尤其在高强度编程使用场景中优势更为突出。
Q3:Codex目前的用户规模和增长情况如何?
A:据OpenAI发言人透露,目前全球每周使用Codex的用户已超过300万,在过去三个月内增长了5倍,月环比使用量增幅超过70%,显示出强劲的用户增长势头。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。