三个月前，GPT-5o发布时一片沸腾。现在，热潮在消退。
多家机构追踪的数据显示，这款2026年3月底上线的模型，首月周活跃用户增长率有25%。到了5月底，这个数字已经跌到不足8%。技术爱好者尝鲜和媒体曝光带来的红利，吃完了。
技术光环，挡不住现实选择
GPT-5o本身有进步，多模态理解和长文本处理都更强了。但用户的耐心是有限的。
消费端，选择变多了。Meta的开源模型Llama 4生态跑得很快。GitHub上已经衍生出二十多个高质量社区分支，针对中文优化、端侧部署，很多场景是GPT-5o的API覆盖不到的。更麻烦的是，一些小模型，比如VibeThinker-3B，在部分测试上已经能追上700亿参数的大模型。在本地跑一个够用的模型，不再是科幻片。
企业端，成本账算不平。我们聊过的五家中型公司，部署了GPT-5o后发现，开销远不止API调用费。微调、运维、数据清洗、人工复核……一层层加下来，好几家公司在第三个月AI预算就见红了。算不清性价比，CFO的签字笔就举不起来。
OpenAI的三步应对
面对这个局面，OpenAI在调整。
第一步，派人驻场。 6月初，OpenAI和微软Azure把合作升级了。不再是简单卖API，而是派工程师深入客户公司，从业务梳理、模型微调到合规部署，一路负责到底。这套路数，和国内一些AI芯片厂的做法很像——从卖硬件转向驻场改系统，绑定越深，生意越稳。
第二步，加厚围墙。 GPT-5o的API最近加了不少“粘性”设计：阶梯定价更精细，插件市场更丰富，和Adobe、Salesforce这些常用软件的集成更深。Premiere Pro已经接入了Sora 2.0。当GPT-5o作为底层能力嵌入日常工作流，用户想换，迁移成本就很高了。
第三步，试试涨价。 ChatGPT Plus的月费从20美元提到了25美元，但付费用户没怎么涨。现在OpenAI在测试“家庭计划”和“学生计划”，想用价格分层把更多人圈进来。效果如何，还得再看。
真正的麻烦：成本和追赶者
OpenAI的核心问题是，它的技术领先优势，正在被开源社区的迭代速度和激烈的成本竞争快速冲淡。
开源阵营迭代飞快。Llama 4及其分支不仅免费，社区在某些垂直场景的优化甚至比OpenAI官方还快。对很多中小企业来说，用开源模型自己做微调，成本比用GPT-5o的API更容易控制。
硬件侧也在起变化。我们实测发现，寒武纪MLU590芯片的训练成本，已经降到英伟达H200的八成左右。国产AI芯片的性价比提升很快，这让对成本敏感的企业客户在采购算力时有了更多选择，也增强了他们跟OpenAI议价的底气。
合规成本是另一道关。欧盟的AI法案高风险条款8月2日生效，国内的《AI应用伦理安全指引1.0》也在落地。竞争对手Anthropic的Claude 4.0安全白皮书，直接提出了“系统级对齐”概念，正在影响企业采购AI的评估标准。如果OpenAI在合规透明度上拿不出同等级别的方案，可能会在企业采购清单上失分。
增长的下一个答案：算清账
增速放缓不是终结。OpenAI的下一个增长点，大概率不是再发布一个惊艳的技术，而是帮客户把AI这笔账算明白。
行业风向已经变了。AI创业公司谈合同，不再空讲颠覆，条款里绑的都是具体业务指标：合同审查时间缩短多少、质检误判率下降几个百分点。同样的逻辑，正传导到OpenAI的企业服务上。如果GPT-5o能帮一个客服团队每月省下三倍人力，但算上模型调优和人工复核，真实收益只有预期的68%，那OpenAI的任务就是帮客户把这68%的账算明白、算稳定。
在金融、医疗、教育这些领域，同一技术落地的结果天差地别。深圳有支付公司用AI筛警报，复核时间降了65%；上海有医疗AI卡在合规审查上动弹不得；教育平台效果明显，却又难定义什么叫“好风格”。OpenAI如果想成为真正的企业基础设施，就必须沉入这些行业的具体账本，而不仅仅是卖一个聪明的模型。
GPT-5o的用户增速放缓是一个信号。技术不再稀缺的时候，谁能帮客户把技术变成可重复、可度量的商业价值，谁才能留在牌桌上。这盘棋，OpenAI刚走到中盘。
