OpenAI 恰逢生成 AI 領域格局劇變之際。中國的 DeepSeek 近期通過開源其 DeepSeek-R1 模型(基于 MIT 許可)，顛覆了西方 AI 開發(fā)依賴封閉訂閱的商業(yè)模式。這種開放策略與 OpenAI 的分層收費形成對比。DeepSeek 的做法旨在讓技術自由傳播，促進廣泛應用，而 OpenAI 則通過訂閱體系維持高端功能排他性。困惑已將 DeepSeek-R1集成至其研究工具，遠低于OpenAI，凸顯開源模式的對抗。另外，Anthropic的Claude 3.7 Sonnet則通過透明推理路徑(“可視擴展思維”)尋求差異化。這三者的競爭形式出現(xiàn)了媒介的市場格局，企業(yè)需權衡生態(tài)系統(tǒng)的即時優(yōu)勢與開源平臺的創(chuàng)新潛力。
OpenAI的分層訪問策略反映了其在盈利與任務之間的平衡。Sam Altman曾表示，深度研究對部分用戶價值每月1000美元，暗示對高價值用戶群體的定位。Plus用戶每月20美元獲10次查詢，Pro用戶每月200美元獲120次查詢，這種設計既保留了溢價價值，又通過“預約式”訪問(如免費用戶每月2次)次)用戶更加廣泛。這種“免費增值”模式在數(shù)字經濟中常見，但嚴格的查詢限制體現(xiàn)了對計算成本的考量，意在避免資源獎勵，同時推動用戶升級訂閱。
深度研究在“人類的最后考試”基準測試中取得了 26.6% 的準確率，遠超 DeepSeek-R1 的 9.4% 等模型，顯示其在多領域推理和信息整合上的突破。其技術亮點包括多步規(guī)劃和公共衛(wèi)生檢索，能在研究中自我調整。然而，該系統(tǒng)依賴于公開 Web在快速變化或文獻稀缺的領域，其分析背景設定，無法訪問母數(shù)據(jù)庫，限制了專業(yè)應用的全面性。
對于企業(yè)領導者來說，深度研究既是機遇也是挑戰(zhàn)。效率可將數(shù)小時的研究壓縮至數(shù)十，但需要人工監(jiān)督以確保可靠性。組織可能需要設計新角色，將人類專業(yè)知識聚焦于問題定義和結果驗證，而不是簡單替代初級分析師。每成本約1.67美元(專業(yè)級)，遠低于人力成本其其，但接下來企業(yè)優(yōu)先級分配使用場景。驅動的研究范式。
