OpenAI新增了每月$500的ChatGPT Pro方案，面向高强度使用的用户和高负荷工作流，其中包含OpenAI始终在线的云端智能体dots。每月$200的Pro方案也重新向新用户开放，但使用额度经过调整，按API折算的价值约为此前的一半。现有订阅用户暂时保留原有额度和过渡积分。这一变化常被概括为“减半”，但这种说法混合了几种不同的衡量方式：整体用量的比较、GPT-6 Pro的消息上限，以及短时速率限制的取消。它们对各项任务的影响并不相同。
不应混为一谈的三种限制
OpenAI此前因容量受限暂停了Pro的新用户订阅，现已重新开放。与此同时，OpenAI调整了方案用量和token消耗的计算方式。token（词元）是AI模型读取输入、生成输出时处理的单位。
与此前的方案相比，调整后的额度按API折算的使用价值约为原来的一半。API即应用程序编程接口，可让软件直接调用模型；按API折算的比较，是估算类似用量通过API使用时需要花费多少。这并不意味着Pro订阅用户会获得$100的API额度，也不意味着只需支付$100。借助Anthropic的Claude对调整后条款所做的分析也指向同一结论：方案的用量倍数从20倍以上降至10倍以上。
| 项目 | 此前 | 调整后 |
|---|---|---|
| 报告的Pro用量倍数 | 20倍以上 | 10倍以上 |
| GPT-6 Pro消息 | 每个时段200条 | 每个时段100条 |
| 5小时滚动速率限制 | 此前适用 | 不再恢复 |
GPT-6 Pro的数字是该模型的消息上限，而不是订阅用户可执行的全部任务数量。相比之下，用量倍数描述的是方案的整体额度，因此不应把这两个数字理解为同一种限制。
▲ 每周额度的灵活使用
取消5小时限制同样重要。如果项目需要，订阅用户可以在一次5小时的工作时段内用完整周的额度，而不会被此前的滚动速率限制打断。不过，这种灵活性并不会增加每周的额度。把工作集中在一次时段内完成的用户可能从中受益；而需要在一周内使用更多总量的用户，仍可能受到额度降低的影响。
新老订阅用户面临的情况
选择重新开放的$200方案的新用户，将按调整后的用量结构订阅。现有订阅用户则暂时保留原有额度，并获得过渡积分。这些保护措施使两类用户眼下受到的影响有所不同，但现有信息并未说明这一临时安排会持续多久，也没有说明具体用户的积分能覆盖多少用量。
公布的方向是，随着时间推移提升Pro订阅用户获得的产出和质量，并通过降低API价格，把模型效率提升带来的好处让给用户。OpenAI还计划增加不计入每周额度的功能。不过，这些只是计划和承诺，不能代替对当前工作所适用限制的核查。
为什么“减半”并非适用于所有情况的价格变化
从报告的整体额度看，调整后的方案显得不如以前划算，GPT-6 Pro的消息上限也减少了一半。但换一种比较方式，结果就不同了。GPT-6 Sol和GPT-6 Luna的API价格比此前的模型低约50%。对于以轻量模型为主的工作，底层价格下降可能抵消额度调整带来的大部分影响。报告的评估认为，这类用户在新结构下大致可以持平。
资源密集型的旗舰模型Astra则是另一种取舍：在方案限制调整的同时，它的基础价格并未下降。因此，大量使用Astra的实际成本可能高于使用轻量模型。实际上，轻量模型上的节省，被顶级前沿算力的溢价所抵消。
$500方案与dots的定位
$500的Pro方案专为高强度使用的用户和高负荷工作流设计，其中包含dots，这是一种保持在线、在后台持续执行任务的云端智能体。由于dots基于Astra运行，让智能体全天候运行，成本可能会随着时间推移大幅上升。云端智能体也在相互竞争的AI公司之间不断普及，定期监控成本因此成为运行智能体的必要环节。
▲ 不同工作负载，不同限制
这些比较说明，无论是“一切都减半了”，还是“模型降价了所以什么都没变”，都无法概括这次调整的全貌。额度估算描述的是比较方案价值的一种方式。从200条到100条的数字描述的是一个模型的消息上限。API降价描述的是特定模型的成本，5小时限制的变化描述的是每周额度可以在何时使用，而$500方案则为更高负荷、以智能体为主的工作增加了另一个选项。
选择方案前需要确认的事项
先从实际要做的工作入手。把轻量模型任务、GPT-6 Pro消息和资源密集型的智能体运行分开，再分别与相应的限制进行比较。如果工作只是偶尔集中出现，那么能在一次时段内用完每周额度，可能比此前的滚动上限更重要；如果经常用满每周额度，那么报告的额度降低可能影响更大。
现有订阅用户在比较方案之前，还应确认自己的账户仍适用哪些原有额度和过渡积分。新用户则应评估调整后的$200方案本身，而不是默认自己能享受临时保护措施。对于不需要固定订阅的工作流，直接使用API或搭建本地模型环境也是值得比较的成本选项，但不一定更便宜。
实际的结论是，按工作流比较各项限制，而不是只看一个醒目的百分比。先确认自己使用的模型组合、消息用量、智能体需求和每周的使用模式，再判断调整后的$200方案、$500方案，还是其他使用模型的方式更适合要完成的任务。