为了理解 OpenAI 的单位经济和未来融资需求，我们关注公司每百万个 token（约 75 万字）的单位成本基础。我们认为有三大趋势对 OpenAI 实现盈利至关重要： 1，训练仍然是推动绝大部分固定成本的主要因素。尽管推理效率有所提升，我们估计训练仍占据公司成本的绝大部分（约每百万个 token 3.58 美元）。每次基础模型的更新都需要数十亿美元的前期投入，这意味着 OpenAI 必须持续投入大量的固定资金用于模型训练。 2，每单位推理成本正在显著下降，但绝对成本仍然由总使用量驱动。我们认为每个 token 的推理成本（我们估计约为每百万 token 3.36 美元）自 2022 年以来已因硬件效率（H100 吞吐量、利用率）和软件优化（缓存、稀疏性、蒸馏）而大幅下降。然而，token 消耗增长速度更快（目前每天达数万亿），并且随着新的多模态/智能体工作负载将进一步加速。 3，API 与消费者业务——盈利差距正在扩大。我们估计 API 业务每百万 tokens 产生 2.50 美元，而消费者端为 6.76 美元。API 定价基于使用量，并且越来越多地面临来自开放权重模型（链接）的竞争，整体使用强度远高于消费者端。相比之下，我们认为，消费者变现受益于订阅的黏性和更强的定价能力。这种差异意味着整体收入结构至关重要（据 OpenAI 称，目前消费者与 API 的收入比例为 70%/30%）。
