免费 AI 的账单，终于有人开始买单

如果你正在做一款 AI 产品，今天最值得关注的变化不是又多了一个模型，而是商业模式开始变得具体了。

OpenAI 宣布 ChatGPT Ads 的年化收入运行率达到 10 亿美元，同时把广告业务扩展到全球。所谓年化收入运行率，可以简单理解为按照当前收入速度推算未来十二个月的规模。它不是已经装进口袋的 10 亿美元，但足以说明广告不再是一项边缘实验。

我的判断是，生成式 AI 正在复刻消费互联网走过的路，只是成本结构更重。每一次回答都消耗算力，免费用户并不免费。广告如果能覆盖一部分推理成本，AI 产品就不必把所有增长压力都压在订阅转化率上。对 opcpay.org 的读者来说，这带来一个很现实的问题。你的免费层究竟只是获客漏斗，还是能够被单独变现的用户资产。未来设计 AI SaaS 定价时，订阅、用量计费和广告可能不再是三选一，而是分层组合。

Cursor 事件提醒我们，模型也是供应链

OpenAI 宣布，在 Cursor 被 SpaceX 收购后，将 逐步结束向 Cursor 提供模型的合同。表面上看，这是一则公司关系新闻。对创业者来说，它更像一次供应链演练。

很多 AI SaaS 的核心体验建立在一家模型公司的能力、价格和接口之上。平时这种依赖很难被感知，直到合同变化、价格调整或供应方改变战略。我的判断是，多模型能力从技术加分项变成了商业连续性要求。真正的多模型不只是后台多放几个 API Key，还包括提示词可迁移、评估集统一、数据格式兼容，以及在模型切换后仍能守住用户体验。

这对 opcpay.org 的读者意味着，审视 AI 产品时不能只问模型效果好不好，还要问替换成本有多高。合同中的退出条款、历史数据能否迁移、备用模型需要多久上线，都是定价与毛利之外的隐性风险。

OpenClaw 的增长纪录背后，是一堂开源治理课

GitHub 将 OpenClaw 称为 GitHub 历史上增长最快的项目，并采访维护者回顾项目最初六个月的安全与建设经验。

一个项目突然爆红时，外界看到的是星标、下载量和讨论热度，维护者面对的却是漏洞报告、恶意提交、用户支持和版本兼容。我的判断是，AI Agent 的竞争正在从“谁先做出来”转向“谁能安全地长期维护”。开放代码可以带来分发，但只有清晰的权限边界、可信发布流程和稳定治理，才能把短期注意力变成长期生态。

对 opcpay.org 的读者来说，这也是增长策略的提醒。流量突然涌入并不等于产品已经准备好。发布前把安全响应、文档、社区分工和版本回滚机制补齐，可能比再做一个吸睛功能更重要。

LLM 上线前，别只看一张漂亮的准确率报表

GitHub 分享了 在真实 secret scanning 场景中评估 LLM 的方法。Secret scanning 是在代码中寻找意外泄露的密钥。这个场景对误报和漏报都很敏感，很适合说明实验室指标为什么不等于生产价值。

我的判断是，AI SaaS 最容易犯的错误，是用一批干净测试题证明模型有效，却没有测量用户真实输入中的长尾情况。生产评估至少要回答三件事。模型漏掉一次会造成多大损失，误报一次会浪费多少人工，以及输入分布变化后指标是否仍然成立。

这对 opcpay.org 的读者意味着，评估体系本身就是产品能力。一个可信的 AI 功能需要固定评估集、线上反馈闭环和明确的失败处理，而不是上线后等待用户替你发现边界。

Google Sheets 正在吞掉一部分微型 SaaS

Google 推出 Sheets canvas，用户可以通过简单提示，将表格数据变成交互式仪表盘、学习追踪器或座位图。

这不是给表格加一个聊天框，而是把“数据到轻量应用”的距离压缩到一句话。我的判断是，围绕表格做简单可视化和内部工具的产品将更难只靠功能收费。平台原生能力一旦足够好，独立 SaaS 必须向更深的工作流、更专门的行业数据和更明确的业务结果移动。

如果你的产品与 Sheets 有重叠，不必立刻恐慌，但应该重新回答一个问题。用户付钱购买的究竟是一块更漂亮的画布，还是一套平台无法复制的业务流程。后者才是更稳固的定价基础。