本文分析了 OpenAI 针对 ChatGPT 推出的新订阅计划“ChatGPT Go”，该计划以每月 8 美元的价格，旨在通过广告模式降低 AI 使用门槛，实现 AI 的更广泛普及。文章详细介绍了 Go 计划的定价、功能、全球推广情况，并重点阐述了 OpenAI 对于广告业务的承诺和原则，包括回答不受广告影响、用户隐私保护等。此外，文章还提及了近期关于 GPT-5.2 在复杂任务（如自主编写浏览器代码）方面的进展及相关争议，并引用了 Cursor 团队关于多智能体协同工作的深度研究，指出在大型项目中通过「规划者与执行者」分工实现多 Agent 协同的有效性及模型选择、提示词设计的重要性。最后，作者对于 GPT-5.2 造浏览器事件中存在的过度吹捧现象表达了批判性看法。

Claude 在忙着卷 Cowork，各种封号（深度解析：Claude Code Cowork），而 OpenAI 则在 AI 平民化上下功夫。两家公司对比之下，突然觉得 OpenAI 可爱起来了，俨然有了 AI 负责老大哥的感觉，希望不是我的错觉...

以下内容整理自 Our approach to advertising and expanding access to ChatGPT^[1]、Introducing ChatGPT Go, now available worldwide^[2]。

ChatGPT 低配计划

AI 正迈向一个新节点：强大的个人助理不再是少数人的奢侈品，而是可能成为每个人都能使用的日常工具，帮助学习、写作、创作、解决问题、处理工作流。关键在于，谁能更容易、更低成本地获得这种智能，会在很大程度上决定 AI 是创造更多机会，还是放大既有不平等。基于这一判断，OpenAI 把“可及性”放在策略的中心：既要把能力做强，也要把门槛做低，并且让模式长期可持续。

在实践层面，OpenAI 主要通过两条路径推进这件事：一条是免费产品，确保更多人能低门槛使用；另一条是更实惠的订阅方案 ChatGPT Go，用更低的价格提供更高额度与更完整的能力。Go 在 2025 年 8 月首先在印度推出，随后扩展到更多市场；自 2025 年 8 月以来，Go 已在 171 个国家/地区上线。现在，OpenAI 决定把这条路径推得更彻底：从今天起，Go 将在美国及所有提供 ChatGPT 的地区推出/陆续上线。在美国，Go 的价格是每月 8 美元，并为用户提供更丰富的功能，包括更高的消息交流额度、图像生成、文件上传与记忆能力。

这也让 ChatGPT 的订阅梯度在全球范围内变得更清晰：

• Go（$8/月）：美国定价，是普通用户可负担的入口，其他地区以此基准波动。
• Plus（$20/月）：面向需要更高上限、更强模型与更完整工作流的人群。
• Pro（$200/月）：面向追求最强能力、最高级记忆与上下文，并希望抢先体验最新功能的高阶用户。

OpenAI 特别说明，Go 的价格会在不同市场做本地化调整；美国的 8 美元是其中一个明确基准。与此同时，Go 的定位也更偏“广覆盖”：它面向希望以更低价格使用最新模型（如 GPT-5.2 Instant）的用户，提供更高的消息、上传、图像生成额度，并提供更长的记忆与上下文窗口，让 ChatGPT 能在长期使用中记住更多与你相关的有用信息。相比之下，Plus 会在额度与能力上提供更高上限，覆盖如 GPT-5.2 Thinking 这类更适合深度推理的模型，同时还包含编码智能体 Codex，更适合研究、写作、内容与文档创作、数据分析这类需要连续上下文与更强推理的工作；Pro 则继续提供对最强模型 GPT-5.2 Pro 的完整访问，并给到最高等级的记忆与上下文能力。

不过，可及性并不只关乎定价，也关乎“长期能不能撑住”。要让更多人用得起、用得上，需要更稳健的收入结构。因此，OpenAI 表示将在未来几周内，在美国对免费层级与 Go 层级进行小规模广告测试，其目标是让更多用户能够在更少限制甚至免费的情况下使用工具。与此同时，OpenAI 也明确划定边界：Plus、Pro、Business 与 Enterprise 订阅不会包含广告。广告只会出现在测试范围内，且会先从小规模开始，边测试边收集反馈。

OpenAI 反复强调，广告不是“加一个商业模块”那么简单。由于人们会在许多重要甚至私人的任务上依赖 ChatGPT，引入广告的前提是——不能动摇 ChatGPT 的核心价值。其中两条承诺最关键：第一，回答不会被广告影响，ChatGPT 的回答会以“对用户最有帮助”为目标进行优化，广告将独立呈现、清晰标注，并与回答分开；第二，对话隐私会被严格保护，用户的数据与对话不会分享给广告商，OpenAI 也不会将用户数据出售给广告商。与此同时，OpenAI 试图把“控制权”留给用户：用户可以关闭个性化设置、可以随时清除用于广告的数据，并且始终存在不显示广告的选项——其中就包括无广告的付费层级。

广告原则

这些承诺被 OpenAI 归纳为一组更明确的“广告原则”，核心指向“信任优先、用户优先、长期优先”：广告业务需要服务于“让 AI 更广泛可及”的使命；广告与回答必须严格解耦；对话隐私必须被保护；用户必须拥有清晰的选择与控制；OpenAI 不会把“让用户停留更久”作为优化目标；收入不能压过用户体验与信任。

在执行层面，OpenAI 描述的首轮测试也相对克制：目前尚未开始投放，但计划在未来几周内面向美国已登录的成年用户，在免费层与 Go 层做小规模试验。测试初期的形式很明确：当系统判断与你当前对话相关的赞助产品或服务存在时，会在 ChatGPT 回答的底部展示广告；所有广告都会清晰标注，并与原始回答分开呈现。用户可以查看“为什么会看到这条广告”，也可以选择关闭并反馈原因。测试还设置了硬性限制：无论用户主动告知还是系统预测其年龄未满 18 岁，这类账户都不会看到广告；广告也不会出现在身心健康、政治等敏感或受监管的话题附近。

至于广告本身，OpenAI 的表述更偏向“实用且可互动”。它给出的示例包括：用户在手机上看到 ChatGPT 给出的墨西哥风味晚宴食谱，回答底部出现一条清晰标注的赞助广告，比如某超市的辣酱商品推荐；或者用户在规划去新墨西哥州圣达菲旅行时，看到一条清晰标注的赞助广告，比如某家沙漠小屋的住宿推荐，并且还能继续在对话式界面里追问细节，以辅助做出购买或预订决策。OpenAI 的期待是，对话式界面能让广告不再只是静态链接，而成为“可交互的信息入口”，降低用户决策成本。

OpenAI 也指出，这类广告能力对小型企业与新兴品牌可能有额外价值：AI 工具进一步降低了内容制作与体验构建的门槛，使更多小团队也能以更低成本呈现高质量体验，从而帮助用户发现原本难以找到的产品与服务。当然，OpenAI 也承诺会基于反馈不断调整广告呈现方式，但强调“用户体验与信任优先”不会改变，并试图从机制设计上避免把激励目标绑在“用户停留时长”上。

综合来看，OpenAI 的叙事在于：订阅与企业业务仍是长期重点，广告是补充性的、多元化的收入模式，用来支撑更广泛覆盖与更低门槛。未来几周与几个月，OpenAI 将推进首批广告样式测试，并持续收集反馈，目标是在扩大 AI 可及性的同时，尽量不破坏 ChatGPT 已建立的信任与使用体验。

拓展阅读

记忆提升

ChatGPT 也提高了记忆上限，大家可以试试问一些历史事件。

GPT-5.2 长复杂任务

另一个刷屏事件，就是 Cursor CEO 发的一个 GPT-5.2 造浏览器的帖子了。相关代码也已经开源在GitHub FastRender^[3]，感兴趣的可以去读读。

这个事件还是比较有趣的，他们为此专门写了篇文章 扩展长时间运行的自主编码能力^[4]。主要是讲 Cursor 团队如何把“自主编码 Agent” 从擅长小任务，推进到能连续运行数周、在大型项目上像团队一样推进。他们的核心目标是验证：在通常需要人类团队数月完成的工程里，投入更多并发 Agent 是否真的能线性/近线性扩大产出。文章总结了他们在单一项目上同时运行数百个并发 Agent、协调它们写出超过 100 万行代码、消耗数万亿 token 的实践过程，以及运行了数十亿 token 后得到的经验与下一步计划。

一开始他们先直面“单个 Agent 的局限”：单个 Agent 做专注的小任务不错，但面对复杂项目会很慢，于是自然想到并行多个 Agent。然而协同很难，尤其大型项目路径不清晰、早期拆分也不明确，因此他们否定了“先做刚性规划”的直觉，转而尝试动态协调——让 Agent 根据其他 Agent 当前在做什么来决定下一步。

在“学习如何协同”阶段，他们先做了一个扁平结构：所有 agent 地位相同，通过一个共享文件自组织协作；每个 agent 读取全局状态、认领任务、写回自己的状态，并用锁机制避免重复认领。但这个方案暴露了明显问题：锁经常被持有太久或忘记释放；即便正常也会形成瓶颈，20 个 agent 的有效吞吐量退化到相当于 2–3 个 agent，大量时间耗在等待上；系统也很脆弱，agent 可能在持锁时失败、重复获取自己已持有的锁，甚至不加锁就更新协调文件。随后他们改用乐观并发控制（可自由读，但如果状态在读后变化则写入失败），确实更简单更健壮，但仍没解决更深层问题：在没有层级结构的情况下，agent 变得极度规避风险，倾向于做“小而安全”的修改，回避困难任务；没有任何一个 agent 对端到端推进负责，导致长期空转、缺少实质进展。

因此他们转向“规划者与执行者”的分工：把扁平结构改成职责清晰的流水线。规划者（Planners）持续探索代码库、创建任务，并且可以针对特定区域派生子规划者，使规划本身也能并行且递归展开；执行者（Workers）只领取任务并把任务做到底——不与其他 worker 协调，也不关心全局，只专注完成后提交变更。每个周期结束会有一个评审 Agent判断是否继续，然后下一轮从干净的初始状态重新开始。这套结构基本解决协同问题，使系统能扩展到非常大的项目，同时避免任何单个 agent 因视野过窄而卡死。我根据他们的 blog 描述补了张流程图：

为了验证“能跑很久、还能推进”的能力，他们做了几组长期实验：第一组是从零构建浏览器，agent 连续运行将近一周，在 1,000 个文件里写出超过 100 万行代码，源码公开在 GitHub。尽管代码库很大，新启动的 agent 仍能理解并继续推进；同时有成百上千个 worker 并发往同一分支推代码，几乎没有冲突——而作者强调“从零做浏览器极其困难”，截图看似简单但背后工程量很大。

第二组是在 Cursor 代码库中就地把 Solid 迁移到 React，持续 3 周多，代码增删量达到 +266K / -193K，仍需仔细审查，但已通过他们的 CI 和早期检查，并展示了对应的 PR。

第三组是改进一款即将上线的产品：一个长时间运行的 agent 用高效 Rust 实现把视频渲染速度提升 25 倍，并新增平滑缩放/平移能力（自然弹簧过渡 + 运动模糊 + 跟随光标顺畅移动），代码已合并，预计很快上线。除此之外，他们还列出仍在运行的示例与规模：Java LSP（7.4K 次提交，55 万 LoC）、Windows 7 模拟器（14.6K 次提交，120 万 LoC）、Excel（12K 次提交，160 万 LoC）。

“我们学到了什么”部分的结论比较硬核：第一，长时间任务里模型选择至关重要。他们发现 GPT-5.2 系列在长期自主工作上明显更强：更能遵循指令、保持专注、避免偏离，实现也更精确完整；相对地，Opus 4.5 更容易提前结束、在方便时走捷径、更快把控制权交还给用户。第二，不同模型在不同角色上各有所长，他们因此转向按角色选模型而不是一个通用模型：即使 GPT-5.1-codex 是专门为编码训练的，GPT-5.2 仍然是更好的规划者。第三，很多改进来自“减法”：他们曾加入一个用于质量控制与冲突解决的集成者（Integrator）角色，但后来发现它制造的瓶颈多于收益，因为 worker 本身就能处理相互冲突。第四，最好的系统往往比想象更简单：他们早期借鉴分布式计算与组织设计的系统模型，但发现并非都适用于 agent。第五，结构化程度要在两端之间取平衡：结构太少会冲突、重复劳动、不断偏离；结构太多又让系统脆弱。最后，他们强调一个很“实操”的点：系统行为有相当一部分取决于提示词设计——为了让 agent 协作良好、避免异常行为、长期保持专注，他们做了大量提示实验；运行框架和模型很重要，但在他们的经验里，提示词更重要。

在“接下来会怎样”里，他们承认多智能体协同仍远未最优：Planner 理想情况下应在任务完成时自动“醒来”继续规划；agent 有时运行太久；目前仍需要定期从头重启，以对抗漂移和“思维视野过于狭窄”。但对于核心问题——“能否通过投入更多 Agent 来扩展自主编码能力”——他们比预期更乐观：上百个 agent 可以在同一代码库上协同工作数周，推进雄心勃勃的项目并产生实质进展。

大概就是这样一个技术背景，然后就被许多自媒体吹爆了（比如：GPT-5.2 连肝 7 天，300 万行代码造出Chrome 级浏览器、168 小时 AI 狂写 300 万行代码造出浏览器！等等）。目前最新进展，已经进入到了打假环节，感兴趣的可以自己去查看 #98 issues。

我也曾针对此事件写过几句点评：这几天到处是吹 GPT-5.2 造浏览器的，而且越来越离谱，建议这些尬吹的人以后都用这个浏览器...。真不知道是在夸 GPT 牛逼，还是在单纯以为人人都可以造浏览器的时代来临了！这就好比，你看我的屠龙刀有多么多么拉风，唯一缺点是砍不死人...。vibe 一个自己都不用的东西，也只是在证明 ai 牛逼而已（指挥的人或许也牛逼，但也没到烂大街的程度，尤其是那些无脑大吹特吹的）。

References

[1]

Our approach to advertising and expanding access to ChatGPT:https://openai.com/index/our-approach-to-advertising-and-expanding-access

[2]

Introducing ChatGPT Go, now available worldwide:https://openai.com/index/introducing-chatgpt-go

[3]

FastRender:https://github.com/wilsonzlin/fastrender

[4]

扩展长时间运行的自主编码能力:https://cursor.com/cn/blog/scaling-agents