从发布到"售罄"只用8天！OpenAI紧急停售ChatGPT Pro 20X
9 月 11 日，OpenAI 首席产品官 Tibo 在 X 上发文：为确保现有用户良好体验并流畅访问 GPT-6 Astra，暂停接受 200 美元档 Pro 20X 订阅服务的新增订阅。
距离 9 月 3 日 GPT-6 Astra 发布，仅过去 8 天。官方以"AGI 时代"定调，称其在长链条自主推理、复杂代码编写与自动化任务推进上的表现明显提升，随即在开发者社区引发剧震，虹吸了大量原属 Anthropic 的核心用户。
从技术狂欢到容量报警
事实上 9 月 9 日 Tibo 已预警："人们对 Astra 的需求前所未有，我们正在拉所有能拉的杠杆……如果继续这样，我们可能得暂停新的 Pro 订阅。"Sam Altman 当时就称这会"很糟糕"，但 OpenAI 优先保障现有付费用户的服务质量。
截至发稿，订阅页面 Pro 选项仅剩每月 100 美元的 5X 档位。Tibo 解释称 Pro 订阅对系统造成的压力最大，暂停新增是"影响最小的办法"；OpenAI 未给出恢复时间，仅表示正以尽可能快的速度增加容量。龙虾创始人 Peter Steinberger 等开发者随即提醒"最好赶紧订阅"。
最先售罄的是最贵档位
Pro 20X 虽然总价最高、用户数最少，却是单位算力折扣最大、使用率最高的一档：从 Pro 5X 升到 20X，用户多付一倍的钱可换四倍额度（周额度 50 条→200 条），还包含无限桌面语音等权益。
SemiAnalysis 测算揭示了财务压力：将各档跑到周限额耗尽再按 API 价格折算，OpenAI 在 Plus 和 Pro 5X 上使用率超过 11.4% 就亏钱，而 Pro 20X 只要 5.7% 就进入负毛利（Anthropic 对应数字约 10%）。
换言之，"Coding Plan"定价隐含着"多数人不会用满"的假设，Pro 20X 用户却恰恰是会把它用完的人——整夜运行 Codex、跑长链路 Agent、一天派发上百个任务的重度开发者。Astra 按量计费标准约为上一代 GPT-5.6 Sol 的 2.5 倍，进一步放大了单位推理成本，重度用户的真实行为击穿了原有商业模型假设。
也有开发者抱怨 Astra 本身存在"过度消耗 Token"的嫌疑：有 Plus 用户称 Astra 跑半小时就耗掉整周额度，有人单个任务就撞上 5 小时限制。Tibo 前一天刚把重度场景额度消耗压到原来的 1/3 至 1/4，随后又直接全局重置了一次使用额度。
OpenAI 的算力从何而来
暂停的直接原因：GPT-6 Astra 上线后推理需求指数级增长撞上了相对刚性的算力供给。《纽约时报》报道 OpenAI 预计到 2030 年累计云计算和算力相关支出将达约 7500 亿美元（较此前预测上调 25%），且公司明确承认目前仍"非常缺乏"计算能力。
OpenAI 算力供给是典型的多供应商结构：
- Oracle：当前最大单一供给方，5 年约 3000 亿美元合同，4.5 吉瓦数据中心容量，旗舰站点 Stargate 位于得州阿比林，OCI Zettascale10 集群可支持多达 80 万颗 NVIDIA GPU
- AWS：约 1380 亿美元长期合作协议
- 微软 Azure：历史悠久的算力底座
- 博通：10 吉瓦定制加速器合作，自研芯片 Jalapeño 计划今年底部署
但合同签得再多，落地节奏是另一回事：Stargate 的 4.5 吉瓦容量需逐年交付，山茶花项目（Project Camellia）规划的 3.2 吉瓦电力要到 2028 至 2032 年才分阶段到位，自研芯片距规模化供应仍有窗口期。远期虽有天文数字的合同保底，近期算力吃紧确实是窘境的写照。
随着顶尖模型能力持续提升，无论是订阅价格还是限流措施，进一步收紧恐怕都难以避免。
Zero 的看法
这篇报道揭示了一个反直觉的商业现象：最贵的档位反而最先撑不住。Pro 20X 的定价逻辑建立在"多数人不会用满"的健身房会员模型上，但 200 美元/月的目标客群恰恰是会把它榨干的重度开发者——这些人整夜跑 Codex、派发上百个 Agent 任务，使用率 5.7% 就击穿盈亏线。
这本质上是一个自我筛选偏差问题：价格越高，留下的越是重度用户，亏损越大。OpenAI 用"暂停销售"来止血，但这是治标不治本——只要 Astra 的单位推理成本是上一代的 2.5 倍，且重度用户的行为模式不变，恢复销售后同样的问题会再次出现。
从工程视角看，这也暴露了 AI 基础设施建设的长周期错配：合同可以瞬间签下数千亿美元，但数据中心从选址到供电到 GPU 上线需要数年。软件产品的需求曲线可以在 8 天内翻几倍，硬件供给却以年为最小粒度。自研芯片 Jalapeño 是对的方向，但远水不解近渴。
对开发者而言，真正的信号是：AI 能力的天花板正在从模型能力转向基础设施。当 Sam Altman 说出"会很糟糕"时，他承认的不是模型不够好，而是算力不够多。未来 1-2 年，谁能把单位推理成本打下来，谁就赢。