头图来源：ChatGPT

默认模型决定的不是技术上限，而是成本、分发和信任。

OpenAI把GPT-5.5 Instant推到了ChatGPT的默认入口。这个位置没有旗舰模型那么耀眼，却更接近OpenAI真正的生意：每天最大规模的日常使用、每一次回答背后的算力成本，以及用户愿不愿意长期留下来。

默认模型不是技术荣誉，而是商业入口。它决定OpenAI每天服务多少用户、消耗多少算力、留下多少毛利，以及承担多少风险。

一个模型是否重要，过去常常看它在榜单上排第几。但对ChatGPT这样的产品来说，真正重要的位置未必是发布会舞台，而是默认入口。

OpenAI在5月5日发布GPT-5.5 Instant，并称它将替代GPT-5.3 Instant，成为ChatGPT新的默认模型。官方给出的关键词不是“最强”，而是更准确、更清晰、更简洁、更会利用用户上下文。OpenAI还称，Instant承担的是ChatGPT中最大规模的日常使用场景，因此哪怕只是小幅体验提升，也会带来巨大影响。

这句话背后，是大模型行业正在转向的一种现实：AI公司不再只需要证明自己能做出最聪明的模型，还要证明自己能以可承受的成本，把这种聪明稳定地卖出去。

对OpenAI来说，默认模型不是技术荣誉，而是商业入口。

默认模型决定的，是用户每天看到的ChatGPT

在AI行业，旗舰模型证明技术上限，默认模型承接真实流量；前者制造声量，后者决定生意。

用户打开ChatGPT时，大多数时候不会研究模型参数，也不会反复切换模型。他们只是输入一句话：帮我改一封邮件，解释一段代码，整理一份会议纪要，分析一张图片，或者问一个专业问题。

此时，默认模型就是ChatGPT本身。

这也是GPT-5.5 Instant值得关注的地方。它不是OpenAI能力最重的模型，却被放在了最关键的位置：用户每天第一次接触AI的地方。OpenAI帮助中心显示，GPT-5.5体系中，Instant面向日常问题，Thinking处理更复杂任务，Pro面向研究级智能；用户也可以通过模型选择器手动选择，或让系统在Instant和Thinking之间自动切换。

过去两年，大模型发布会最爱展示“上限”：更难的数学题、更复杂的代码、更长的推理链、更高的专业考试分数。但默认模型考验的是另一种能力：它要在绝大多数日常场景里足够快、足够稳、足够不出错。

一个模型偶尔表现得像天才，当然重要。但一个默认模型每天少犯错、少啰嗦、少误判，可能更值钱。

Instant背后的生意：OpenAI不能让每个问题都跑最贵模型

OpenAI真正想做的，不是让所有人都用最强模型，而是让不同价值的请求被分配到不同成本的模型上。

GPT-5.5 Instant真正的关键词，不是“最强”，而是“最划算”。

这不是贬低它的能力。OpenAI称GPT-5.5 Instant在事实可靠性、图片分析、STEM问题、网页搜索判断等方面都有提升。但从商业角度看，更关键的是：它能不能用较低成本承担最多请求。

生成式AI和传统互联网产品最大的不同之一，是每一次回答都要花钱。

一次搜索、一次点击、一次刷新，边际成本相对有限；但一次大模型回答，需要真实消耗算力。回答越长，推理越深，模型越强，成本越高。用户规模越大，成本压力也越大。

这也是OpenAI当下面临的现实约束：用户增长、订阅收入、企业收入和API收入在扩大，但芯片、数据中心、电力和推理成本也在同步膨胀。AI公司不能只证明“大家喜欢用”，还要证明“每一次使用最终能变成可持续收入”。

普通问题交给更快、更便宜的Instant；复杂任务切到Thinking；高难度、长流程、研究型任务再交给Pro。OpenAI帮助中心显示，不同用户层级在GPT-5.5使用额度、上下文窗口和模型选择上存在差异；免费用户达到限额后会切换到mini版本，Plus、Go、Business、Pro用户则拥有更高额度或更强模型访问权限。

这才是AI公司的利润模型：不是简单卖智能，而是管理智能的调用成本。

它还决定哪些用户会留在免费层，哪些用户会被复杂任务推向Plus、Pro、Business或Enterprise。

一个律师助理让ChatGPT先找出合同里的异常条款；一个投研人员让它整理财报电话会纪要；一个医疗机构让它把患者资料整理成便于医生快速浏览的摘要。这些工作不一定需要最强推理，但需要稳定、少错、可追溯，而且最好成本可控。

这正是Instant模型的市场。

它不需要每一次都完成博士级推理，但必须在大量普通专业任务里稳定工作。对OpenAI来说，模型调用不再只是增长指标，也是成本中心。默认模型的选择，直接影响ChatGPT的毛利率。

幻觉率下降52.5%，只是进入专业服务的入场券

GPT-5.5 Instant最适合传播的数字，是幻觉率下降。

OpenAI称，在其针对医疗、法律、金融等高风险提示词的内部评测中，GPT-5.5 Instant相比GPT-5.3 Instant产生的幻觉声明减少52.5%；在用户曾标记为事实错误的高难对话中，不准确声明减少37.3%。

这是一个重要进步，但不能被过度解读。

这个数字仍然要放在OpenAI自己的测试口径里理解。它说明模型在特定高风险提示词上有进步，却不能直接等同于真实医疗、法律或金融场景里的可靠性。

医疗场景有患者个体差异，法律场景有司法辖区和案例细节，金融场景有实时市场变化和合规边界。模型在测试中的幻觉下降，不等于它可以独立承担专业责任。OpenAI面向企业和教育用户的帮助文档也特别说明，GPT-5.5不会提供给ChatGPT for Healthcare工作区使用，这本身也提醒外界：不能把“高风险提示词评测进步”直接理解为医疗场景全面可用。

但它确实说明一件事：大模型正在接近专业服务的门槛。

过去，AI进入医疗、法律、金融的最大障碍之一，不是它不会说话，而是它太会说话。它可以用非常自信的语气，编出不存在的依据、错误的法条、过时的医学建议，或者看似合理但缺乏事实基础的投资判断。

对专业机构来说，这种“不知道自己不知道”的风险，比“不回答”更难接受。

因此，幻觉率下降的商业意义，不是AI马上可以替代医生、律师或金融分析师，而是AI更有机会进入他们的工作流：先整理材料、提炼风险、标记异常、生成初稿，再由专业人士判断。

越接近专业服务，责任问题越复杂。

医生参考AI建议后出错，责任由医生、医院还是模型供应商承担？律所用AI审合同导致客户损失，责任如何划分？投研人员用AI整理会议纪要，如果模型漏掉关键风险提示，是否构成误导？

GPT-5.5 Instant的价值，不是让AI变成专业人士，而是让AI更可能成为专业人士工作流中的一环。

这一步不炫，但很关键。

个性化是护城河，也是锁定

GPT-5.5 Instant还有一个容易被低估的变化：它更会利用用户上下文。

OpenAI称，Plus和Pro用户在ChatGPT网页端使用GPT-5.5 Instant时，模型可以更有效使用过去聊天、文件和已连接的Gmail，让回答更相关，减少用户重复说明背景。

这看起来像产品细节，实际上可能是AI助手竞争的核心。

搜索引擎回答的是“世界是什么”。AI助手回答的是“对你来说，现在该怎么做”。

前者依赖网页索引，后者依赖个人上下文。

如果一个AI知道你的工作项目、写作风格、常用文件、邮件往来、过往偏好和正在推进的任务，它就不再只是一个问答工具，而更像一个工作入口。用户不必每次重新介绍背景，AI可以接着上一次的任务继续做。

这会形成新的护城河，也会制造新的锁定。

个性化越强，用户越难离开。记忆、文件、邮件和工作流一旦沉淀在ChatGPT里，OpenAI获得的不只是数据，还有用户迁移成本。未来用户选择AI助手，可能不只比较哪个模型更聪明，还会比较哪个系统更了解自己，以及换平台的代价有多高。

OpenAI也意识到这个问题。官方发布说明提到，Memory sources会让用户看到哪些上下文被用于个性化回答；用户可以删除或修改记忆，使用临时聊天，断开应用连接，并管理内容是否用于改进模型。但OpenAI也说明，这些来源提示未必展示影响回答的所有因素。

这留下了一个新的透明度问题：当ChatGPT越来越会“替你判断”，用户是否还能清楚知道它调用了哪些信息、使用了哪类模型、进行了多深的推理？

默认模型也是风险入口

默认模型越像个人助理，它面临的风险就越不只是隐私。另一层风险来自能力本身。

OpenAI系统卡显示，GPT-5.5 Instant是其首个在生物与化学、网络安全准备框架中被按High Capability处理的Instant模型，并部署了相应防护；系统卡同时说明，对网络安全的High Capability判断基于xhigh reasoning effort下的能力评测，而实际部署为较低推理强度，即使在xhigh reasoning effort下，其表现仍低于GPT-5.5 Thinking。

这说明一个新现实：默认模型不再等于低风险模型。

过去，高风险能力更多集中在少数旗舰模型和专业模型上。现在，一个默认入口模型也可能具备相当强的科学、代码、图像和复杂任务处理能力。能力越普及，安全责任越重。

OpenAI要平衡的，不只是“更强”和“更快”，还有“更可控”。

模型太保守，用户会觉得不好用；模型太开放，滥用风险会上升；自动路由太黑箱，用户难以理解能力边界；安全策略太粗糙，又可能误伤正常专业需求。

这就是默认模型时代的新难题：越像基础设施，越不能只靠技术能力说话。

榜单证明聪明，默认入口证明生意

GPT-5.5 Instant的意义，不在于它是不是OpenAI最强的模型。

它更像是OpenAI给自己搭的一套商业底盘：把普通问题交给更便宜、更快的模型，把复杂任务交给更强的模型，把专业场景交给更可靠、更可控的系统。

对OpenAI来说，真正难的已经不是让AI偶尔表现得像天才，而是让它每天、稳定、可控、低成本地服务普通人。

榜单证明模型有多聪明。默认入口证明一家公司能不能把聪明变成生意。

后者难得多。