ChatGPT与Codex额度池合并：12月起聊天编程共用额度

据B站AI晚报栏目报道，OpenAI旗下ChatGPT与Codex两条产品线的额度即将合并，官方帮助页显示该调整自12月起生效。这意味着用户在同一账户下的聊天与编程用量将共享同一个额度池，额度按用量单位消耗，模型越高级消耗越快。

话说回来，围绕编程工具模型是否被削弱的争议、设备登录上限的收紧、英伟达对国产轻量模型权重的压缩，以及国产下一代模型的网传动向，构成了近期AI圈的多条并行叙事。

一、额度池合并：聊天与编程共用一份配额

合并的具体范围

据B站UP主在AI晚报中的梳理，此次合并的是“聊天那条线”和“编程那条线”，即ChatGPT与Codex的额度池打通。官方帮助页明确标注12月起生效。

额度按用量单位计算，模型越高级，单位消耗越快。日常纯聊天是否扣额度？报道称纯聊天那条不记录额度，但合并后的具体扣减规则仍需以官方页面为准。额度用完后，用户可选择等待重置、升级套餐或购买点数。

为什么现在就该看一眼

UP主给出的行动建议很直接：去设置里查看合并后的用量情况，心里先有个数，避免等到12月才发现额度不够用。对于同时使用聊天和编程功能的用户，原本两条线各自独立的缓冲空间将不复存在。

什么是“额度池”与“用量单位”？

在AI订阅服务中，额度池（quota pool）指账户可消耗的总计算资源配额，通常以“用量单位”计量。不同模型因推理成本差异，每单位用量对应的实际token数或请求次数不同：高级模型（如GPT-4级别）单次调用消耗的单位更多，轻量模型则较少。合并额度池意味着聊天与编程两条产品线不再各自拥有独立配额，而是共享一个总池。对用户而言，这既可能提高资源利用率（闲置额度可跨场景使用），也可能导致某一场景重度使用时挤压另一场景的可用量。理解“按用量单位消耗、模型越高级消耗越快”是预判合并后体验变化的关键。

二、编程工具模型“变笨”争议：官方跑基准回应

针对有用户反馈编程工具里的模型变笨，工具方创始人公开回应称，自己把能找到的基准都跑了一遍，整体结果落在同一个区间内。

他同时承认，有两个低流量配置确实存在问题，并计划停掉这些配置。回应的依据是“跑的是同一份权重”，并表示会请对方来认证。这一表态把争议从主观感受拉回到可复现的基准测试层面，但低流量配置的问题也说明部分用户的实际体验偏差并非空穴来风。

“跑基准”与“同一份权重”意味着什么？

基准测试（benchmark）是评估模型能力的标准化任务集，如代码生成、数学推理等。创始人称“把能找到的基准都跑了一遍，整体结果落在同一个区间内”，意在说明模型输出与历史版本在统计上无显著差异，从而反驳“变笨”的主观感受。而“跑的是同一份权重”强调服务端并未偷偷替换模型文件——权重（weights）是模型训练后得到的参数，同一份权重理论上应产生一致行为。不过，推理服务的配置（如温度、最大token数、负载均衡策略）也可能影响实际体验，这正是“低流量配置存在问题”所指向的灰色地带。

三、设备登录上限收紧：多账号用户需重算名额

同一家厂商还调整了设备登录规则：一台设备能登录的付费账号数量现在有了上限。超过上限时，界面会提示设备数量达到上限，该账号将无法使用，即使已付费也可能被登出。

退出另一个账号能否腾出位置？官方表示不保证。官方给出的替代路径是购买点数或重置用量。对习惯多设备、多账号切换的用户来说，需要提前算清楚名额分配。

四、英伟达为国产轻量模型推出压缩版权重

英伟达为国产轻量模型发布了压缩版权重，从475压缩到大约400。效果方面，两个基准对比只下降零点几，属于可接受的微弱损失。

对用户的直接价值是：同样的卡能多塞一个模型，省钱。权重仓采用英伟达官方许可，放得很宽。至于为什么由芯片厂商来做这件事——只有他们最清楚自己的卡怎么跑最划算。

模型压缩与“压缩版权重”是什么？

模型压缩旨在减少参数量或数值精度，以降低显存占用和推理成本。常见方法包括量化（如FP16转INT8）、剪枝和知识蒸馏。文中“从475压缩到大约400”很可能指参数量（单位可能是亿或GB显存占用）的缩减。压缩版权重通常伴随轻微精度损失，报道中“两个基准对比只下降零点几”即量化误差的体现。芯片厂商推动此类工作，是因为其最了解自家GPU的算力特性与显存带宽，可针对硬件做最优压缩策略，从而让同一张卡容纳更多模型实例，直接降低用户的单位推理成本。

五、编程工具开源跨系统语音输入

那家做编程工具的公司开源了一款语音输入工具，最大卖点是本地运行、音频不上传。它不限于自家软件，而是跨整个系统可用，对着电脑说话就能出字。

创始人透露，连动画和音效都是他自己写的。本地运行的好处是延迟低、音频不出电脑，对天天写代码的人而言能显著减少打字量。

六、国产下一代模型：网传消息密集但均无官方确认

智谱：后训练阶段

网传智谱下一代模型进入后训练阶段，即大训练之后针对具体任务再调一轮。细节方面，内部三个尺寸的模型正在往一起合并。但该消息只有网传和一张截图，官方未发一字。后训练到发版之间还隔着评测和调优。

阿里：内测入口与版本号泄露

据B站UP主和社区挖掘，有人从代码里挖出了下一代模型的名称字样，包括“家常版”和内测邀请标识，配置里有四档推理强度、默认给最高那档。官方未公布具体日期，只说此前预告过下周，具体日期没说。

另有用户发现下一代版本号出现在自己的用量页里：界面仍显示旧名字，后台统计换了新号，其中一张截图里新号占了将近两成用量。这不是正式发布，官方没公告，只能算疑似灰度泄露。字段泄露不必然意味着即将上线，以往也有漏了字段最后没上的先例。

加强版模型名出现在评测脚本

一份评测脚本里写着一款加强版模型的名称。测试方式是主力模型加工人模型跑几套任务，跑的是智能体工作流的复杂任务，而非单纯聊天。帖子里说可能下周上线，官方无公告。加强版与大版本的区别在于同一条线再训一轮，算力少一些。

“后训练”“灰度泄露”与“加强版”辨析

后训练（post-training）指基座模型完成大规模预训练后，针对指令遵循、安全对齐或特定任务进行的再训练阶段，通常包括监督微调（SFT）和强化学习（RLHF）。网传“进入后训练阶段”意味着模型已具备基础能力，但距发布仍需评测与调优。灰度泄露（gray release leak）指产品在小范围用户中测试时，前端字段或后台统计被外部发现，但字段存在不必然代表即将上线。加强版模型（enhanced version）通常指在同一条模型线上再训练一轮，算力投入少于大版本迭代，侧重特定能力提升而非全面升级。理解这些术语有助于区分“网传信号”与“官方发布”之间的差距。

七、两条开源消息：文生图蒸馏与图像压缩

国内团队开源了文生图的蒸馏方法，出图只要一到两步，比常规快得多。海外一位开发者放出了图像压缩模型，做到两倍下采样，作者称效果能跟主流打平。

快和小的价值很实际：出图快能放进手机，压缩小能多存一倍的图。

八、编程工具定价：两档套餐与按量付费的取舍

该编程工具提供两档定价：便宜那档月费一美元、含十美元用量，贵的那档月费十美元、最多含一百美元用量。便宜档有几款模型直接免费。页面未写明价格是否永久，只能说目前如此。

对重度用户而言，额度用完后需再购买，未必比按量付费划算。

小结

多条消息中，唯一需要立刻动手的是：去设置里查看合并后的额度用量。额度池合并、设备上限收紧、模型争议回应，都指向同一个趋势——厂商正在更精细地管理用量与账号边界。国产模型的网传消息虽然密集，但在官方公告落地前，都只能当作灰度信号看待。