企业版新用量分析与更新的支出控制

全新的用量分析与升级后的支出控制功能，让 ChatGPT Enterprise 管理员对其 AI 部署拥有更强的可见性、控制力与信心。

随着 AI 成为日常工作的一部分，各组织需要能够以对待任何关键业务投资同样的严谨态度来管理它。企业需要清晰地了解用量、采用情况和支出，从而能够有信心地扩展规模，并理解 AI 在何处创造价值。

今天，我们为 ChatGPT Enterprise 推出额度用量分析和升级后的支出控制功能。这些能力帮助企业追踪额度用量、了解采用模式，并就 AI 如何在组织内各团队部署做出更明智的决策。凭借更清晰的可见性和更灵活的控制，组织可以主动管理成本，为团队提供所需的访问权限，并让 AI 投资始终聚焦于最重要的工作。

Billing tab and overall plan view in the global admin console — *全局管理控制台中的账单标签页与整体方案视图。*

全局管理控制台中全新的额度用量分析

全局管理控制台将 ChatGPT 和 Codex 的额度用量汇聚到同一视图中，让管理员能够更细粒度地查看额度消耗在用户、产品和模型之间的分布——帮助他们了解支出从何而来，以及它如何对应实际的额度用量。这样一来，就更容易区分哪些用量增长是由有价值的工作驱动的，哪些用量模式可能需要进一步审查。

现在，管理员可以：

跟踪一段时间内的用量与额度趋势
识别头部用户及新出现的额度使用模式
按用户、产品和模型细分整个工作区的额度支出
通过统一的 Cost API 获取相同的额度使用数据，以便在自有系统中进行更深入的分析

Analytics overview showing ChatGPT and Codex usage and credit consumption — *分析概览，展示 ChatGPT 和 Codex 的使用情况及额度消耗。*

媒体内容 · 前往原文查看

“Zipline 的工程团队自 1 月起就全力投入 Codex，近几个月公司更广泛的团队也已采用它。我们请 OpenAI 的团队构建用量分析功能，以帮助发现并培训那些尚未采用 Codex 的同事，并提供细粒度的用量控制以保持支出可预测。这些新工具正在帮助我们更快地提升员工生产力，同时保留必要的防护措施。”

——Ryan Oksenhorn，Zipline 联合创始人

围绕团队的工作方式设置支出控制

今年早些时候，我们为 ChatGPT Enterprise 中的自定义角色引入了细粒度的额度使用限制⁠，帮助工作区所有者管理不同类型用户对高级模型的使用，而无需采用一刀切的限制。

End-user view of spend controls and requesting limit increase — *终端用户视角的支出控制及申请提高限额。*

现在，管理员还可以为其 ChatGPT Enterprise 工作区设置默认限额、为特定群组配置限额，并为需要更多容量的个人创建单独覆盖设置。员工可以查看自己的额度使用情况与可用预算的对比，在需要时申请额外额度，并附上自己正在处理的工作的背景信息，以便管理员做出知情决策。这样一来，个别高用量用户就能不间断地继续工作，而无需为其他所有人提高限额。

这些更新后的控制措施共同帮助企业在规模化部署智能时更加审慎周全，同时为团队提供完成高影响力工作所需的能力。

可用性与后续操作

ChatGPT Enterprise 管理员即日起便可开始使用新的分析功能和更新后的支出控制。这些工作区中的用户也可以前往其工作区设置查看自己的额度使用情况。

如需了解更多信息，请参阅帮助中心中关于使用限额⁠ 和全局管理控制台⁠ 的内容。

对如何为你的工作区最好地实施控制措施有疑问？请在此联系我们，或直接联系你的 OpenAI 团队。