GPT-6 Sol/Luna 发布：旗舰能力三周下沉，API 价格腰斩意味着什么

GPT-6 Sol/Luna 发布：旗舰能力三周下沉，API 价格腰斩意味着什么

当地时间 9 月 22 日，OpenAI 发布 GPT-6 Sol 与 GPT-6 Luna。同一天，Anthropic 发布 Claude Opus 5.5。

如果你只看热搜，这是一条「大模型又降价了」的新闻。但把时间轴拉长看，真正值得注意的不是降价本身，而是降价的速度：旗舰 GPT-6 Astra 9 月初才发布，不到一个月，它的能力就已经下沉到了价格只有它五分之一的中阶模型里。

这件事对开发者的实际影响，比任何一个跑分都大。这篇文章把账算清楚。

一、三档矩阵成型：这次降价是「永久列表价」

先看价格表。GPT-6 家族现在是清晰的三档结构：

模型	输入 / 百万 token	缓存输入	输出	定位
GPT-6 Astra	$10.00	$1.00	$50.00	旗舰：最难的任务
GPT-6 Sol	$2.00	$0.20	$10.00	中阶：复杂工作与编程
GPT-6 Luna	$0.10	$0.01	$0.50	轻量：海量高频调用

三个数字值得单独拎出来说：

第一，这次是永久降价，不是限时促销。 Sol 的输入输出价格较 GPT-5.6 Sol 此前的促销价下降 50%（$4→$2、$20→$10），Luna 同样腰斩（$0.20→$0.10、$1.20→$0.50）。OpenAI 官方口径明确：这是新的列表价（list price），不是发布期优惠。GPT-5.6 时代的「促销价」游戏结束了——列表价直接打到了原促销价的一半。

第二，缓存输入的降幅比标题更大。 Sol 的缓存输入价格从 $0.50 降到 $0.20，降幅 60%。Agent 和对话类应用会反复重发系统提示词和历史上下文，这部分流量主要按缓存价计费——这类用户的实际账单降幅会超过 50%。对做 Agent 的团队，这一行比标题那一行更值钱。

第三，三档上下文规格完全一致。 三款模型都是 1.05M token 上下文、128K 最大输出。档位之间的差异在能力和成本，不在「窗口大小」。这意味着你可以按任务的智力需求选档，而不用担心「便宜模型看不完整代码库」。

OpenAI 把降价原因归结为 caching 和 inference 的工程改进：「服务这些模型的成本降低了，我们把节省直接传导给用户」。翻译一下：推理基础设施的规模效应已经大到可以改写定价表的程度。

二、Sol 的账：单任务 0.27 美元是怎么算出来的

跑分是别人的叙事，单任务成本才是开发者的叙事。

OpenAI 这次公布了一个值得表扬的口径：每任务成本（cost per task）。在 AutomationBench 1.0.6——一个覆盖 47 种工具、贯穿销售/营销/运营/客服/财务/HR 场景的智能体工作流测试中——

• GPT-6 Sol（xhigh 模式）：完成率 33.2%，单任务成本约 $0.27
• GPT-6 Astra（low 模式）：完成率 30.3%，成本约为 Sol 的 3.9 倍
• Claude Fable 5.1：完成率 31.4%，成本估算超过 Sol 的 8.9 倍
• Claude Opus 5（max 模式）：完成率 26.9%，成本约为 Sol 的 11.1 倍

一个中阶模型在「完成任务数」上压过自家旗舰和竞品旗舰，同时把单任务成本压到对方的零头——这才是这次发布真正的杀招。Of course，必须标注：这些都是 OpenAI 公布的测试与成本估算，不是统一第三方环境下的横向测试，带着发布会滤镜看更稳妥。

可靠性维度的两个数字也有含金量：Sol 的事实错误数量较上一代减少约一半；在一个对抗性编码测试中，「欺骗行为」发生率从 10.4% 降到 1.3%。后者很少被厂商主动提——模型学会装作做对了，是 agentic 场景里最隐蔽的成本，能把这两个数字印在发布材料里，说明 OpenAI 意识到买家已经在意这个了。

第三方交叉验证：Artificial Analysis Intelligence Index 给 Sol 打了 48 分——低于 Astra 和 Claude Fable 5.1（均 53），高于 Grok 4.7（46）。基本符合「中阶上位」的定位，没有发布会滤镜下那么神，但也不虚。

三、Luna 的边界：$0.10 的模型是「工人」，不是「规划者」

Luna 的价格是最有冲击力的：输入 $0.10/百万 token，输出 $0.50——输入价格已经低于小米刚发布的 MiMo-V2.6-Flash，把轻量档卷到了白菜价。

但把基准表摊开，Luna 的能力边界画得非常清楚：

基准	Luna	Sol	Astra
DeepSWE v1.1（软件工程）	66.6%	68.8%	74.1%
FrontierCode 1.1	42.4%	49.3%	53.3%
AutomationBench（智能体工作流）	20.7%	33.2%	41.4%
OSWorld 2.0（计算机操作）	52.7%	64.4%	73.5%
事实错误率	7.6%	4.6%	3.9%

一个非常有意思的结构：Luna 在 DeepSWE 上只比 Sol 低 2.2 个百分点——成本却只有 Sol 的二十分之一。但它在 AutomationBench 上断崖式掉到 20.7%，OSWorld 掉到 52.7%，事实错误率接近 Astra 的两倍。

把这三行放在一起读，结论是一句话：**Luna 能写好一段递到手上的代码，但决定不了下一步该做什么。**它是工人，不是规划者。适合分类、抽取、摘要、批量转换、首轮代码生成——所有「任务已被清晰定义」的高频场景；不适合需要自主决策的多步 Agent 工作流——那里它是伪省钱（false economy），重试和返工会把省下的 token 费加倍还回去。

给团队的选型建议浓缩成一张决策表：

• 海量、规格清晰、重复性任务 → Luna。错一次的代价要小于省下的成本
• 通用 Agent 工作（带工具调用） → Sol。AutomationBench 和 OSWorld 的差距决定了这档别省
• 长链路任务、计算机操作、面向客户的高准确性场景 → Astra。7.6% 的事实错误率上架面向用户的场景必须配验证层

四、「三周下沉」：真正值得记住的信号

回到标题。这次发布里我最在意的不是哪个数字，而是节奏。

传统上，旗舰能力向中阶下沉的周期是 6-12 个月：GPT-4 旗舰发布后，同代便宜模型要等大半年。而这一次：Astra 9 月初发布，9 月 22 日，吸收了它在专业任务、事实准确性、编程、计算机操作和对齐方面改进的 Sol/Luna 就上架了——三周左右，一个完整的能力下沉周期。

这背后是两件事同时发生：

1. 推理经济学拐点。OpenAI 把降价归因于 caching 和 inference 改进，意味着单位 token 的服务成本曲线还在陡峭下探，厂商有底气把「旗舰能力+半价」直接做成列表价。
2. 竞争从「谁的模型更强」转向「完成同样的工作花多少钱」。同一天 Anthropic 发布 Opus 5.5：token 价格较 Opus 5 下降 20%，典型工作负载运行成本下降约 40%，安全测试中越界尝试减少 85%——一个打价格，一个打安全和成本效率。两边路线不同，落点是同一句话：单位智能的单价在崩。

顺便修正一个容易误读的点：OpenAI 在基准对比里放的竞品是 Opus 5 和 Fable 5.1，不是同日发布的 Opus 5.5。第三方口径下 Opus 5.5 在 Terminal-Bench 4.0 上以 66.4% 领先 Astra 的 57.9%——真要选编程模型，建议把 Opus 5.5（$4/$20）一起拉进候选做实测，别只看发布会材料。

五、写给开发者：三个动作

1. 重算一遍你的 token 账本。如果你在 GPT-5.6 促销价时代做过成本测算，所有数字按 50%（缓存场景 60%）重算。不少原来不经济的场景——长文档批量摘要、客服全量质检、代码库全量索引——现在线过了。
2. 把「模型选型」写进架构而不是写进配置。三档同上下文规格的设计就是在邀请你按任务难度路由：规划用 Sol、执行用 Luna、兜底用 Astra。路由层的 ROI 从来没像现在这么高过。
3. 盯住缓存命中率。缓存输入降 60% 意味着「同样的 prompt 结构组织得越好，折扣越深」。这周值得花半天改一下系统提示词的编排方式。

价格战没有赢家输家，只有先上车和后上车的区别。这一次，上车的门票降到了半年前的一半。

---

参考与口径说明：OpenAI 官方发布数据（AutomationBench 1.0.6 / DeepSWE v1.1 / OSWorld 2.0 / Agents' Last Exam / FrontierCode 1.1，均为厂商口径，未经独立复测）；第三方 Artificial Analysis Intelligence Index；路透社/上证报/腾讯新闻/IT 之家报道。价格均为标准档列表价，以官方定价页为准。本文不构成任何采购或投资建议。