标签： GPT

7月30日，OpenAI宣布将GPT-5.6 Luna的API价格降低80%，Terra降低20%，同时为最强的Sol推出Fast mode，速度最高提升到标准模式的2.5倍，价格则是标准模式的两倍。

看到“降价80%”，很多人的第一反应大概都是：OpenAI终于开始打价格战了。中国开放权重模型不断逼近前沿能力，价格又普遍更低，OpenAI不可能感受不到压力。

这种理解不能说错，但只解释了一半。OpenAI没有给整个系列统一降价：最便宜的Luna降了80%，Terra只降20%，最强的Sol一分钱没降，想让它跑得更快，反而要支付两倍价格。

所以，这次真正值得关注的，不是模型又便宜了一点，而是OpenAI正在把AI模型划分成两个市场：一个出售越来越便宜、可以大规模使用的“足够强的智能”；另一个出售仍然稀缺的前沿能力、速度和确定性。

真正值得注意的，不是降价80%

GPT-5.6发布时，Luna每百万输入Token 1美元、输出6美元；调整后变成0.20美元和1.20美元。Terra从2.50美元和15美元降到2美元和12美元，Sol继续维持5美元和30美元。OpenAI对三个型号的定位也很清楚：Luna负责高频和后台任务，Terra承担日常工作，Sol处理更复杂、失败成本更高的问题。

这不是一次简单打折，而是在重新划分模型的使用边界。现在OpenAI希望企业先判断一项任务值多少钱，再选择刚好够用的模型。它给出的例子是让Sol规划，再让Luna执行代码修改、测试和评估。未来的智能会像云计算资源一样，按照任务价值分级购买。

这也意味着，模型公司的定价方式正在发生变化。过去主要按照Token多少收费，未来真正决定模型价值的，可能是任务的风险、规模和失败成本。整理一批文档、检查格式或者运行测试，不需要每次都动用最强模型；但涉及复杂决策、长时间自主执行，或者一次错误就可能造成很大损失时，企业仍然愿意为更强的模型支付高价。

OpenAI说是效率提升，但竞争压力不能忽略

OpenAI给出的官方解释，是模型、推理系统和基础设施效率提高。GPT-5.6 Sol参与优化GPU内核，使端到端推理成本下降约20%；它设计和执行的实验，又让Token生成效率提高超过15%。这些数据说明OpenAI确实具备降价的成本基础，并不是单纯拿利润补贴市场。

但这仍然回答不了一个问题：既然基础设施效率整体提高，为什么Luna降80%，Terra只降20%，Sol却保持原价？

OpenAI没有公开说此次调整是为了应对中国模型，因此不能把“被中国模型逼着降价”当作事实。不过，把开放权重模型的竞争完全排除在外，同样不符合现实。Moonshot AI发布的Kimi K3拥有2.8万亿参数和100万Token上下文。Moonshot承认，它的整体性能仍落后于GPT-5.6 Sol和Claude Fable 5，但已经把开放模型推到前沿能力附近；其官方API每百万输入Token为3美元、输出15美元。

降价后的Luna，输入价格只有Kimi K3的十五分之一，输出不到十分之一。它们并非同一能力层级，不能只看价格判断谁更划算，但OpenAI显然不准备把“便宜而且足够好”的市场全部让给中国模型。

这个价格对比甚至有一点反直觉。过去，人们通常认为中国模型负责低价，欧美闭源模型负责最强能力；现在OpenAI自己开始把低价模型压到极低的位置，同时继续用Sol守住最前沿的高价市场。这已经不是哪个公司简单降价，而是闭源模型公司开始主动应对开放权重模型带来的市场结构变化。

开放权重改变的是价格参照系

开放权重并不等于免费。像Kimi K3这样体量巨大的模型，自行部署需要昂贵的GPU和运维能力，普通企业仍多半会选择托管服务。

但开放权重的价值，本来就不在于所有企业都要自己部署，而在于它提供了一种退出的可能。权重开放以后，同一个模型可以由不同服务商提供，企业也可以根据数据合规、成本和性能选择部署方式。即使客户最后继续使用OpenAI，只要它能够迁移到Kimi、DeepSeek、Qwen或其他模型，闭源平台就更难长期维持过高溢价。

以前，最强能力只存在于少数公司的API里，价格主要由这些公司决定；现在，开放模型即使还没有全面超过最强闭源模型，也已经足以完成大量真实工作。它们改变的不是某一个模型的标价，而是整个市场判断“这种能力应该值多少钱”的参照系。

开放模型最先冲击的，也不是Sol这种绝对前沿模型，而是位于中间层、能力已经足够好、差异却没有大到不可替代的产品。Luna降价80%，恰好说明这一层的定价权正在迅速减弱。

对于大量企业来说，它们并不需要模型在所有评测中都拿第一。只要能够稳定完成客服分类、文档整理、常规编码、数据分析和后台自动化，模型能力再提高几个百分点，未必能产生同等比例的商业价值；但价格下降一半，却会直接影响一项业务是否值得规模化部署。

AI模型开始分成两个市场

第一个市场，是逐渐商品化的通用智能。这里竞争的是调用成本、速度、稳定性和规模，适合文档分析、常规编码、后台Agent和批量自动化。只要质量达到要求，几分钱的差异乘以每天几百万次调用，就会变成很大的成本差异。

OpenAI称，Luna已经能以大约一年前前沿模型6%的单任务成本提供接近的能力，并达到近九倍速度。其发布数据中，Luna在Artificial Analysis Intelligence Index上的得分为51.2，接近GPT-5.5的54.8；Terra则达到55。这些数字来自OpenAI发布材料，不能代替企业自己的评测，但至少说明，去年还需要旗舰模型完成的一部分工作，今天已经可以交给最低价型号。

第二个市场，是仍然稀缺的前沿智能。这里出售的不只是Token，而是解决高不确定性问题的能力、更长时间的自主执行、更高成功率，以及关键时刻节省下来的时间。Sol继续维持每百万输入5美元、输出30美元，Fast mode按两倍价格收费，说明高价值任务仍然愿意为能力和延迟支付溢价。

因此，AI模型的未来未必是所有价格一起下降。更可能的情况是：旧的前沿能力不断下沉，进入越来越便宜的模型；每个时代最新、最强、最可靠的那一层能力，仍然保持高价。

开放权重模型削弱的，首先是普通智能的品牌溢价，而不是立刻消灭最强智能的稀缺溢价。只有当开放模型在复杂推理、长周期Agent任务和可靠性上也全面接近最强闭源模型时，Sol这一层的价格才会真正受到冲击。

AI也有自己的“摩尔定律”

2023年GPT-4刚开放API时，每百万输入Token约30美元，输出60美元。2024年GPT-4o在接近GPT-4 Turbo文本能力的同时，速度提高一倍、价格降低一半；到2025年的GPT-5，价格已经降到输入1.25美元、输出10美元。不同年代的模型不能视为同一种商品，但趋势很清楚：支付相近的钱，可以获得越来越强的能力；完成相近的任务，需要的成本也在下降。

这有点像AI行业自己的摩尔定律，但真正应该观察的不是每Token价格，而是每个成功任务的成本。一个模型单价很低，如果需要更多推理Token和反复重试，最终并不一定便宜；另一个模型单价更高，如果一次完成、工具调用更少，反而可能更经济。

未来企业不会只看排行榜和API价目表，而会计算一项工作成功完成需要多少时间、Token和人工返工。最强模型负责少数困难判断，便宜模型负责大量明确执行，开放权重模型则成为成本、数据和供应商风险之间的另一种选择。

这也会改变AI应用的技术架构。过去开发者可能为整个产品选择一个默认模型，未来更合理的方式，是让系统根据任务自动路由：简单问题调用低价模型，复杂问题升级到旗舰模型，敏感数据进入私有部署模型。真正有价值的产品能力，将不只是接入了哪个大模型，而是能否把不同模型组织成一套成本可控、结果可靠的系统。

价格下降之后，竞争才真正开始

对于OpenAI来说，Luna大幅降价可以扩大调用规模，也能减少开发者因为成本迁移到开放模型的动力；但当中间层能力越来越像标准化商品，真正的护城河就不能只是“我有一个更强的模型”。它必须转向更稳定的基础设施、更好的Agent框架、更丰富的工具和企业数据连接，以及ChatGPT、Codex这些直接触达用户的产品。

对于中国模型公司来说，开放权重和低价策略正在改变全球市场，但低价不自动等于商业成功。模型越大，推理成本越高；价格越低，越需要调用规模、云服务收入或企业服务来支撑持续研发。开放可以建立生态，也可以削弱竞争对手的定价权，但最终仍要回答收入从哪里来。

所以，OpenAI这次降价并不意味着前沿模型高价时代结束了。它真正说明的是，“足够强的智能”正在迅速失去稀缺性。开放权重模型、推理效率提升和基础设施竞争，会不断把昨天昂贵的能力推向今天的低价市场；模型公司则会把新的溢价放到更复杂的能力、更快的速度、更高的可靠性和更完整的产品上。

OpenAI把Luna降价80%，Sol却不降价，这两件事并不矛盾。它们展示了AI模型市场可能长期存在的结构：边界以内的能力会越来越便宜，边界之外的前沿智能仍然昂贵。

开放权重模型真正改变的，不是所有模型都会立刻降到同一个价格，而是这条边界向前移动的速度会越来越快。