作者 |路飞
来源 | 至顶AI实验室
9 月 22 日，OpenAI 发布 GPT-6 Sol 和 Luna，Sol 的 API 输入、输出单价降至上一代促销价的一半。Anthropic 同日推出 Claude Opus 5.5，普通输入、输出单价下调 20%，缓存读取价格下调 60%。
价差足够大时，客户有理由接受一些能力上的不足。价差缩小后，重试和人工检查的成本就更难忽略。那些夹在头部模型与低价产品之间的通用模型，接下来会更难卖。
两家都降价 但没有打成同一个价格
这次调整涉及 GPT-6 Sol、Luna 和 Claude Opus 5.5，并非两个系列所有型号一起降价。下表比较普通 API 单价，不是聊天会员月费；OpenAI 的旧价基准为上一代对应型号的促销价。
型号更替 | 输入 旧价 → 新价 | 输出 旧价 → 新价 |
GPT-5.6 Luna → GPT-6 Luna | ||
GPT-5.6 Sol → GPT-6 Sol | ||
Claude Opus 5 → Opus 5.5 |
单位为美元／百万 token；普通 API 单价，不含缓存等其他计费项目。
Sol 的输入和输出都减半，Luna 的输出降幅约为 58%。Opus 5.5 降价后，普通输入、输出单价仍然是 Sol 的两倍。
Anthropic 保留了 Opus 的价格溢价，OpenAI 也仍有定位更高的 Astra。两家都在降低日常使用的门槛，同时保留更贵的选择。
便宜型号越能干，昂贵型号就越需要解释差价。客户已经能用较低成本完成工作，再为高价模型付钱，就得看到它在复杂任务中少犯了什么错、少返工了几轮。
低价模型的参照物变了
Artificial Analysis 在 Codex 环境下的 Coding Agent Index 测试中，GPT-6 Sol 的 max 档得分为 57，比上一代高 2 分，平均任务费用约 2.99 美元，大约减半。Luna 同档得分为 41，下降 2 分，费用则下降约 60%。
Sol 在这套编程测试里没有以降低成绩换取便宜；Luna 则有小幅回落。降价的吸引力，要和具体任务表现一起看。
采购时只看每百万 token 的报价，很容易漏掉完成任务所需的用量。有的模型单价低，却要多跑几轮才能通过验收。对于边界清楚的分类、抽取任务，情况又可能相反：便宜模型一次就能做对，多花的钱未必有回报。
专门处理某类任务的小模型，仍可以靠固定业务里的准确率、速度和部署方式争取客户。更被动的是缺少这些长处的通用模型：原本对标的旗舰降价了，自己的报价就得跟着重新解释。“比旧版便宜”很快会过时。
缓存折扣瞄准的是长时间使用的人
Anthropic 这次没有把普通单价降到与 Sol 相同，却把缓存读取从每百万 token 0.50 美元降到了 0.20 美元。相对 Opus 5.5 的普通输入价 4 美元，命中缓存的读取单价只有二十分之一。首次写入缓存另行计费，缓存也有有效期。
让 AI 围绕同一套代码连续工作，这个折扣才容易显出分量。模型读文件、修改、运行测试，再根据报错继续修改，过程中要反复读取不少相同内容。缓存减少了这部分重复计算，也给厂商降价提供了空间。
OpenAI 同样改进了缓存，并增加命中情况监测和诊断能力。两家都在降低连续使用中的重复开销。长任务客户能获得多少优惠，开始更多地取决于缓存命中率，而不只是价格表上的普通输入价。
Opus 普通输入单价是 Sol 的两倍，并不能据此认定一个完整项目也会贵两倍。缓存读取、新增输入和输出各占多少，加上完成任务需要跑几轮，才决定最终差额。
模型便宜了 账单为什么未必减少
Artificial Analysis 在 Intelligence Index 测试中记录到，max 档的 Opus 5.5 平均每项任务产生约 11.9 万输出 token，上一代同档约为 7.3 万。新版的任务费用与上一代大致持平，同时取得了该机构当时测得最高的综合分数 58。
这一档换来的是更高的测试成绩，任务费用并没有下降。Anthropic 所说的典型工作负载节省约 40%，来自默认设置下的测试，推理档位和任务集合都不同。
单价降低后，省下的预算可能又花在更长的推理、更多轮检查上。用户也可能把原来嫌贵的任务交给 AI，月度支出没有减少，处理的工作却增加了。
厂商能不能借此增加收入，要看新增用量是否足以抵消单价下降。公开价格也不足以判断它们是否在亏本销售，还需要成本和利润数据。
按月收费的 AI 应用还要防着另一头：用户付的是固定月费，应用承担的调用成本却随任务变化。只看平均费用不够，少数超长任务和连续失败的重试，也可能吃掉降价省下的钱。
降价能吸引试用 迁移还要付成本
用户试一次新模型很容易，把已经运行的工作流程迁过去要麻烦得多。提示词要调整，工具调用要验证，过去能完成的任务还得重新测试。涉及团队协作，还要考虑权限、日志和出了问题怎样恢复。
这些投入不会出现在模型价格表里，却会影响客户是否更换供应商。预计省下的调用费，至少要覆盖迁移和重新验证的成本；业务越复杂，切换就越难只凭一次降价决定。
对已经接入客户业务的厂商，这是留下来的机会。对还没进入的厂商，低价能换来试用，能否接好内部系统、出错后能否恢复，才影响试用之后的选择。
这轮降价，最缺少回旋余地的，是既没有明显能力优势，也没有深入客户业务的通用模型。头部产品降价后，它们能留给客户的理由更少了。
