同一个 GPT-5.6 家族，OpenAI 给出了两种方向相反的价格动作：Luna 和 Terra 降价，Sol 则增加一条两倍价格的 Fast mode。

便宜的负责吞规模，昂贵的负责抢时间。OpenAI 正在把“模型有多聪明”拆成一张更细的价目表：智能、速度和成本，各自计价。

Luna 降价 80%，Sol 只给速度加价

信息来自 OpenAI 发布的《Advancing the price-performance frontier with GPT-5.6》。按公告，价格调整如下：

模型或模式价格变化API 价格具体规则
GPT-5.6 Luna降价 80%输入 0.20 美元、输出 1.20 美元/百万 token面向高频、批量任务
GPT-5.6 Terra降价 20%输入 2 美元、输出 12 美元/百万 token位于成本与能力的中间档
GPT-5.6 Sol 标准模式不变公告未在所给材料中列出具体单价没有降价
GPT-5.6 Sol Fast mode标准模式的 2 倍按 Sol 标准价格加倍速度最高提升 2.5 倍，官方称智能水平不变

按降幅倒推，Luna 调价前约为输入 1 美元、输出 6 美元；Terra 约为输入 2.50 美元、输出 15 美元。这里是根据官方降幅和新价格计算出的旧价，并非公告另行公布的一组数字。

Fast mode 取代原来的 Priority Processing。它没有提供更强的模型能力，只增加一条高价、低时延通道。“最高 2.5 倍”也不是稳定承诺，不能直接当成生产环境的 P95 延迟表现。

价格按官方原文于 7 月 30 日生效，所给材料未标明年份。AWS 端会滚动上线，不能理解成所有平台同一时刻完成切换。

ChatGPT Work 与 Codex 的订阅价格、额度预算不变。变化落在 credits 消耗上：使用 Luna、Terra 完成相同类型的调用，扣除的 credits 会减少。

直接受益的场景很具体：

  • 批量读取、提取和整理文档；
  • 客服工单分类、审核和路由；
  • 常规代码生成、修改与测试；
  • 大量重复、容错空间较高的后台任务。

普通 ChatGPT 用户未必会立刻感到差异。真正需要重新算账的，是企业 AI 工作流负责人和调用量较大的 API 团队。

企业要算的是整条工作流，不是单个模型

OpenAI 给出的建议很明确：不要让一个昂贵模型包办所有步骤。

一条企业工作流可以让 Sol 做规划、判断和复杂决策，再把拆好的任务交给 Luna 批量执行。Terra 留在中间，承接那些 Luna 不够稳、又没必要动用 Sol 的环节。

这比“所有请求都换成便宜模型”现实得多。

例如，一批合同需要处理。Sol 可以先识别风险条款、决定提取规则，Luna 再完成数千份文档的字段抽取和格式整理。企业购买的已经不是某个模型的单次回答，而是一条由多个模型、工具和校验环节拼起来的生产线。

OpenAI 称，Luna 能以约一年前前沿模型每任务 6% 的成本、接近九倍的速度，完成相近工作。这个数字很亮眼，但它来自 OpenAI 自测或估算。测试任务、质量阈值、上下文长度以及工具调用条件，在现有材料里并不完整。

“相近工作”也不等于所有任务质量相同。

企业最终支付的每任务成本，大致还要算上这些部分：

token 费用 + 工具调用 + 重试消耗 + 人工校正 + 路由与工程维护

如果 Luna 单次调用便宜了，但错误率导致更多重试，或者团队需要重写提示词、评测和路由逻辑，账单降幅会小于 80%。在部分复杂流程里，工程成本甚至会暂时盖过 token 节省。

如果你负责企业工作流，最现实的动作不是立刻全量迁移，而是拿一段真实流量做并行测试，至少记录四项指标：

  • 每个成功任务的总成本，而非每百万 token 单价；
  • P50 与 P95 延迟，而非宣传中的最高速度；
  • 重试率、工具调用失败率；
  • 人工返工时间和最终完成率。

Fast mode 也很好判断。只有当等待会阻塞后续流程、影响实时交互，或者延迟损失高于额外模型费用时，两倍价格才合理。夜间批处理、离线文档整理、非紧急代码任务，通常没有必要为它买单。

模型进入货架，平台开始争夺调度权

云计算早就走过类似的路。相近的计算资源被拆成按需、预留、抢占式实例，客户表面上在买服务器，实际在学习如何调度成本、容量和可用性。

今天的模型市场并不完全一样。模型质量更难测，输出也不像 CPU 时间那样稳定。但重复出现的商业结构很清楚：当基础能力逐渐标准化，厂商就会把价格梯度做得更细，让客户按任务价值购买不同档位。

OpenAI 这轮动作做对了一件事：它承认企业不需要每一步都调用最强模型。

过去的发布叙事总在强调榜单、参数和能力上限。企业真正头疼的却是另一套问题：一天跑几十万次任务要花多少钱，延迟能否卡进业务流程，失败后要重试几次，换模型会不会牵动整条工具链。

Luna 降价 80%，是在抢这些高频调用。Sol 的 Fast mode，则把愿意为时间付费的请求单独挑出来。一个吞规模，一个卖时延，两端都能收钱。

我更在意的，是平台由此获得的调度位置。模型选择、请求路由、credits 计费和订阅产品逐渐连在一起后，企业迁移的对象就不再是一条 API，而是一套工作流。单个模型越像商品，承载路由、评测、权限和账单的平台越难替换。

当然，这套定价能否成立，还要看三个现实变量：Luna 在真实任务里的质量损失，Fast mode 的稳定延迟，以及跨模型路由是否真的省下总成本。任何一项不达标，漂亮的单价都会在重试和维护里被吃掉。

7 月 30 日之后，企业不该只盯着价格表。真正需要核对的，是一项任务从进入系统到被业务接受，究竟花了多少钱、等了多久、返工了几次。

模型便宜只是开场。谁能掌握整条工作流的调度，谁才拿走后面的利润。