OpenAI 于 7 月 30 日调整了 GPT-5.6 系列的 API 价格。该公司同时发布了一篇文章，说明如何让效率提升与投资形成循环，并在文中提到 Luna 降价 80%、Terra 降价 20%[1]。Luna 的输入价格降至每百万 tokens 0.20 美元（约 32 日元），而定位更高的 Sol 维持原价，改为提供新的速度选项[2][3]。
Luna 降到五分之一，Terra 便宜两成
新价格自 7 月 30 日起生效，与调整前的对比如下[2][3]。
| 模型 | 输入（每百万 tokens） | 输出（每百万 tokens） |
|---|---|---|
| GPT-5.6 Luna（调整前） | 1 美元（约 160 日元） | 6 美元（约 950 日元） |
| GPT-5.6 Luna（调整后） | 0.20 美元（约 32 日元） | 1.20 美元（约 190 日元） |
| GPT-5.6 Terra（调整前） | 2.50 美元（约 400 日元） | 15 美元（约 2,400 日元） |
| GPT-5.6 Terra（调整后） | 2 美元（约 320 日元） | 12 美元（约 1,900 日元） |
※1 美元 = 159 日元（截至 2026 年 7 月 31 日）
影响不止于 API。两款模型在 ChatGPT Work 与 Codex 中消耗的额度也减少了，签约企业可以在不增加支出的前提下处理更多工作[3]。
GPT-5.6 系列于 7 月 9 日发布，这次降价距发布仅三周左右。产品线从高到低依次为 Sol、Terra 与 Luna，其中 Luna 定位于最快、最便宜的一档。
Sol 价格不变，新增 Fast mode
旗舰型号 Sol 没有调价，取而代之的是 API 中用新的 Fast mode 替换了原先的 Priority Processing[3]。它以两倍的价格提供最高 2.5 倍于标准处理的速度，智能水平保持不变[1]。已经带有 priority 标记的请求仍可继续使用[3]。
OpenAI 认为，提问方式本身需要改变。与其纠结哪个模型对应哪项任务，更该问的是所需结果需要多少智能、多快得到、成本应该是多少。这三者的平衡在同一条工作流中也可能变化数次[1]。
降价的底气来自服务效率的提升
该公司把降价归因于训练与推理堆栈的整体效率优化[3]。最具代表性的是 GPT-5.6 Sol 参与优化生产环境的 GPU 内核，使端到端的服务成本下降 20%。在投机解码方面的改进则让 token 生成效率提升超过 15%[1]。
效率并非由模型单独决定。在近期的基准分析中，得益于推理保持与上下文管理的改进，Sol 在公开任务集 ARC-AGI-3 上的得分从 13.3% 提高到 38.3%，同时输出 tokens 只用了六分之一。模型本身没有变化，改变的只是周边系统[1]。
真正该衡量的是成功结果的成本
OpenAI 还写道，客户并不是为了买 tokens 而买 tokens。他们要的是问题被解决、软件被交付、合同被审阅。真正该衡量的是达成成功结果的成本，包括为此付出的时间、重试、监督与纠错。用一次就把事情做完的强模型，最终可能比需要反复尝试的廉价模型更省钱[1]。
支撑这一说法的是使用规模。其模型的活跃用户已超过 10 亿人，企业客户超过 200 万家。注册满六个月后，用户每天发送的消息量增加约 50%，使用 ChatGPT 处理的工作种类扩展到约两倍。在公司内部，通过 Codex 完成的智能体工作占每周输出 tokens 的 99.8%[1]。
企业不会少花钱，而是换个花法
不过分析师并不认为降价会直接压缩企业的 AI 预算。Pareekh Consulting 的首席分析师 Pareekh Jain 指出，对 CIO 而言最大的影响是扩大部署范围而非削减成本。价格下降后，试点更容易转入生产，需要多次调用模型的智能体工作流也具备了经济可行性。他认为多数企业会把省下的钱重新投入使用量，并以杰文斯悖论作类比——效率提升往往反而推高整体消耗[3]。
Avasant 的研究总监 Chandrika Dutt 同样预计，企业会把这部分空间用于构建此前难以在经济上说得通的复杂智能体流程。Jain 还补充说，新芯片、更高效的软件设计与激烈竞争，很可能让未来 24 个月各家的推理成本继续下降，因此 CIO 应以 AI FinOps 与灵活架构为前提做设计，以便随性价比变化更换模型[3]。
总结
这次调整实际上把 Luna 的单价压到原来的五分之一，Terra 便宜两成，而旗舰 Sol 保持原价并通过 Fast mode 增加速度选项，取舍相当分明。降价背后是模型自身参与实现的服务成本削减，OpenAI 把它解释为效率与投资相互带动的循环。至于便宜下来的 tokens 怎么用，已经变成使用方的设计问题。
来源[1] https://openai.com/index/building-abundant-intelligence/
来源[2] https://openai.com/index/advancing-the-price-performance-frontier-with-gpt-5-6/
