博客详情

在GPT-6 Astra面世不足一个月之际，OpenAI迅速完成了GPT-6系列产品线的布局。

当地时间9月22日，OpenAI推出了GPT-6 Sol与GPT-6 Luna，分别定位于中阶与轻量级任务。这两款新模型最显著的升级并非单纯提升性能指标，而是定价策略的调整。

根据OpenAI的官方说明，GPT-6 Sol的API收费标准为每百万输入token2美元、输出token10美元，相较于此前GPT-5.6 Sol的促销价下降了50%；GPT-6 Luna则为每百万输入token0.10美元、输出token0.50美元，同样比GPT-5.6 Luna之前的促销价低了50%。

这一价格使得Sol直接与Claude Sonnet 5的价位持平，后者目前同样为输入2美元、输出10美元。而Luna则进一步向低价模型市场渗透，其输入价格甚至低于小米最新发布的MiMo-V2.6-Flash。

巧合的是，就在同日，Anthropic发布了Claude Opus 5.5。其API价格为输入4美元、输出20美元，较Opus 5的token价格下降了20%，但Anthropic声称，典型工作负载的整体运行成本降低了约40%。

一边是旗舰模型通过降低成本来竞争，另一边则是中阶与轻量模型直接降价。AI模型领域的竞争焦点，正在从“谁的模型更强”，越来越多地转向“完成同样的任务需要多少花费”。

01 Sol定位中阶，价格腰斩

尽管GPT-6 Sol的定位低于Astra，但OpenAI并未将其简单视为“廉价版本”。

在专业工作、编程及计算机操作等任务中，Sol的表现显著超越了上一代GPT-5.6 Sol，部分测试成绩甚至接近Astra。

AutomationBench是其中最具代表性的案例。

该测试涵盖了47种工具，涉及销售、营销、运营、客服、财务及人力资源等场景的智能体工作流。OpenAI公布的数据显示，Sol在xhigh模式下得分为33.2%，单任务成本约为0.27美元。

相比之下，GPT-6 Astra在low模式下得分为30.3%，单任务成本约为Sol的3.9倍；Claude Opus 5在max模式下得分为26.9%，单任务成本约为Sol的11.1倍。Claude Fable 5.1得分为31.4%，OpenAI估算其任务成本超过Sol的8.9倍。

不过，这些数据均源自OpenAI自行公布的测试与成本估算，并非在统一的第三方环境下进行的横向对比。特别是Fable 5.1的成本计算还涉及Opus 5的降级调用，OpenAI明确表示，所公布的成本并未计入约40%任务中发生的降级成本。

Agents' Last Exam的结果也呈现出类似趋势。

这项测试覆盖了55个细分行业，主要评估长周期、复杂的专业工作。OpenAI表示，Sol在max模式下得分为56.4%，超越了Claude Opus 5在该评测中的最高成绩，同时单任务成本降低了60%。

在编程方面，DeepSWE v1.1测试中，Sol在max模式下得分为68.8%，距Claude Fable 5的最高成绩69.9%仅差1.1个百分点，而OpenAI估算其单任务成本降低了约80%。

Luna则将“低成本”推向了更远的边界。

同样在DeepSWE v1.1测试中，Luna在max模式下取得了66.6%的成绩，与Opus 5和Fable 5 medium模式的表现相当。OpenAI声称，在这一对比中，Luna的单任务成本比Opus 5低了93%，比Fable 5低了96%。

在计算机操作方面，Sol在OSWorld 2.0离线集上的xhigh模式成绩为60.5%，Claude Opus 5在medium模式下为60.3%，两者几乎持平，但OpenAI称Sol的单任务成本低了约80%。Astra依然是GPT-6系列中计算机操作能力最强的模型。

因此，OpenAI此次最值得关注的变化，并非仅仅聚焦于“模型得分”。它开始反复强调cost per task，即完成一项任务究竟需要多少成本。

02 价格战升温

如果说Sol是在为中阶模型市场重新定价，那么Luna则直接将价格拉低到了更低的区间。

目前，MiMo-V2.6-Flash的API价格为每百万输入token0.14美元、输出0.28美元；MiMo-V2.6-Pro则为0.435美元和0.87美元。GPT-6 Luna的输入价格仅为0.10美元，但输出价格为0.50美元。

这意味着，Luna的输入价格比MiMo-V2.6-Flash低了约29%，但输出价格却高出约79%。

不过，两者的商业模式也不尽相同。

小米已公开发布了MiMo-V2.6-Pro和Flash的模型权重，开发者可以自行部署；如果企业选择自托管，成本便从API token费用转向了GPU、存储、推理框架及运维成本。

xAI刚刚发布的Grok 4.7则呈现出另一种情况。在200K prompt以下，其标准价格为输入2美元、输出6美元，与Sol相比输入价格相同，输出价格低4美元。但当prompt超过200K后，Grok 4.7的价格会翻倍至输入4美元、输出12美元。

因此，仅从标价来看，市场已形成了非常密集的价格梯度：Luna负责0.10/0.50美元这一档；MiMo、Gemini等继续压低低端与中低端价格；Sol稳居2/10美元；Grok 4.7为2/6美元；Opus 5.5则为4/20美元。

真正的差异，最终仍需回归到任务完成率与实际调用成本。

03 90%缓存折扣，成本再降

OpenAI此次同步改进了GPT-6的提示缓存机制。同时，开发者可通过仪表盘和诊断工具观察缓存效果，调整推理努力级别和工具可用性而不破坏现有缓存，还能通过显式breakpoint控制哪些prompt前缀进入缓存。

GitHub提供了一个较为直观的案例。OpenAI表示，过去几个月的缓存优化，使得GitHub Copilot数十亿次请求中需要重新处理的prompt token比例下降了超过50%，同时有助于提升响应速度。

Anthropic也在强调类似的逻辑。Sonnet 5目前价格为输入2美元、输出10美元，并提供最高90%的prompt caching成本节省。

小米的MiMo-V2.6则进一步压低了缓存价格，Flash缓存命中输入价格为每百万token0.0028美元，Pro为0.0036美元。

这意味着，未来企业真正需要计算的，可能已不再是简单的“token单价”，而是完整的单位任务成本：输入token、输出token、缓存命中率、工具调用次数、推理轮数、延迟以及失败后的重试成本。

除了token和缓存成本，OpenAI还在降低另一种“隐性成本”：沟通时间。

GPT-6 Sol和Luna继承了Astra改进后的沟通风格，在技术与编程对话中减少了术语、奇怪措辞和低价值细节，回答更加清晰且简洁。

OpenAI给出的网页设计案例中，要求将网站改为Bento Box风格并增加页面滑动切换。GPT-5.6 Sol花费了不少篇幅解释“不需要React”，还主动分享页面数量、实现细节及图片工具提示词。而GPT-6 Sol则直接说明修改方案，完成后交代结果，并补充检查了桌面端、移动端和浏览器返回操作，同时明确网站无需React。

这种变化虽不直接体现在API账单上，却会影响实际使用效率。

对于长期运行的编程和工作型智能体而言，少一些废话、少一次确认，也意味着更低的时间成本。

04 欺骗率大幅下降，边界仍在

GPT-6 Sol和Luna还有一个容易被价格新闻掩盖的变化，即对齐表现。

OpenAI公布的内部测试显示，在专门诱导模型不诚实的coding deception测试中，Sol的欺骗率从GPT-5.6 Sol的10.4%降至1.3%，Luna从9.5%降至2.8%。

在另一项“搜索工具已经损坏”的测试中，模型需要判断工具失效并主动说明，而不是继续猜测答案。Sol未告知工具损坏的比例从77.8%降至5.4%，Luna则从78.3%降至30.2%。

Codex测试中，Sol未观察到绕过自动安全审查的行为；Luna的绕过尝试率从3.5%降至0.3%，且没有一次成功。

不过，这组数据不能简单理解为“模型日常使用中的错误率”。OpenAI解释称，这些测试是刻意设计的对抗场景，并不代表正常产品使用中的失败概率。

而且，模型仍然存在明显的边界问题。

例如，面对“访问被拒绝”这样的明确警告，Sol在测试中仍有64.4%的运行尝试绕过限制，GPT-5.6 Sol为68.2%；Luna则从76.5%下降至42.4%。这表明，模型在极端场景下的行为虽有改善，但距离“完全按照边界行动”仍有差距。

对于无人值守运行的企业智能体来说，这类指标的重要性甚至可能高于某个通用benchmark多提高几个百分点。

05 GPT-6开始演变为一套“模型分工”

目前，GPT-6系列的三档定位已较为清晰。

Astra继续承担最复杂的任务。OpenAI将其定位为GPT-6系列中能力最高的模型，适用于多步骤、多模态、科学和数学等高难度工作。

Sol则承担大量复杂但高频的工作，例如构建功能、代码审查、调试和数据分析。Luna进一步向大规模轻量任务下沉，包括摘要、提取和简单问答。

这套分层最大的变化在于，开发者无需再让所有任务都经过同一个旗舰模型。

OpenAI表示，Sol和Luna的新价格是长期价格，并非即将结束的短期促销。这对企业尤其重要——价格长期维持，用户可以直接将模型路由、缓存策略和任务分层写入生产系统。

从这个角度来看，GPT-6 Sol和Luna真正改变的，或许并非某个benchmark的排名。过去，模型竞争主要看谁能将能力再向上推一步。而现在，则是同样的工作，谁能用更少的钱、更少的token和更少的重试来完成。

特约编译金鹿对本文亦有贡献

本文来自“腾讯科技”，作者：苏扬，编辑：徐青阳，36氪经授权发布。