Luna的输入与输出合计价格降至每百万tokens仅1.40美元，使其成为市场上性价比最高的前沿模型之一 。Terra的合计价格为每百万tokens 14美元。Sol的Fast模式处理速度可达Standard模式（标准处理）的2.5倍，价格为Standard模式的两倍，但推理智能水平不变 。

GPT-5.6如何“自减”服务成本

此次降价最引人注目的部分，在于其背后的工程学故事。7月29日，OpenAI披露，GPT-5.6 Sol自主重写并优化了其自身的生产GPU内核——这些低层级的代码是模型在硬件上实际运行的基石 。

借助Codex开发环境，GPT-5.6 Sol接入了OpenAI的内部基础设施，设计并执行了数百次架构实验，甚至自行启动并监控了部署迭代，并逐步优化了实验结果 。该模型学会了OpenAI内核栈所使用的编程语言——Triton和Gluon的语法 。

根据OpenAI公布的可量化成果 ：

• 服务成本降低20%，得益于生产GPU内核的改进。
• token生成效率提升15%以上，得益于对投机性解码（一种利用小规模“草稿模型”预测下一个token以加速推理的技术）的改进。

这些效率提升是更广泛技术栈优化的组成部分。相关报道也提及了负载均衡架构的重构，它能够根据用户地理位置、加速器类型及缓存可用性动态分发请求；以及提示缓存（Prompt Caching） 功能，其缓存有效时间（TTL）约为30分钟，使用缓存输入比全新输入便宜90% 。

竞争的压力锅

OpenAI如此激进且迅速（发布仅三周）的降价决策，反映了一个在过去几周内已发生剧变的竞争格局。

Moonshot AI的Kimi K3（于7月17日发布）是一个来自北京初创公司的开源模型，拥有2.8万亿参数。在多项前端编码基准测试中，它追平甚至超越了GPT-5.6 Sol和Anthropic的Fable 5 。在Arena的“前端代码排行榜”上，Kimi K3获得了1,679分，超过了GPT-5.6 Sol和Fable 5 。7月30日，Startrise AI Labs发布的一项独立基准测试显示，在一项前端工程测试中，Kimi K3与Anthropic的Claude Opus 5表现持平，但成本仅为后者的一小部分：运行整个测试套件的费用为7.17美元，而Opus 5需要21.17美元。

Kimi K3已成为全球最大的开源AI模型。据报道，微软正在考虑将其接入Copilot，此举可能为微软节省高达6亿美元的成本（每token节省60%）。

Anthropic于7月24日发布了Claude Opus 5，其定价为每百万输入tokens 5美元——是Fable 5价格的一半——并且在多项基准测试中超越了Fable 5 。这给GPT-5.6 Sol所在的高级定价层级带来了额外的压力。

谷歌和微软都在7月发布了多款高性价比模型，进一步挤压了中端和入门级市场 。

激烈的竞争态势迫使OpenAI将Luna定位为一种“亏本引流产品”，用于吸引对价格敏感的高频用户，同时将Sol作为其高端的差异化产品 。

企业级AI进入成本管控时代

此次降价并非孤立事件。企业客户正越来越多地要求对AI支出实施严格的预算控制，其管理方式与云计算的成本管理日益趋同。

2026年7月22日，OpenAI在其API平台上新增了可执行的硬性月度预算上限功能 。与其6月为ChatGPT Enterprise推出的软性上限（仅为仪表盘观察功能）不同，7月22日上线的这一功能会在月度预算耗尽后，使API实时请求失败并返回HTTP 429状态码 。管理员可以在组织或项目级别设置这项限制，该上限会在每个新的计费周期开始时自动重置 。

这是对普遍性痛点的直接回应。多家消息源报道称，亚马逊等大型企业正在内部及客户层面推行AI支出上限，因为企业开始更加审慎地评估AI投资的回报率 。采购模式已经发生转变：路透社报道称，注重成本的企业现在像对待“云计算”那样对待AI——涉及专项预算编制、额度分配以及大规模部署时必须经过CIO级别的审批 。

OpenAI推出的硬性支出上限功能为企业在面对无休止的AI代理（Agent）成本时提供了一道安全阀，尽管它同时也降低了单位token的价格。这释放出一个清晰信号：“在AI上花多少钱都行”的时代已经结束了。

这对AI买家意味着什么

对于使用OpenAI API的开发者及企业而言，短期利好是明显的：

• Luna：现在对于分类、数据提取、简单对话等对延迟敏感的高频任务，价格极具竞争力。每百万输入token仅0.20美元的价格，使其在保持OpenAI API稳定性的同时，能够与开源模型一较高下。
• Terra：凭借每百万输入/输出token 2美元/12美元的价格，以及本次20%的降价，它仍是大多数生产工作负载的最佳价值之选。
• Sol：凭借其Fast模式在保持高质量的同时提供了更高的速度，它依然是处理复杂推理任务的首选。

更深层次的启示是：AI价格战已经真实发生，且正在加速。其驱动力不仅来自外部的竞争压力，更来自内部的工程效率提升——包括模型自主优化自身生产代码这一前所未有的先例。随着这些自我优化技术的成熟，以及开源模型在性能上持续缩小差距，企业应当预期整个行业的价格还将进一步下降。

Luna的输入与输出合计价格降至每百万tokens仅1.40美元，使其成为市场上性价比最高的前沿模型之一 。Terra的合计价格为每百万tokens 14美元。Sol的Fast模式处理速度可达Standard模式（标准处理）的2.5倍，价格为Standard模式的两倍，但推理智能水平不变 。

GPT-5.6如何“自减”服务成本

此次降价最引人注目的部分，在于其背后的工程学故事。7月29日，OpenAI披露，GPT-5.6 Sol自主重写并优化了其自身的生产GPU内核——这些低层级的代码是模型在硬件上实际运行的基石 。

借助Codex开发环境，GPT-5.6 Sol接入了OpenAI的内部基础设施，设计并执行了数百次架构实验，甚至自行启动并监控了部署迭代，并逐步优化了实验结果 。该模型学会了OpenAI内核栈所使用的编程语言——Triton和Gluon的语法 。

根据OpenAI公布的可量化成果 ：

• 服务成本降低20%，得益于生产GPU内核的改进。
• token生成效率提升15%以上，得益于对投机性解码（一种利用小规模“草稿模型”预测下一个token以加速推理的技术）的改进。

这些效率提升是更广泛技术栈优化的组成部分。相关报道也提及了负载均衡架构的重构，它能够根据用户地理位置、加速器类型及缓存可用性动态分发请求；以及提示缓存（Prompt Caching） 功能，其缓存有效时间（TTL）约为30分钟，使用缓存输入比全新输入便宜90% 。

竞争的压力锅

OpenAI如此激进且迅速（发布仅三周）的降价决策，反映了一个在过去几周内已发生剧变的竞争格局。

Moonshot AI的Kimi K3（于7月17日发布）是一个来自北京初创公司的开源模型，拥有2.8万亿参数。在多项前端编码基准测试中，它追平甚至超越了GPT-5.6 Sol和Anthropic的Fable 5 。在Arena的“前端代码排行榜”上，Kimi K3获得了1,679分，超过了GPT-5.6 Sol和Fable 5 。7月30日，Startrise AI Labs发布的一项独立基准测试显示，在一项前端工程测试中，Kimi K3与Anthropic的Claude Opus 5表现持平，但成本仅为后者的一小部分：运行整个测试套件的费用为7.17美元，而Opus 5需要21.17美元。

Kimi K3已成为全球最大的开源AI模型。据报道，微软正在考虑将其接入Copilot，此举可能为微软节省高达6亿美元的成本（每token节省60%）。

Anthropic于7月24日发布了Claude Opus 5，其定价为每百万输入tokens 5美元——是Fable 5价格的一半——并且在多项基准测试中超越了Fable 5 。这给GPT-5.6 Sol所在的高级定价层级带来了额外的压力。

谷歌和微软都在7月发布了多款高性价比模型，进一步挤压了中端和入门级市场 。

激烈的竞争态势迫使OpenAI将Luna定位为一种“亏本引流产品”，用于吸引对价格敏感的高频用户，同时将Sol作为其高端的差异化产品 。

企业级AI进入成本管控时代

此次降价并非孤立事件。企业客户正越来越多地要求对AI支出实施严格的预算控制，其管理方式与云计算的成本管理日益趋同。

2026年7月22日，OpenAI在其API平台上新增了可执行的硬性月度预算上限功能 。与其6月为ChatGPT Enterprise推出的软性上限（仅为仪表盘观察功能）不同，7月22日上线的这一功能会在月度预算耗尽后，使API实时请求失败并返回HTTP 429状态码 。管理员可以在组织或项目级别设置这项限制，该上限会在每个新的计费周期开始时自动重置 。

这是对普遍性痛点的直接回应。多家消息源报道称，亚马逊等大型企业正在内部及客户层面推行AI支出上限，因为企业开始更加审慎地评估AI投资的回报率 。采购模式已经发生转变：路透社报道称，注重成本的企业现在像对待“云计算”那样对待AI——涉及专项预算编制、额度分配以及大规模部署时必须经过CIO级别的审批 。

OpenAI推出的硬性支出上限功能为企业在面对无休止的AI代理（Agent）成本时提供了一道安全阀，尽管它同时也降低了单位token的价格。这释放出一个清晰信号：“在AI上花多少钱都行”的时代已经结束了。

这对AI买家意味着什么

对于使用OpenAI API的开发者及企业而言，短期利好是明显的：

• Luna：现在对于分类、数据提取、简单对话等对延迟敏感的高频任务，价格极具竞争力。每百万输入token仅0.20美元的价格，使其在保持OpenAI API稳定性的同时，能够与开源模型一较高下。
• Terra：凭借每百万输入/输出token 2美元/12美元的价格，以及本次20%的降价，它仍是大多数生产工作负载的最佳价值之选。
• Sol：凭借其Fast模式在保持高质量的同时提供了更高的速度，它依然是处理复杂推理任务的首选。

更深层次的启示是：AI价格战已经真实发生，且正在加速。其驱动力不仅来自外部的竞争压力，更来自内部的工程效率提升——包括模型自主优化自身生产代码这一前所未有的先例。随着这些自我优化技术的成熟，以及开源模型在性能上持续缩小差距，企业应当预期整个行业的价格还将进一步下降。