OpenAI 先前為 Sol 推出 Fast 模式，最高可達標準處理速度的 2.5 倍，但價格是標準模式的兩倍。這反映出 OpenAI 將運算效率轉換為兩種商業選項：一方面降低一般 API 使用成本，另一方面讓對延遲敏感的客戶以溢價換取速度。

OpenRouter 為何可能更便宜？

OpenRouter 目前的模型頁面顯示，GPT-5.6 Sol 的價格為每百萬 token 輸入 2 美元、輸出 10 美元，約是 OpenAI 新直接短上下文價格的一半。

對需要大量呼叫模型的團隊而言，這可能構成實質的採購替代方案。但兩者不宜直接視為永久且完全等價的牌價：聚合平台價格可能取決於供應商路由、促銷條件、快取命中率、流量類型和服務條款。企業在轉換前仍應確認模型版本是否一致、資料處理方式、速率限制、服務水準協議及故障處理機制。

AWS Bedrock 的 Sol 價格也會因路由方式而異。短上下文下，全球跨區域推理價格為每百萬 token 輸入 5 美元、輸出 30 美元；區域內及地理跨區域推理則為 5.50 美元和 33 美元。這意味著 Bedrock 未必是單看 token 價格最便宜的選項，但它把雲端帳務、IAM 權限和區域治理整合到同一套企業基礎設施中。

Amazon Bedrock 新增哪些跨區域能力？

AWS 已將 GPT-5.6 Sol、Terra 和 Luna 擴展至 bedrock-runtime 端點，支援 Responses、Converse 和 Chat Completions API，並提供地理跨區域及全球跨區域推理。

區域內推理：資料留在指定 AWS 區域

In-Region 模式會在使用者選定的 AWS Region 內處理請求。初始可用區域包括美國東部（北維吉尼亞）和美國東部（俄亥俄）；Terra 與 Luna 也可在美國西部（奧勒岡）使用。

這種模式較適合必須把資料限制在單一區域的工作負載，但可用運算容量也會受該區域限制。

地理跨區域推理：在指定地理範圍內調度

Geo cross-Region inference 會在預先定義的地理範圍內路由請求，例如美國、歐盟、日本或澳洲，而不是固定使用單一 Region。對需要符合地理資料駐留要求、同時又想取得較大容量池的組織而言，這是折衷方案。

全球跨區域推理：換取最大容量池

以 global. 開頭的 inference profile 可根據即時容量，把請求派送至任何支援該模型的商用 AWS Region。當工作負載沒有特定地理處理限制時，全球路由有助於避開單一區域的壅塞，並提高可用吞吐量。

代價是資料可能在指定地理範圍之外處理，因此不適合受嚴格資料主權、合約或內部合規政策約束的工作負載。

AWS 也列出 GPT-5.6 Sol 的跨區域推理配額：每個支援 Region 每分鐘 1,000 萬 token，且計算 Converse、ConverseStream、InvokeModel 和 InvokeModelWithResponseStream 等請求的輸入與輸出 token 總量。

模態、上下文和 API 支援

在 Bedrock 上，Sol、Terra 和 Luna 支援文字及圖片輸入、文字輸出、提示快取，最高可使用 100 萬 token 上下文視窗。這可讓應用程式在單次請求中處理大型程式碼庫、長篇文件或較長的代理工作歷史；AWS 同時提供 272K token 的短上下文定價級別。

支援的 API 包括：

• Responses API：適合建立新一代代理與多步驟應用程式。
• Converse API：使用 Amazon Bedrock 的統一對話介面。
• Chat Completions API：方便現有採用相容格式的應用程式遷移。

實際整合時，開發者還需留意 bedrock-runtime 的 inference profile ID。跨區域請求通常使用類似 us.openai.gpt-5.6-sol 或 global.openai.gpt-5.6-sol 的路由識別，而不是只指定底層模型 ID。

這場價格戰對企業意味著什麼？

這一連串變化顯示，前沿 AI 的競爭正由單純比拼模型能力，轉向同時比拼每次推理成本、吞吐量、延遲、快取折扣及採購彈性。OpenAI 先大幅壓低 Luna 與 Terra 的價格，再下調 Sol 的旗艦價格，並保留 Fast 模式作為高價高速選項。

OpenAI 將 Luna、Terra 的降價及 Sol 的加速表現歸因於價格效能改善。從商業結果看，推理與執行效率並未只轉化為更高利潤，也部分回饋到客戶價格和服務速度。

對企業來說，真正需要比較的不是單一端點的最低 token 價格，而是整體擁有成本與風險，包括：

• 直接使用 OpenAI、Amazon Bedrock 或聚合平台時的合約與計費條件；
• 模型版本、輸出品質與快取行為是否一致；
• 速率限制、延遲、吞吐量和服務可用性；
• AWS 原生的帳務、IAM 和操作治理是否能降低管理成本；
• 自動跨區域路由是否符合資料駐留及合規要求；
• 區域壅塞或故障時，是否有足夠的備援和切換能力。

因此，最穩妥的採購策略並非盲目選擇最便宜的 API，而是先以實際流量測試直接供應、Bedrock 和聚合路由，再按照合規、延遲、可靠性及長期價格條件作出選擇。這場 2026 年的前沿 AI 價格競爭，最終比的將不只是模型每百萬 token 收多少錢，而是誰能以可控成本持續提供可用的推理能力。

OpenAI 先前為 Sol 推出 Fast 模式，最高可達標準處理速度的 2.5 倍，但價格是標準模式的兩倍。這反映出 OpenAI 將運算效率轉換為兩種商業選項：一方面降低一般 API 使用成本，另一方面讓對延遲敏感的客戶以溢價換取速度。

OpenRouter 為何可能更便宜？

OpenRouter 目前的模型頁面顯示，GPT-5.6 Sol 的價格為每百萬 token 輸入 2 美元、輸出 10 美元，約是 OpenAI 新直接短上下文價格的一半。

對需要大量呼叫模型的團隊而言，這可能構成實質的採購替代方案。但兩者不宜直接視為永久且完全等價的牌價：聚合平台價格可能取決於供應商路由、促銷條件、快取命中率、流量類型和服務條款。企業在轉換前仍應確認模型版本是否一致、資料處理方式、速率限制、服務水準協議及故障處理機制。

AWS Bedrock 的 Sol 價格也會因路由方式而異。短上下文下，全球跨區域推理價格為每百萬 token 輸入 5 美元、輸出 30 美元；區域內及地理跨區域推理則為 5.50 美元和 33 美元。這意味著 Bedrock 未必是單看 token 價格最便宜的選項，但它把雲端帳務、IAM 權限和區域治理整合到同一套企業基礎設施中。

Amazon Bedrock 新增哪些跨區域能力？

AWS 已將 GPT-5.6 Sol、Terra 和 Luna 擴展至 bedrock-runtime 端點，支援 Responses、Converse 和 Chat Completions API，並提供地理跨區域及全球跨區域推理。

區域內推理：資料留在指定 AWS 區域

In-Region 模式會在使用者選定的 AWS Region 內處理請求。初始可用區域包括美國東部（北維吉尼亞）和美國東部（俄亥俄）；Terra 與 Luna 也可在美國西部（奧勒岡）使用。

這種模式較適合必須把資料限制在單一區域的工作負載，但可用運算容量也會受該區域限制。

地理跨區域推理：在指定地理範圍內調度

Geo cross-Region inference 會在預先定義的地理範圍內路由請求，例如美國、歐盟、日本或澳洲，而不是固定使用單一 Region。對需要符合地理資料駐留要求、同時又想取得較大容量池的組織而言，這是折衷方案。

全球跨區域推理：換取最大容量池

以 global. 開頭的 inference profile 可根據即時容量，把請求派送至任何支援該模型的商用 AWS Region。當工作負載沒有特定地理處理限制時，全球路由有助於避開單一區域的壅塞，並提高可用吞吐量。

代價是資料可能在指定地理範圍之外處理，因此不適合受嚴格資料主權、合約或內部合規政策約束的工作負載。

AWS 也列出 GPT-5.6 Sol 的跨區域推理配額：每個支援 Region 每分鐘 1,000 萬 token，且計算 Converse、ConverseStream、InvokeModel 和 InvokeModelWithResponseStream 等請求的輸入與輸出 token 總量。

模態、上下文和 API 支援

在 Bedrock 上，Sol、Terra 和 Luna 支援文字及圖片輸入、文字輸出、提示快取，最高可使用 100 萬 token 上下文視窗。這可讓應用程式在單次請求中處理大型程式碼庫、長篇文件或較長的代理工作歷史；AWS 同時提供 272K token 的短上下文定價級別。

支援的 API 包括：

• Responses API：適合建立新一代代理與多步驟應用程式。
• Converse API：使用 Amazon Bedrock 的統一對話介面。
• Chat Completions API：方便現有採用相容格式的應用程式遷移。

實際整合時，開發者還需留意 bedrock-runtime 的 inference profile ID。跨區域請求通常使用類似 us.openai.gpt-5.6-sol 或 global.openai.gpt-5.6-sol 的路由識別，而不是只指定底層模型 ID。

這場價格戰對企業意味著什麼？

這一連串變化顯示，前沿 AI 的競爭正由單純比拼模型能力，轉向同時比拼每次推理成本、吞吐量、延遲、快取折扣及採購彈性。OpenAI 先大幅壓低 Luna 與 Terra 的價格，再下調 Sol 的旗艦價格，並保留 Fast 模式作為高價高速選項。

OpenAI 將 Luna、Terra 的降價及 Sol 的加速表現歸因於價格效能改善。從商業結果看，推理與執行效率並未只轉化為更高利潤，也部分回饋到客戶價格和服務速度。

對企業來說，真正需要比較的不是單一端點的最低 token 價格，而是整體擁有成本與風險，包括：

• 直接使用 OpenAI、Amazon Bedrock 或聚合平台時的合約與計費條件；
• 模型版本、輸出品質與快取行為是否一致；
• 速率限制、延遲、吞吐量和服務可用性；
• AWS 原生的帳務、IAM 和操作治理是否能降低管理成本；
• 自動跨區域路由是否符合資料駐留及合規要求；
• 區域壅塞或故障時，是否有足夠的備援和切換能力。

因此，最穩妥的採購策略並非盲目選擇最便宜的 API，而是先以實際流量測試直接供應、Bedrock 和聚合路由，再按照合規、延遲、可靠性及長期價格條件作出選擇。這場 2026 年的前沿 AI 價格競爭，最終比的將不只是模型每百萬 token 收多少錢，而是誰能以可控成本持續提供可用的推理能力。