GPT-5.6 Luna 降价 80% 重塑 AI 性价比
Advancing the price-performance frontier with GPT‑5.6
OpenAI 正式宣布 GPT-5.6 系列迎来重大更新。其中，主打性价比的 GPT-5.6 Luna 价格直降 80%，平衡型模型 GPT-5.6 Terra 降价 20%，让企业能以更低成本处理海量任务。同时，GPT-5.6 Sol 在 API 中推出 Fast mode，速度提升 2.5 倍。这些调整源于模型架构与推理系统的深度优化，甚至由 Sol 自主改写了生产内核。OpenAI 希望通过这种精细化的算力策略，让不同场景都能匹配最合适的智能与成本，真正推动通用人工智能惠及全人类。
让先进智能更加丰富和实惠，是 OpenAI 确保通用人工智能惠及全人类这一使命的核心。
HN 评论区
391- GodelNumbering
“我花在广告上的钱有一半被浪费了；问题是我不知道是哪一半。”——John Wanamaker
这句话在模型选择上甚至更加适用。我确切知道，我大部分工作并不需要非常强大的模型，但区分琐碎任务和非琐碎任务是一个著名的难题（如果它甚至可解的话）。
- preommr
> 从今天起，GPT‑5.6 Luna，我们最快且最实惠的模型，价格将降低 80%，
我简直无语了。
我真心以为我们已经进入了停滞期，未来几个月只能看到 5-10% 的改进。看到这种爆发式的进步，我不禁怀疑真正的底线到底在哪里。
- pavpanchekha
让 Luna 这个本来就已经非常便宜且能力极强的模型再便宜 5 倍，简直疯狂。我在工作中用 Sol，在家用 Luna，虽然确实有差别，但感觉不到天壤之别。在经历了一年价格不断上涨后，突然感觉（结合这次降价、Kimi K3 和 GLM 5.2）价格又开始下降了。
- simonw
> 内核工作帮助降低了模型服务的端到端成本 20%，而实验将 token 生成效率提高了 15% 以上。
如果 GPT-5.6 的服务成本仅仅降低了 20%，这是否意味着每月节省了数十亿美元？
我们知道，根据 SpaceX 的 IPO 信息，Anthropic 花费了 12.5 亿美元向 SpaceX 租用推理算力（位于两个 Colossus 数据中心），但我们不知道这占 Anthropic 推理算力的多少（推测比例很小，因为在 SpaceX 合作之前，他们主要运行在 AWS 和其他服务商上）。
我没见过任何暗示 OpenAI 每月推理账单的数字，但那肯定也是数十亿美元的量级。
所以，20% 的降幅真的、真的非常重大。
- bob1029
这给我的感觉就像是从拨号上网过渡到宽带。我本来就是 Luna 的坚定支持者，特别是在深度研究这类任务上。同样的成本能运行 5 倍的任务量，简直离谱。我们已经在运行 10 个并行代理来生成假设了。我简直无法想象运行 50 个。当你能够运行如此多份完全相同的 prompt+model 样本而不会破产时，统计结果会变得有趣且强大得多。
- __jl__
没想到会这样。Luna 现在的价格简直疯了。我认为市场上没有任何产品能在这样的性价比点上与之竞争。
对于我们的生产应用，OpenAI 显然是目前最好的提供商。他们的 API 非常可靠，拥有许多不错的功能。其模型系列的性价比令人难以置信。我们很长一段时间都通过 Fireworks 使用开源权重模型（例如 Kimi K2.5）。Fireworks 是个很棒的提供商，但我们还是时不时遇到一些问题（Anthropic 和 Google 也一样）。OpenAI 就是好用，速度快，在我看来，在几乎所有智能层级上都拥有更好的性价比。
- quirino
我通常只查看 Openrouter 上的价格/性能图表：https://openrouter.ai/rankings#performance#benchmarks。激活右侧的“显示帕累托（Show Pareto）”开关。
我在个人项目中还在用 GLM-5.2，但这让 Luna 成了一个非常轻松的选择。
- tosh
Luna 降价 80% 是一个非常激进的定价策略。
这使其成为大多数不需要顶尖智能的工作负载的最佳选择（提醒一下：Luna 的表现可以与 Opus 5 相媲美！）
- redrix
竞争真是件美妙的事。每 100 万输出 token 1.20 美元的价格很疯狂，但我们也别忘了，OpenAI 是大约 10-12 个月前开始提高模型价格的第一批公司之一。
GPT-5 的价格是每 100 万输出 token 10 美元。
他们总得想办法偿还那数百亿美元的投资。
任何开发者今天能做的最好的事情，就是让他们的应用与 LLM/提供商无关（或使用 LLM 网关），以避免被锁定。
- Phlogi
这是一个巧妙的战略举措：在产品系列中抢占廉价低端模型的市场。切换模型的摩擦成本比切换提供商要低得多。