发生了什么变化
根据 OpenAI 发布的价目表和 API 变更日志，每百万代币的标准价格现在如下：
- GPT-5.6 Luna：20 美分输入和 1.20 美元输出，低于 1 美元和 6 美元 — 减少 80%
- GPT-5.6 Terra：2 美元和 12 美元，低于 2.50 美元和 15 美元 — 削减 20%
- GPT-5.6 Sol（旗舰）：5 美元和 30 美元，不变
所有三个级别均于 2026 年 7 月 9 日以更高的费率全面推出，使该系列的商业生命周期仅 21 天就重新定价。路透社和 CNBC 均证实了此次削减，Axios 报道称，Luna 型号的削减幅度最大。
削减每个服务层的流量
降价不仅限于总体定价。它们贯穿价目表上的每个选项：
- 批处理和 Flex 处理，均为标准价格的一半，使 Luna 每百万代币输入 10 美分，输出 60 美分。
- 缓存输入读取，折扣 90%，在 Luna 上降至每百万代币 2 美分，在 Terra 上降至 20 美分。
- 长上下文请求，按输入速率的两倍和输出的 1.5 倍计费，Luna 的价格为 40 美分和 1.80 美元。
对于已经通过更便宜的层路由批量分类、提取或长代理循环的团队来说，现在相同的调用成本只是一天前的一小部分。
与 Anthropic 相比，剪辑效果如何
根据 Anthropic 的定价页面，Luna 的售价为 20 美分，售价为 1.20 美元，其输入价格约为 Anthropic 最便宜的发布模型 Haiku 4.5 的五倍，输出价格为四倍。 Terra 的新费率低于 Claude Sonnet 5 计划在 2026 年 8 月 31 日介绍性定价失效后收取的 3 美元和 15 美元。
在这两个系列中，Sol 的输出成本仍然高于 Anthropic 的 Opus 5，后者的售价为 5 美元和 25 美元。
优先处理变为快速模式
相同的变更日志条目退役了“优先处理”并用“快速模式”取代。 OpenAI 表示，对于旗舰版 Sol 模型，快速模式的运行速度可达标准速度的 2.5 倍，价格是标准速度的两倍，并且该交换机向后兼容——请求已标记为优先路由到快速模式，无需更改代码。
Sol 的快速模式价格为 10 美元和 60 美元，Terra 的快速模式价格为 4 美元和 24 美元，Luna 的快速模式价格为 40 美分和 2.40 美元。值得注意的是，Anthropic 以相同的名称和相同的条款销售相同的产品，并且这两个价目表现在也集中在区域固定推理上：当客户需要数据驻留时，OpenAI 对 2026 年 3 月 5 日或之后发布的模型收取 10% 的费用，而 Anthropic 只对美国的推理收取其标准费率的 1.1 倍。
为什么越便宜的等级越便宜
在削减的前一天，OpenAI 发布了一篇工程文章，描述了其推理堆栈的优化。该公司的五名技术人员写道，Sol 在其 Codex 编码工具中运行，重写了生产 GPU 内核——OpenAI 称这项工作将端到端服务成本降低了 20%。该模型还通过数百次实验重新设计了自己的推测解码草稿模型，这一变化将代币生成效率提高了 15% 以上。
这些是 OpenAI 自己的堆栈数据，但它们指向降价地址的同一成本中心：Codex 和 ChatGPT 背后的代理工具。默认情况下，OpenAI 将工具输出限制为 10,000 个令牌，并保持模型可见的历史记录仅附加，因此在每一步重新发送其指令的代理循环都会命中提示缓存，而不是支付全部输入速率。该公司在帖子结束时承诺“以更广泛可用、更具成本效益的情报的形式将幕后改进传递给我们的用户”。一天后，价目表就出来了。
云合作伙伴和计费
OpenAI 指出，通过 Amazon Bedrock 路由流量的买家由 AWS 计费，这些费率可能与其自己发布的卡不同。随着越来越多的企业通过单一云供应商集中模型访问，OpenAI 的直接定价与客户通过中介机构实际支付的价格之间的差距将与标题数字本身一样重要。
计算每个代币的市场
由于企业买家比以往任何时候都更加严格地审计推理支出，因此削减了土地。本周早些时候，有报道记录了随着主要平台上企业人工智能费用的飙升，不受限制的“tokenmaxshing”时代（即在不考虑成本的情况下推动交易量）正在消失。 OpenAI 决定将其内部成本节约转嫁给客户，而不是把利润存入银行，这是一个明确的信号，表明它认为竞争现在正在进行的地方：不是在前沿，Sol 仍然占据着溢价，而是在大多数生产流量实际存在的廉价、大容量层。
在 Sol 的价格不变的情况下，开发人员的实时决策仍然与 OpenAI 自该系列发布以来所做出的决定相同：每个请求需要哪一层。不同之处在于，做出错误决定的成本急剧下降。
---
保持人工智能领先地位获取最新的人工智能新闻、分析和突破——尽在一个地方。
阅读更多人工智能新闻 →
