摘要：OpenAI 为 GPT-6 家族新增 Sol 与 Luna，API 价格较 GPT-5.6 促销价直降 50%；Sol 每百万输入 2 美元、输出 10 美元，Luna 为 0.1 与 0.5 美元，内部评测称 Sol 事实性错误约为上代一半。
Anthropic 发布后约 90 分钟，OpenAI 就把 GPT-6 家族补了两个新成员：GPT-6 Sol 与 GPT-6 Luna。定价上，Sol 为每百万输入 token 2 美元、输出 10 美元，对比上一代 GPT-5.6 Sol 的 4 美元与 20 美元，等于直接打了五折；Luna 更是压到输入 0.1 美元、输出 0.5 美元。官方把降价归因于缓存与推理效率的改进，并称新模型继承了大量来自旗舰 Astra 的进展——包括推理、编码与可靠性——按内部事实性评测，Sol 的出错次数约为上代的一半。两款模型将从本周四起进入 ChatGPT Work 与 Codex。
把 Luna 的价格放到同行里看，冲击更直观。以 DeepSeek V4.1 Flash 作为参照，其闲时缓存未命中的输入价为每百万 token 1 元、输出 4 元，高峰时段分别是 2 元和 8 元；换算到同等口径，Luna 的常规新请求已经更便宜，而且没有峰谷定价带来的成本波动。Axios 的判断是：单价下探会直接拉动使用量，而使用量正是那笔数万亿美元 AI 投资的回收基础。
这背后是企业客户心态的变化。OpenAI 首席财务官此前公开表示，公司正瞄准芯片设计、生命科学与金融服务等专业行业，同时要用降价去对撞更便宜的开源模型。腾讯新闻的解读一针见血：整个推理市场正在从"能力军备赛"转入"成本碾压"阶段——当百万 token 单价全面下探，AI 服务正在褪去奢侈品的外衣。
另一个容易被忽略的细节，是这两款模型的"任务分工"被写得非常明确：Sol 定位低于旗舰 Astra，适用于代码编写这类复杂度更高的任务；Luna 面向"高吞吐量任务"，例如信息提取、文档摘要。这种"按任务分层定价"的思路，比单纯降价更有指向性——它等于官方在告诉你：别拿贵模型干便宜活。
对企业采购来说，这比"哪个模型更强"更有参考价值：真正的成本优化不来自换成更便宜的模型，而来自把任务正确分配到不同价位的模型上。这也解释了为什么 Sol 的卖点里特意强调"事实性错误约为上代一半"——在高价值任务上，准确率比单价更能决定总成本。
我的判断：价格战的真正赢家不是哪家实验室，而是"还没上车"的中间层。过去两年，很多企业卡在"模型效果够用但账单不敢批"的临界点上；Sol 与 Luna 这种价位，等于把 PoC 到生产的门槛一次性拉低。但要注意两个陷阱：一是低价模型往往在长链路任务上衰减更快，把 Luna 用在信息提取、文档摘要这类短任务上最划算，别指望它扛住多步 Agent 流程；二是"便宜"会诱导过度调用，团队该同步建立按任务分级的模型路由，否则省下来的单价会被浪费掉的 token 吃掉。
