摘要：9月下旬，OpenAI、Anthropic、xAI相继下调大模型API价格，GPT-6系列较GPT-5.6促销价降50%，Claude Opus 5.5降20%。推理优化与Agentic强化学习推动单位智能成本持续下行。
9月23日，OpenAI发布GPT-6 Sol与GPT-6 Luna两款模型，API价格较GPT-5.6促销价下调一半。Sol定位主力，输入2美元/百万token、输出10美元；Luna定位轻量，输入0.10美元、输出0.50美元。同一天，Anthropic发布Claude Opus 5.5，单价下降20%，输入4美元、输出20美元，典型任务成本下降约40%，缓存读取价格下降60%。
xAI的动作早一天到来。9月22日，Grok 4.7上线，维持Grok 4.6的价格体系，输入2美元、输出6美元，但性能提升。三家头部公司在七天内集中调价，重新标定了大模型的使用成本基线。
价格下行的第一条逻辑是技术效率提升。过去一年，厂商把优化重心从训练侧转向推理侧。提示词缓存（prompt caching，将可复用的上下文暂存，避免重复计算）降低了长会话与多轮Agent调用的单位开销。Agentic强化学习（用强化学习提升智能体完成多步任务的表现）让模型用更少步骤达成目标，从根源上压减无效token。KV Cache（注意力键值缓存，推理时为避免重复计算而暂存的键值向量）等工程手段成熟，进一步摊薄单次调用的算力消耗。推理优化不依赖更新模型架构，而是在既有权重上做工程改进，因此能够较快兑现为价格下调。
第二条逻辑是产业策略的选择。OpenAI与Anthropic近期公开讨论放缓前沿模型开发速度，理由是对齐与安全方面的顾虑。两家公司同步推进另一件事：把已有能力做得更便宜。当模型能力逼近阶段性天花板，“性价比”成为新的竞争维度。Agent（能自主调用工具完成任务的AI系统）兴起放大了这条路线的价值。智能体任务往往涉及长链路、多轮调用，单位token降价会被调用次数放大，最终体现为可观的总成本节省。
开源侧同样在改变成本结构。9月，小米开源MiMo-V2.6，在AA智能指数Pro分项取得46分，成为当时最强开源模型。开发者无需为推理付费，即可获得接近前沿水平的底座，应用门槛被进一步压低。
对开发者而言，降价最直接的效应是试错成本下降。过去因预算受限而搁置的长链路任务、大规模评测、常态化Agent调度，现在能以更低代价运行。但成本下降不意味着可以放松架构优化：提示词缓存命中率、上下文窗口管理、任务拆解合理性，仍决定最终账单。模型更便宜，工程纪律反而更重要。
行业正处转折点。前沿能力的增速可能放缓，单位智能的价格仍在快速下探。对企业来说，竞争焦点从“谁能用上最强模型”转向“谁能用更低成本把模型稳定嵌入业务流程”。这一轮价格战的核心，是智能总成本的系统性下降。
