OpenAI发布GPT-6 Sol与Luna两款新模型，API价格永久下调50%

新闻原文

当地时间9月22日，OpenAI正式发布GPT-6系列两款新模型GPT-6 Sol与GPT-6 Luna，与此前发布的旗舰模型GPT-6 Astra共同组成三档产品矩阵，分别覆盖高能力、中端与轻量场景。这是OpenAI在9月初推出Astra之后，首次对GPT-6家族做向下延展。

定价方面，GPT-6 Sol每百万token输入价格由4美元降至2美元、输出由20美元降至10美元，较上一代GPT-5.6的促销价均下调50%；GPT-6 Luna输入0.1美元、输出0.5美元，输出价格降幅约58%。OpenAI明确强调本次为永久降价，而非限时促销，意味着降价被写进了长期价目表。

能力层面，Sol与Luna在智能、编码、计算机使用等方面较GPT-5.6对应产品均有改进，官方称Sol的事实错误率约为前代一半。两款模型均支持105万token上下文、12.8万最大输出，并提供六档可调推理强度，以适配从简单抽取到复杂Agent工作流的不同负载。

在成本结构优化上，命中缓存的输入读取单价较普通输入低90%。官方测试显示，在AutomationBench跨应用商业流程测试中Sol得分33.2%、单任务成本0.27美元；在DeepSWE v1.1软件工程测试中取得68.8%的成绩，接近Claude Fable 5的69.9%，而单任务成本降低约80%。

企服观察

GPT-6 Sol与Luna的"永久降价50%"，标志着大模型价格战从限时促销正式升级为结构性定价。过去一年厂商惯用短期折扣冲量，而OpenAI这次把降价写进长期价目表，等于向市场释放一个强烈信号：前沿模型的单位智能成本正在被系统性压低，闭源阵营也必须围绕"能力×价格"重新定位自己的区间。

对企业用户而言，真正的杠杆在缓存与Agent场景。Sol与Luna把缓存读取成本压到普通输入的十分之一，这对需要反复读取代码库、文档和对话记录的智能体尤为关键——Agent跑得越久、上下文越大，缓存命中率对实际账单的影响就越压倒标价本身。企业做模型选型时，应把"缓存命中率下的综合成本"而非裸价作为核心指标，否则很容易被低单价误导。

这也为中长尾开发者和中小企服厂商拓宽了成本带。以往高昂的前沿模型推理费常把创业公司的Agent产品卡在Demo阶段；如今Luna以每百万输出0.5美元的地板价，足以支撑信息抽取、文档摘要、工单分类等高吞吐后台任务规模化跑起来，把AI从"尝鲜功能"变成"可计入毛利的生产环节"。对预算有限但想做生产级AI的团队，这是实打实的利好。

从产业视角看，OpenAI把价格打下来会倒逼整个推理市场重新定价。云厂商的模型服务和第三方推理平台都承压，但真正受益的是应用层——更低的边际成本意味着更多实验可以被商业化。对企服SaaS而言，过去因推理费高而被砍掉的AI功能，现在有了重新上线的理由；一个原本不划算的摘要、分类、质检模块，可能就此变成标配。

但企业也要警惕"便宜"背后的治理成本。模型越易获取，散落在各部门、各系统的调用就越难统一审计与控费。建议把模型接入收口到企业级网关，统一做用量计量、内容合规与敏感数据脱敏，否则省下的推理费可能被失控的影子AI和合规风险抵消。价格下行是红利，但只有配上治理，红利才落得进利润表。

对决策者来说，当下最该做的不是追每一轮发布，而是拉一批真实业务负载到新模型上做一轮端到端成本与质量对照，用数据决定预算而不是用发布会决定预算。模型会持续降价，这是确定性趋势；真正稀缺的一直是能把模型用稳、用合规、用出毛利的组织能力。先把成本结构和评测体系搭好，降价才会变成你的竞争力而非别人的。

值得补充的是，价格战也会重塑企服软件的定价逻辑。过去AI功能常被打包进高价增值模块，现在推理成本骤降，企业会要求更透明的按量计费。厂商若继续用"黑盒加价"模式，客户会用脚投票。更健康的做法是把模型成本透明化，靠工作流编排、行业模板和交付服务赚钱。谁先完成从"卖功能"到"卖结果"的转型，谁就能在降价周期里活得更好。这轮降价，逼着整个行业把价值说清楚。

对中小企业来说，这轮降价最直接的启示是：别再为"用不起AI"找借口。把省下的推理预算投到真实业务验证与数据准备上，比囤算力、追新模型更有意义。模型成本在下降，但对企业业务的理解门槛在上升，这才是该加码的地方。