7月30日，OpenAI 突然宣布 GPT-5.6 全线调价，力度之大让人侧目——入门款 Luna 直接打骨折，每百万 Token 输入从 1 美元降到 0.2 美元，输出从 6 美元降到 1.2 美元，降幅高达 80%。
这不是一次普通的促销。三个关键细节，让这次降价远超「价格战」的叙事框架。
一、降价不是亏本赚吆喝，是成本结构变了
OpenAI 在官方公告中直接给出了降价的账本：不是补贴，不是烧钱换市场，而是 GPT-5.6 Sol 自己帮自己省了钱。
公告发布前一天的 7 月 29 日，OpenAI 工程团队发布了一篇技术博客，披露了 GPT-5.6 Sol 在 Codex 中参与自身生产系统优化的细节：
- GPU Kernel 重写：Sol 重写并优化了部分生产环境 GPU Kernel，端到端服务成本下降 20%。
- 推测解码改进：Sol 自己设计并运行了数百次 Token 生成实验，改进了推测解码策略，让 Token 生成效率提升 15% 以上。
- 监控与干预：Sol 参与监控训练过程，在出现异常时介入处理。
也就是说，模型本身没有变，没有蒸馏、没有剪枝、没有降精度——是模型自己写的底层代码，让同一块 GPU 跑得更快更便宜了。
OpenAI 特别强调，整个过程仍然由人类主导——目标制定、结果验收、代码上线仍需 Human in the Loop。但方向已经清晰：模型正在从「被优化的对象」变成「参与优化的主体」。
二、三款模型，三种定位
降价后的 GPT-5.6 家族价格表如下：
GPT-5.6 Luna（输入 $0.2 / 输出 $1.2，降幅 80%）
面向成本敏感型工作负载。可以调用工具、处理长上下文、执行多步工作流。OpenAI 已经把 ChatGPT 和 Codex CLI 里的 Auto-review 模型从 GPT-5.4 换成了 Luna——成本降至原来的约十分之一。
GPT-5.6 Terra（输入 $2 / 输出 $12，降幅 20%）
日常干活主力，价格小幅下调。
GPT-5.6 Sol（输入 $5 / 输出 $30，价格不变）
旗舰模型，新增 Fast mode，速度最高达到标准模式的 2.5 倍，价格是标准模式的 2 倍，智能水平不变。之前使用 Priority Processing 的请求自动切换到 Fast mode。
值得注意的是，Luna 的输入价格已经和上一代 GPT-5.4 nano 持平，但 nano 只负责分类、信息抽取等简单高频任务，Luna 却能调用工具、处理长上下文、执行多步 Agent 工作流。便宜模型不再是「小模型」的代名词，能力边界在被重新定义。
三、隐藏的结构信号：Agent 工作流的成本门槛在消失
这次降价最值得关注的，不是 Luna 便宜了多少，而是便宜模型能做什么。
按照 OpenAI 的定位，Luna 不是用来做分类、抽取的传统小模型——它可以调用工具、执行多步任务，是 Codex 和 ChatGPT Work 中后台 Auto-review 的主力模型。
Luna 降价 80%，意味着：
- 一个 30 步的 Agent 循环，过去需要 30 次 Luna 调用（$1 + $6 每次），成本约 210 美元；现在只需要 30 × ($0.2 + $1.2) = 42 美元。
- 如果走 Batch 模式，输入 10 美分、输出 60 美分，成本再减半。
- 如果加上缓存命中（已缓存输入 2 美分/百万 Token），成本可以更低。
这会改变一个根本性的算账逻辑：哪些工作流值得自动化？
当单体 Agent 调用的成本降到可以忽略不计，更多的后台审查、验证、监控任务就可以从「偶尔跑一次」变成「常规工作流步骤」。Agent 不再只是处理高价值任务的奢侈品，而是可以大规模部署的基础设施。
四、降价飞轮：左脚踩右脚，越转越快
这次降价揭示了一个更深层的循环：
- 模型参与优化：Sol 重写 GPU Kernel、改进推测解码，提升运行效率。
- 成本下降：同一块 GPU 可以处理更多请求，单次调用成本降低。
- 价格下调：成本降了，价格就降了。
- 规模扩大：价格低了，更多工作流变成自动化，调用量上去了。
- 更多优化素材：更大的调用量，为下一轮优化提供了更多实验数据。
OpenAI 的这句话值得细品：「GPT-5.6 Sol 参与自身改进，效率取得了飞跃式提升，故特此回馈新老用户。」这不是客套话，而是在描述一个正在运行的飞轮。
虽然目前的 RSI 仍然需要人类把关，但闭环已经形成了。参考 Anthropic 此前提出的「递归自我改进」（Recursive Self-Improvement）概念，OpenAI 这次是在产品层面给出了第一个实际落地的案例——模型自己写代码，让自己跑得更快更便宜。
五、竞争格局：压力给到对手
降价后的定价策略，让 OpenAI 在价格面上拥有了明显的竞争优势：
- Luna 输入价格是 Anthropic Haiku 4.5 的五分之一，输出价格约四分之一。
- Terra 的新价格低于 Claude Sonnet 5 的常规价（$3/$15，8月31日优惠到期后执行）。
- Sol 的输出价格仍高于 Opus 5（$5/$25），但新增了 Fast mode 作为差异化。
价格战从来不是 OpenAI 的核心追求——这次降价更像是一次「能效宣言」：我不仅能做出最强模型，还能让模型自己帮忙把成本打下来。
对 DeepSeek 等中国厂商而言，压力在于：当 OpenAI 的 Luna 已经卖到 GPT-5.4 nano 的价位，后者还具备 Agent 能力，成本和能力的组合正在发生质变。
六、开发者该怎么做
三个即时行动建议：
- 重新评估 Luna 的适用场景。如果你之前因为成本原因没有把 Agent 工作流部署到生产环境，现在 Luna 的价格可能已经跨过了 ROI 门槛。
- 检查缓存策略。Luna 的缓存输入价格低至 2 美分/百万 Token，Agent 循环中频繁重复的 system prompt 和工具定义应该充分利用缓存。
- 关注 Sol 的 Fast mode。对于延迟敏感的场景，Fast mode 2.5 倍速度、2 倍价格，提供了一个新的性价比选择点——比标准模式快，但比全价升级到更大模型便宜。
总结
GPT-5.6 这次降价，表面上是价格战的一轮加码，实质上是模型参与自身优化这条新路径的第一次产品化落地。
模型自己写 GPU Kernel、自己改进推测解码、自己参与监控训练——这种「左脚踩右脚」的叙事，比降价数字本身更有冲击力。当 RSI 从概念变成产品，降价的斜率只会越来越陡。
而整个行业，才刚刚开始消化这个信号。