OpenAI和Anthropic同日降价,干一件活最多差11倍

数据中心散热风扇阵列

先看 OpenAI 报出来的价。

据 OpenAI 官方公告，GPT-6 Sol 每百万输入字收费 2 美元、输出 10 美元；GPT-6 Luna 是 0.1 美元和 0.5 美元。据财联社报道，这两个数字对标的是上一代同名型号的促销价，等于直接腰斩。

Anthropic 那边也降了。据其官网公告，Opus 5.5 每百万输入 4 美元、输出 20 美元，缓存读 0.20 美元。参照系可以再往上放一格：更早发布的 Claude Fable 5.1，价格是每百万输入 10 美元、输出 50 美元。据腾讯新闻报道，Sol 报出的这个价，已经落在另一家中端产品 Claude Sonnet 5 的同一条线上——后者现在也是每百万输入 2 美元、输出 10 美元。便宜档卖的，是上一次中档的价。

而 OpenAI 自己讲得很明白——Astra 仍然是它各方面最强的模型，Sol 和 Luna 是给专业工作、编程、自动化准备的"低成本选项"。

过去两年，新模型发布会先讲跑分，再讲价钱。这次两家都反了过来。价钱一旦落下来，就很难再抬回去；而能力可以慢慢补。

OpenAI 开发者社区发布的 Sol 与 Luna 公告

这轮降价里，有个细节容易滑过去：两家都单独给"缓存"定了一个新价。

缓存说白了，就是让模型把反复要读的那一大段内容记在手里，下次不用从头再读一遍。

OpenAI 表示，调用已经缓存过的提示词，成本最多比没有缓存时低 90%。据 Anthropic 官网公告，它把缓存读从 0.50 美元砍到 0.20 美元，降幅 60%，是三个价格里降得最狠的一项；理由也写在公告里，缓存读占了智能体和编程类开销的大部分。

这解释了另一件看起来奇怪的事——降价的方向不在"更聪明"，而在"更省"。模型的思考过程越拉越长，真正花钱的地方就从算力挪到了上下文管理上。

另一处更值得看的是 OpenAI 自证划算的方式。

据腾讯新闻的报道，在一个覆盖 47 种工具、销售、运营、客服、财务和人力等场景的智能体测试里，GPT-6 Sol 在 xhigh 模式下的任务完成度是 33.2%，单任务成本约 0.27 美元；GPT-6 Astra 在 low 模式下完成度 30.3%，成本约是 Sol 的 3.9 倍；Claude Opus 5 在 max 模式下完成度 26.9%，成本约是 Sol 的 11.1 倍。

但口径本身已经把话说清楚了。它真正比的，是把一件事从头办完要花多少钱；每百万字多少钱，只是中间过程。

这套口径还藏着另一个变化：一次任务要来回调用几轮、重复读多少上下文，全都要算进同一张账单里。于是施压的位置也变了——不是把单价喊得更低，而是让同一件活少跑几趟。

据 Anthropic 官网公告，Opus 5.5 的卖点也是同一件事：不谈跑分，谈典型工作负载的运行成本降了 40%。

两家新模型的价格降幅对照

把"便宜"当卖点，有个前提要先说清楚：便宜的那一档，并不等于最强的那一档。

据中央社报道，OpenAI 明确表示 Astra 仍是它能力最强的模型；据财联社报道，GPT-6 Luna 要在较高的推理强度下才能追平上一代 Sol 的水平，成本大约是后者的百分之一。所以这轮降价卖的其实是"按活儿分档"——高频、好办的事交给便宜型号，真难的项目还是得付贵的价。

同一天，国内也在做同一件事。

据 21 世纪经济报道，小米在同一天发布并开源了 MiMo-V2.6 系列。第三方评测平台 Artificial Analysis 的榜单数据显示，MiMo-V2.6-Pro 的综合智能指数是 46 分，在开源权重模型里排第一，该平台给出的单任务成本约 0.13 美元。小米方面表示，同等智能水平下，这个价格只是海外模型的二十分之一到六十分之一。

对小团队和独立开发者来说，这件事比任何一次跑分刷新都实在。同一笔预算能跑的活变多了，而能跑多少活，往往就是一个小产品能不能活下去的那条线。

回到那两份公告。

它们最像的地方，不是降了多少，而是都没把能力摆在第一位。价钱写在前面，档位分在后面。

短期看是好事——你用的那些 AI 工具，背后的成本正在往下走。但这条路会走到哪里，现在还没有答案。一个行业的价钱一旦被公开压到某个位置，就很难再靠"我更聪明"把价签抬回去。

接下来的悬念不在于还会不会降，而在于这张价签压到底之后，谁会先撑不住。