北京时间 7 月 31 日凌晨，OpenAI 官方账号连发数条推文，宣布了一次力度罕见的降价。
原文只有三句话，但每一句都是钱：
我们致力于在成本效率、能力和速度三个维度上推动模型前沿。
即日起，我们将 GPT-5.6 Luna 的价格下调 80%，GPT-5.6 Terra 下调 20%，并为 API 中的 GPT-5.6 Sol 提供更快的选项。
Luna 和 Terra 的降价同样体现在 Codex 和 ChatGPT Work 的用量计算方式上，你的额度会更耐用。
如果你手上有跑在 GPT-5.6 上的产品、Agent 或者自动化流水线，今晚值得把成本模型重新算一遍。
一、降了多少：Luna 变成了五分之一
先看最硬的部分——API 价格。以下是 7 月 30 日起生效的新价格，单位是美元 / 每百万 token：
GPT-5.6 Luna：输入 $1 → $0.20，输出 $6 → $1.20，降幅 80%。
GPT-5.6 Terra：输入 $2.50 → $2，输出 $15 → $12，降幅 20%。
GPT-5.6 Sol：价格不变。
Luna 这一刀砍得非常狠：输入从每百万 token 1 美元降到 2 毛，输出从 6 美元降到 1 块 2，直接变成原来的五分之一。
Terra 作为日常主力的均衡款，降了 20%，属于稳健调整。
旗舰 Sol 价格不动——但它拿到了另一样东西，下面说。
需要注意的是，AWS 上的价格调整会稍晚一些开始灰度推送。
二、Sol 拿到的是速度：Fast mode 替代 Priority Processing
OpenAI 在第一条回复里补充了 Sol 这边的变化：
除了 Luna 和 Terra 的降价，API 中 GPT-5.6 Sol 的 Fast 模式可提供最高 2.5 倍于标准处理的速度，价格为标准价的 2 倍。
Fast 模式让 API 客户更快地用上 GPT-5.6 Sol，智能水平没有任何变化。
几个关键点：
- Fast mode 正式取代了原来的 Priority Processing（优先处理）。
- 向后兼容：已经打了
priority标记的 API 请求会自动走 Fast mode，不用改代码。 - 它和 Codex 里的
/fast是对齐的。
翻译成人话：花双倍的钱，换 2.5 倍的速度，模型本身一点没变笨。这是一道给"响应时间比钱重要"的场景准备的选择题——实时交互、用户在屏幕前干等的那种。
三、订阅用户白捡：额度更耐用了
这条容易被忽略，但对大多数人反而最实在。
ChatGPT 和 Codex 的订阅价格不变、配额不变，但 Terra 和 Luna 现在消耗的额度更少了。
也就是说，你什么都不用做，同样一个月的订阅费，能干的活变多了。Free 和 Go 用户可以用 Terra；Plus、Pro、Business、Enterprise 用户可以在 Terra 和 Luna 之间选。
更狠的在第二条回复里：
我们还把 ChatGPT app 和 Codex CLI 里的 Auto-review 从 GPT-5.4 升级到了 GPT-5.6 Luna。
结合 Luna 的新价格，我们预计 Auto-review 的成本会下降约 10 倍。
模型升级了，成本反而降到十分之一。 对天天用 Codex 做代码审查的人来说，这是纯白嫖。
四、为什么敢这么降：模型在优化模型自己
降价总要有底气。OpenAI 在前一天的推文里给出了答案，这条也被官方在这次的线程里重新引用：
部署之后，我们用 GPT-5.6 Sol 来推进效率前沿——让它把自己变得更省。
结果是：
- 生产环境 GPU kernel 优化带来 20% 的服务成本下降
- 改进的推测解码（speculative decoding）带来 15%+ 的 token 生成效率提升
官方博客里写得更细：在人类主导的流程中，Sol 自主重写并优化了生产环境的 kernel，设计并运行了数百次实验来改进 token 生成，还全程监控训练、在出问题时主动介入。
这构成了一个正反馈回路——模型越强、越能自主工作，团队找到下一轮效率提升的速度就越快。这次降价，本质上是把这个回路的收益直接返给了客户。
OpenAI 在收尾的推文里把这件事拔到了使命层面：
让先进智能更充裕、更负担得起，是我们确保 AGI 惠及全人类这一使命的核心。
在 GPT-5.6 Sol 的帮助下，我们在效率上取得了跨越式进展。
今天，我们在 API 中把这些收益传递出去：Luna 和 Terra 降价，Sol 提速。这些更新帮助每个人从每一美元中获得更多有用的产出，并在时间紧迫时跑得更快。
五、性价比曲线：Luna 站到了左上角
OpenAI 随推文放出了一张 Artificial Analysis Intelligence Index v4.1 的对比图，横轴是每任务成本（对数刻度），纵轴是智能指数得分。
结论相当直白：GPT-5.6 Luna 拿到了图上最高的智能分（约 51.2），而每任务成本只要 6 美分左右——在它周围的同分段选手里，成本普遍在几毛到一块美元的区间。
官方博客给出的两个对比更有冲击力：
- Luna 的表现相当于一年前的前沿模型，但每个任务的成本大约只有百分之六，速度快了将近 9 倍。
- 在 Agents' Last Exam 这个衡量专业工作的基准上，Luna 的成绩超过 Fable 5，而每任务估算成本低了近 99%。
Replit 的总裁兼 AI 负责人 Michele Catasta 给了一句挺重的评价：
GPT-5.6 Luna 是我们迄今最接近"智能便宜到无需计量"的一次。我从没见过这么便宜的模型有这么强的能力——它正在解锁一些 Replit 原本以为很久之后才会去做的场景。
除了 Replit，官方还列出了 Notion、Ramp、Blitzy、Cognition、Dust 等一批客户。
六、这件事对你意味着什么
抛开公关辞令，落到实操上有四点：
1. 该重新做模型分层了。 官方博客里给了个很具体的建议：一个编码工作流，可以用 Sol 来消解不确定性、定方案，然后用 Luna 去实现已经明确的改动、写测试、跑测试、评估结果。以前"全程用最强模型"是因为便宜的模型不够用，现在 Luna 在很多环节已经够用了，还便宜五倍。
2. 原来算不过来账的场景，现在能算过来了。 大规模文档分析、客服会话分类、批量的常规实现工作——这类高并发、单次价值不高的活，以前跑不起，现在可以铺开跑。Luna 能调工具、能完成多步工作流，这才是它降价的意义所在，不然只是个便宜的补全模型。
3. 别急着把所有东西都换成 Luna。 Sol 价格没降是有原因的。降价改变的是"哪些环节可以降级"的边界，不是"所有环节都该降级"。正确做法是用 evals 去测——哪里加智能能实质提升结果，哪里换成更快更便宜的处理也能达到同样质量。
4. 如果你在做 AI 产品，你的成本结构和竞品的成本结构今晚同时变了。 降价是普惠的，所以它不构成你的护城河，但它抬高了所有人的毛利空间。真正的差距会拉在——谁先把工作流重新分层，谁还在用旧的模型配置烧钱。
一句话总结：Luna 降价 80%、Terra 降价 20%、Sol 提速 2.5 倍，订阅额度更耐用，Codex 的 Auto-review 成本降到十分之一。而这一切的底气，是 OpenAI 用自己的模型把自己的推理成本压了下来。
"智能便宜到无需计量"这句话，第一次听起来不那么像口号了。
参考：OpenAI 官方公告推文 · Advancing the price-performance frontier with GPT-5.6