7 月 30 日，OpenAI 大幅调整 API 定价：GPT-5.6 Luna 降价 80%，Terra 降价 20%，并首次公开建议开发者按任务复杂度匹配模型——复杂任务用 Sol 规划，交给 Luna 执行。这标志着 AI 公司从"卖智能"转向"卖效率"。
降价是表，分层是里。OpenAI 这次调整的真正意图，是建立一套按任务定价的模型矩阵：
所有任务都用最强模型，不论复杂度。企业为 90% 的简单任务支付了旗舰级算力成本。
复杂任务先用 Sol 完成需求分析和方案设计，再交给 Luna 执行代码、跑测试。Sol 负责思考，Luna 负责干活。
注：Sol 标准模式价格不变，Fast 模式速度提升 2.5 倍、价格翻倍，但智能水平完全一致。Luna 降价后价格已贴近早年 GPT-4o mini 的廉价区间。
一个容易被忽略的细节：Sol 并没有降价。OpenAI 选择保留最贵模型的定价，同时为它增加了一个"更快但更贵"的选项。顶级模型继续保持品牌定位，真正走量的中低端模型大幅降价——这不是简单的价格战，而是一次精心设计的分层定价策略。
如果只有 OpenAI 这么做，可以理解为产品调整。但一周前，Anthropic 几乎同步行动。
7 月 24 日，Anthropic 发布 Claude Opus 5，定价仅为旗舰 Fable 5 的一半。比起性能突破，官方更强调它的经济性：一半价格，无限接近的前沿推理能力。就在一个月前，Fable 5 还是 Anthropic 重点宣传的旗舰。
Luna 降 80%，Terra 降 20%，Sol 新增 Fast 模式。官方建议：按任务匹配模型。
Claude Opus 5 定价为 Fable 5 的一半。官方强调：经济性，而非性能突破。
两家公司几乎同时开始主动降低旗舰模型的重要性。这不是巧合，而是行业对商业逻辑的集体重新校准：旗舰模型的价值正在从"赚钱"转向"证明技术领先"，真正的收入引擎正在向中低端模型转移。
OpenAI 在公告中写了一段话，值得逐字读：它建议开发者根据任务的重要程度、出错代价、紧急程度和规模，去匹配不同模型。注意，讨论的已经不是模型，是任务。
"最重要的任务用 Sol，日常执行交 Luna，以后可能还有更轻量的模型负责更简单的事。"
这跟云计算的分层存储逻辑如出一辙：热数据放 SSD，普通数据放 HDD，冷数据放对象存储。没人会把所有数据放在最贵的 SSD 上。企业部署 AI 正在从"单一模型"走向"模型组合"。
需求分析、方案设计、架构决策——出错代价最高，需要最强推理能力。按次调用，不计成本。
代码生成、测试执行、批量处理、Agent 工作流——占据 80%+ 的 Token 消耗，性价比优先。
简单查询、格式化、分类、标引——成本敏感型任务，够用就好。
DeepSeek 比硅谷更早嗅到这个方向。过去半年，它反复强调的就几个词：便宜、够快、够用。缓存命中后，每百万 Token 成本几乎可以忽略。它一直在押注：企业需要的不是世界冠军，而是综合 ROI 最高的部署选项。
还有一个细节，比降价本身更有意思。OpenAI 在技术说明中提到，这次降价并不只是因为采购了更多 GPU，也不是因为规模变大。真正的原因是：模型开始参与优化模型。
具体来说，在人类工程师带领下，Sol 自主重写并优化了底层生产内核。它自己设计了数百个实验，提高 Token 生成效率，甚至参与监控模型训练流程，发现问题后直接介入。结果是：端到端运行成本下降 20%，Token 生成效率提升 15%。
这是一个会不断加速的循环。翻一下 OpenAI 过去两年半的价格变化：
注：以上价格为百万 Token 输入价格，单位为美元。Luna 降价后已贴近当年 mini 的廉价区间，但智能水平远超两年前的 GPT-4。
两年多时间，价格下降了接近两个数量级。如果模型持续参与优化自己，这条曲线大概率还会继续往下走。真正可怕的不是今天价格降了 80%，而是成本下降开始拥有了自我驱动能力。
旗舰模型正在从利润中心转变为品牌中心。AI 公司的商业逻辑正在从"卖智能"转向"卖效率"——当模型开始自己优化自己，成本曲线就获得了自我驱动的加速度。这场转变最深刻的地方在于：API 价格的雪崩正在推高整个软件工程的迁移成本，一旦企业的工作流建立在低成本模型的组合之上，底层模型的提供方就锁定了未来十年的算力管道。
新定价已生效，登录 OpenAI 平台即可体验按任务匹配模型的新策略。
开发者可查阅官方 API 文档了解 Sol / Luna / Terra 的分层建议。