GPT-6 Sol et Luna：便宜一半，评分却没变

两天三条公告，最后只剩一个问题：谁来买单。9月21日，xAI把 Grok 4.7 的输入价格降到每百万 tokens 两美元。22日，Anthropic发布 Opus 5.5。九十分钟后，OpenAI放出 GPT-6 Sol 和 GPT-6 Luna，而 Sol 的输入价格恰好和 Grok 一样。当三家实验室间隔九十分钟互相回应时，这就不再是产品发布，而是一场反向竞价。

给那些从没付过 API 账单的人简单解释一下，API 是程序不用经过聊天窗口就能向模型提问的那扇门。一个 token，就是一个词的一小块。按法语计算，可以把它当成四分之三个词。这样一百万 tokens 大约就是 750,000 个词，相当于七本厚厚的书。当价格从每百万 4 美元降到 2 美元时，这不是超市促销，而是账单凭空蒸发了一半。

OpenAI 宣布了什么，价格又是多少

两个模型，Sol 和 Luna，替代 GPT-5.6 Sol 和 GPT-5.6 Luna。Sol 是大的那个，Luna 则是快而便宜的那个。

OpenAI 模型页面上的价格，我在9月23日看到的是：Sol 输入 2 美元，输出 10 美元，而它的前代分别是 4 美元和 20 美元。Luna 则是 10 美分和 50 美分，而前代是 20 美分和 1.20 美元。价格干净利落地减半，官方说这是永久价格，不是发布促销。

其实，价格战并不是这周才开始的。上周，一个中国模型 Fugu Ultra v2 就已经吹嘘自己不用费劲便能击败 GPT-6 Astra，而且价格只有一半。

好吧，这里有一个没人会看的“但是”。一次可以发送给模型的内容，也就是所谓的上下文，在这里增加到了 1.05 million tokens。只是超过 272,000 之后，输入会重新按全价计算，输出则变成原价的 1.5 倍。而当一个程序把同一个问题重复问一百次时，供应商不会再次收取已经读过的内容：重读便宜 90%。这是为循环运行的程序量身定做的价格，不是为周日聊天准备的。

这会怎样反映在账单上

同一项任务，同一场测试，相隔两代

每百万 tokens 的价格，没人看得懂。Artificial Analysis 是一家独立机构，它让模型在相同测试中运行，并发布带有测试日期的记录，它测量的是另一件事：完成一项任务的成本。而在9月23日，结果是这样的。

Sol 全力运行：每项任务 1.06 美元，而 GPT-5.6 Sol 是 1.99 美元。Luna：7 美分，而另一边是 18 美分。对于一整晚连续执行任务的脚本来说，差距根本不用争。

注意这个会改变图表解读的细节。这两个模型写得比以前更多。Sol 的输出是 31,000 tokens，而不是 29,000，Luna 是 51,000，而不是 41,000。下降来自价格，而不是模型变得节省。它思考的时间更长，说得更多，只是每个词的价格更低了。这不是细节，而是故事的一半。

不断上升的分数，以及两个倒退的分数

在相同测试中，Sol 前进，Luna 后退

在代码测试中，Sol 有所进步。Terminal-Bench 4.0，也就是要在终端里完成任务的测试（安装、修复、重新运行，直到它能正常工作），从 37% 上升到 43%。关于真实代码的提问测试 SWE-Atlas-QnA，从 54% 上升到 58%。这家机构的代码指数把所有内容混在一起计算，也增加了两分。

只是 Luna 走上了相反的路。同一个指数丢了两分，提问从 49% 降到 44%，修复 bug 从 66% 降到 64%。小的那个在大的那个前进时倒退了。这家机构的结论很诚实，也有点平淡：两者仍然处于 GPT-5.6 的水平，在一些地方有所进步，在另一些地方有所倒退。

还有一个地方，两者都明显退步了。在 GDPval 这项由专业人士比较模型产出成果的测试中，Sol 大约掉了一百个 Elo 分，Luna 掉了七十五分。Elo 是国际象棋棋手排名的单位：分数越低，落后得越远。原因比跌幅更有意思：呈现上没那么用心了，成果也会漏掉一些顺手要求的元素。模型写得更好，却交出了一份更潦草的答卷，这正是没人想要的那种进步。

这正是该重新拿出我在 GPT-6 Astra 发布时提出的那个问题的时候：性能真的值得两倍半的价格吗。OpenAI 给出的答案正好相反。不是性能上涨来证明价格合理，而是价格下降了。

幻觉率的陷阱

两根柱子都下降了，但只有一根是好消息

这是本周所有人都在转发的数字：在同一家机构的专业知识测试中，Sol 编造答案的倾向从 92% 暴跌到 60%，Luna 则从 93% 降到 77%。这样呈现出来，确实很惊人。

看看图里的第二根柱子。同一份记录显示，它现在只会在 83% 的问题上尝试回答，而之前是 99%，并且在全部问题中，正确答案的比例从 59% 降到了 54%。所以它每六个问题就放弃一个，最终给出的正确答案总数比以前还少。

这确实更好了，明显更好了，这家机构也这么说：在它的综合知识评分中，Sol 从 22 分升到了 27 分。但这不是那个醒目数字单独宣布的进步。一个模型因为少尝试，所以少编造，这叫字典。对于一个连续执行任务、背后却没有人盯着的程序来说，这个缺口意味着一个任务执行到一半就停了。

具体来说，这对你有什么改变

你从来不会在厨房里调用 OpenAI 的接口。不过你每天都在使用运行于其上的各种东西，事情就发生在这里。

三个你能感同身受的例子。浏览器里的自动翻译，那个让你点一下就能把德语网页变成法语的功能：每翻译一个页面，某个地方就会产生一笔账单，而把这笔账单除以二，才能让这个功能继续免费。然后是所有这些已经开始替你回答的助手（你银行的聊天机器人、会议摘要、手机的语音备忘录）：它们都按同一个 token 计费，而价格除以二，就意味着服务商在同一个订阅里可以提供两倍这样的功能。如果你还会捣鼓代码，哪怕只是写些整理照片的脚本，降低的也是你自己的账单。

不过，不要指望你的订阅价格也会下降。这几乎从来不会发生。token 的价格下降了，功能增加了，而你银行账单上的那一行纹丝不动。移动数据就是这样：十五年前，一个千兆字节要花一顿饭钱，如今它被淹没在一个十五欧元的套餐里，再也没人去计算它了。

我的看法

最后还有一件事，这件事发生在屏幕的我这一侧。我同时在三个项目上运行三个 Claude Code 会话，有时候我会在配额重置前查看计数器，就像查看油箱表一样。在这个场景里，一个 token 的价格不是抽象的数字：它决定了我能不能让一台机器在我睡觉的时候继续工作。

对我来说，这是本周最好的消息，而且原因不是大家以为的那个。我不需要这个月的模型比上个月的模型更聪明。我需要它用便宜一半的价格完成同样的工作，因为这决定了某个东西能不能一直运行，还是只有我按下按钮时才运行。

不过 Luna 退步了，Sol 交出的答卷也更潦草了。两者都大了一岁，账单却轻了一点，只是里面的用心也少了一点。这个交换我愿意拿来换我的脚本，但不是所有东西都这样换。

总之，谢谢你把价格除以二，我们收下了。也祝 Grok 和 Opus 好运，它们当了九十分钟的价格冠军。