如果今天还有人在花最多的钱调用OpenAI最强模型。
OpenAI反而会建议他换一个。
7月30日,OpenAI发了一份价格调整公告。
GPT-5.6Luna模型降价80%,Terra模型降价20%。
看到这个消息,很容易把焦点放在硅谷开始打价格战。
但是,如果仔细翻看完官方公布的技术文档与API调用指南后,就会意识到,真正值得关注的动作并不在价格数字本身。
这本质上是OpenAI第一次开始告诉用户,很多任务,其实不需要用最强的模型。
官方给了一个很具体的建议。如果是一项复杂任务,先用GPT-5.6Sol完成需求分析和方案设计,再交给Luna去执行、写代码、跑测试。
最贵的模型负责思考,最便宜的模型负责干活。这种策略在两年前看来,等同于商业上的自我否定。
要知道,过去整个AI行业,所有人都拼命告诉市场自己的模型最聪明。
结果今天,OpenAI却站出来说不用总是买最贵的。
这件事,比降价重要得多。
一、硅谷双雄的默契
先看最近两周发生的事情。
7月30日,OpenAI调整价格。Luna降80%。Terra降20%。Sol没有降价,而是增加了Fast模式,最高可以比标准模式快2.5倍,价格翻倍,但智能水平完全一样。
顶级模型继续保留。真正开始走量的,是中低端。
再往前一周。
7月24日,Anthropic也做了一件几乎一样的事。Claude Opus 5发布,百万token输入5美元,输出25美元。正好只有Fable 5的一半。
比起性能突破,Anthropic对外更强调它的经济性:仅凭一半的价格,就能获取无限接近Fable 5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。最强推理、最长上下文、最高价格。结果一个月以后,Anthropic亲自给旗舰找了一个半价替代品。
如果只有一家这么做,可以理解成产品调整。两家几乎同时,就不是巧合了。
它们都开始主动降低旗舰模型的重要性。
二、旗舰负责站台,走量负责赚钱
我后来一直在想,为什么偏偏是现在。
答案其实不复杂。
过去旗舰模型最大的价值,并不是赚钱,是证明技术领先。GPT-4出来以后,OpenAI估值一路上涨。Claude每更新一次,Anthropic都会重新定义自己的技术位置。旗舰模型承担的是品牌价值。
但企业真正花钱的地方,不在这里。
一家企业每天要跑几百万次API调用。客服、搜索、审批、代码生成、Agent执行,这些高频任务占据了绝大部分Token消耗。企业采购最关心的,也不是Benchmark第一,是一次任务多少钱、够不够稳定,ROI高不高。
当调用规模扩大到每日数千万级别,旗舰模型那点微弱的智能优势,会被巨大的算力开支瞬间抹平。
OpenAI的动作和表态标志着一个转折:顶级旗舰不再肩负赚钱重任。
三、AI开始进入"大众车型"时代
这一幕,汽车行业早就经历过。
二十年前,7 系定义宝马高度、S 级撑起奔驰豪华调性、A8 奠定奥迪旗舰形象,旗舰车型决定品牌上限。可真正撑起品牌销量、赚取利润的基本盘,始终是宝马 3 系、奔驰 C 级与奥迪 A4。
后来更明显。Model S证明特斯拉能造车。真正让它成为全球车企的,是Model 3和Model Y。
旗舰负责证明能力,大众车型负责规模。
AI今天也开始进入这个阶段。Sol、Fable还会继续存在,它们负责冲击技术上限、刷新Benchmark。真正承担商业化的,会越来越变成Luna、Terra、Opus。
OpenAI这次甚至公开写出了推荐流程,Sol负责规划,Luna负责执行。
这已经不是一款模型,OpenAI是在设计一套模型分工。以后企业买的,也不是一个模型,是一整套模型体系。真正决定成本的,不是总设计师,是每天都在干活的施工队。
四、模型开始优化模型
还有一个细节,我觉得比降价本身更有意思。
OpenAI在技术说明里提到,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%。
这条信息很容易被忽略,但它代表的意义很大。
过去,提高效率靠工程师。模型上线之后,人一 点点 优化推理框架、CUDA、缓存策略、调度算法。一年下来,能挤出十几个点的效率提升,已经不错。
如今技术演进走入了新路径。模型开始接管底层代码与算力调度的工程优化,全天候迭代运行。
这是一个会不断加速的循环。模型越聪明,参与优化的能力越强。优化越快,成本下降越快。成本越低,调用量越大。调用量越大,产生更多数据,继续训练模型。
翻了一下OpenAI过去两年半的价格变化。GPT-4 首发输入 30 美元 / 百万 Token,GPT-4o 降至 5 美元,GPT-4o mini 做到 0.15 美元。如今 Luna 定价贴近早年 mini 的廉价区间,可它的整体智能水准,早已远超两年前昂贵的 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%,是成本下降开始拥有了自我驱动能力。
五、从谁最聪明到谁最值得
我越来越觉得,今天大家在讨论AI竞争时,有时候还是会套用上一阶段的框架。
比如,经常还会追问:谁最聪明?GPT、Claude、Gemini、 DeepSeek ,每发布一个新模型,媒体第一时间看的都是排行榜。谁第一,谁赢。
然而OpenAI和Anthropic的新动作打破了这个规律,它们向市场传递出新信号:单项性能冠军的吸引力正在衰减。
OpenAI在公告里提到一句话,我觉得特别关键,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,它讨论的已经不是模型,是任务。
过去,一个企业部署AI,大多数时候只有一个选择。今天开始,它更像是在搭建一个组织。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。
这跟云计算当年特别像。没人会把所有数据,都放在最贵的SSD上。热数据放SSD,普通数据放HDD,冷数据再放对象存储。大家讨论的,从来不是哪块硬盘最快,而是整个系统怎么搭最划算。
DeepSeek 其实比硅谷更早嗅到了这个方向。过去半年,它几乎没有强调自己一定是全球最聪明,反复说的就几个词:便宜、够快、够用。
缓存命中之后,每百万Token便宜到几乎可以忽略。它一直在押注一件事,企业需要的并非世界冠军,而是综合ROI最高的部署选项。
这并非短期价格战,两家硅谷巨头如今的跟进,验证了这一商业路径的必然性。
六、OpenAI真正想卖的,不是模型
到今天,OpenAI的策略很清晰了,它真正想卖的,已经不是模型,是调用量。
过去模型厂商依赖高技术溢价获取高毛利,现在经营逻辑转变为以极低门槛换取超大规模的流量生态。
微软真正赚钱,不是因为Windows卖得贵,是因为所有电脑都装Windows。AWS赚钱也不是因为单台服务器利润高,是因为全世界每天有无数应用跑在上面。
平台收入,靠的从来是渗透率。
这解释了为什么Sol的价格一直没动。Sol承担的是品牌,它证明OpenAI依然是技术上限最高的那家公司。而Luna才是收入引擎。
OpenAI希望开发者形成一种新的默认习惯,写Agent用Luna,跑工作流用Luna,批量执行也用Luna。只有遇到真正难的问题,才调一次Sol。
一旦这种默认建立起来,后面的竞争就会变得非常困难。企业迁移一次底层模型,意味着重新测试、验证、适配整个工作流。迁移成本会越来越高。
真正的护城河,已经开始从能力领先变成生态粘性。
七、旗舰模型,不再决定方向
把时间拉长来看,AI行业正在经历一次极其典型的规模经济拐点。
当单位算力成本降到极低时,市场对Token的总需求并没有随着单价降低而减少,反而呈指数级爆发。
旗舰模型不再决定方向,因为技术演进的重心已经从探索智能上限,转移到了算力工业化降本。当API调用成本低至可以忽略不计时,模型的形态与边界将开始淡化。
企业开发者不再关注每一个Token的损耗,而是将AI无缝嵌进每一个业务流程。
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、Agent调度网络和自动化数据管道全部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。
过去几年,大模型公司卖的是智能。从今天开始,它们开始卖效率。
这是两个完全不同的故事。
【版面之外】的话:
过去我们习惯将AI的发展类比为消费电子,期待时不时能有刷新纪录的全新旗舰。
但也许,AI真正的胜利形态,并不是成为轰动一时的产品。
蒸汽机刚发明时,人们惊叹于它的生产力,而今天,电力无处不在的流动着,驱动着整个文明的运转,却再也没有人会去专门讨论它。
当人类不再狂热地讨论某款旗舰模型又刷新了哪项智商跑分,AI悄无声息地嵌入每一个系统、每一个指令,成为所有自动化流程背后被默认调用的水与电。
属于它的真正时代,才算刚刚开始。
本文来自微信公众号“版面之外”,作者:画画
