OpenAI 宣布将 GPT-5.6 Luna 的输入价格从每百万 token 1 美元降至 0.2 美元，输出价格从 6 美元降至 1.2 美元，降幅均为 80%。同系列的 Terra 降价 20%；旗舰模型 Sol 没有调整基础价格，但新增 Fast 模式，以 2 倍价格换取约 2.5 倍速度，并保持相同能力水平。
这不只是账单上的数字变化。Luna 的新价格足以改变批处理、检索增强生成、内容抽取和多级模型路由的设计边界。过去为了省 token 而增加的缓存、裁剪与模型切换逻辑，现在需要重新核算复杂度是否仍然值得。
Luna 的成本结构发生了什么
按公布价格计算，Luna 单次调用的成本公式是：
成本（美元）= 输入 token / 1,000,000 × 0.2
+ 输出 token / 1,000,000 × 1.2
假设一个服务每月处理 10 亿输入 token 和 2 亿输出 token：
| 项目 | 原价格 | 新价格 |
|---|---|---|
| 10 亿输入 token | $1,000 | $200 |
| 2 亿输出 token | $1,200 | $240 |
| 月度合计 | $2,200 | $440 |
在调用量和 token 分布不变的情况下，每月可以减少 1,760 美元支出。不过，输出 token 仍然比输入 token 贵 6 倍。降价不会消除控制输出长度的必要性：让模型生成冗长解释，依旧比传入更多上下文更容易推高账单。
Sol Fast 买的是延迟，不是更强的答案
Sol 的 Fast 模式提供约 2.5 倍速度，价格则变为 2 倍。根据来源摘要，它改变的是服务速度，而不是模型能力。这使它更适合对尾延迟敏感的交互式请求，而不是默认覆盖所有流量。
可以按请求价值划分模型和模式：
- 批量抽取、分类、离线摘要：优先评估 Luna。
- 普通交互和复杂度可控的生成：用 Luna 作为默认入口，并通过评测决定是否升级。
- 高难度推理：路由到 Sol 标准模式。
- 实时助手、代码补全或有严格超时约束的高价值请求：考虑 Sol Fast。
Fast 模式的价格是 2 倍、速度约为 2.5 倍，这不代表端到端接口一定快 2.5 倍。网络、排队、工具调用、检索和应用自身处理时间都可能成为瓶颈。上线前应分别测量首 token 时间、完整响应时间以及 P95/P99 延迟。
用真实 token 分布重算账单
下面的 Python 脚本可以直接运行，用来比较 Luna 调价前后的月度成本。执行前，把 monthly_requests、avg_input_tokens 和 avg_output_tokens 改成生产环境的实际数据。
from dataclasses import dataclass
@dataclass(frozen=True)
class Pricing:
input_per_million: float
output_per_million: float
def monthly_cost(
requests: int,
avg_input_tokens: int,
avg_output_tokens: int,
pricing: Pricing,
) -> float:
input_tokens = requests * avg_input_tokens
output_tokens = requests * avg_output_tokens
return (
input_tokens / 1_000_000 * pricing.input_per_million
+ output_tokens / 1_000_000 * pricing.output_per_million
)
old_luna = Pricing(input_per_million=1.0, output_per_million=6.0)
new_luna = Pricing(input_per_million=0.2, output_per_million=1.2)
monthly_requests = 2_000_000
avg_input_tokens = 500
avg_output_tokens = 100
old_cost = monthly_cost(
monthly_requests, avg_input_tokens, avg_output_tokens, old_luna
)
new_cost = monthly_cost(
monthly_requests, avg_input_tokens, avg_output_tokens, new_luna
)
print(f"旧价格月成本: ${old_cost:,.2f}")
print(f"新价格月成本: ${new_cost:,.2f}")
print(f"每月节省: ${old_cost - new_cost:,.2f}")
print(f"降幅: {(1 - new_cost / old_cost) * 100:.1f}%")
这组参数对应 10 亿输入 token 和 2 亿输出 token，输出应为：
旧价格月成本: $2,200.00
新价格月成本: $440.00
每月节省: $1,760.00
降幅: 80.0%
生产环境不要只代入平均值。更可靠的方法是从日志中分别统计 P50、P95 和 P99 token 数，并把重试、失败请求、工具调用产生的后续轮次一并计入。平均值很容易掩盖少量超长上下文带来的成本尖峰。
降价之后，更值得做分层路由
Luna 成本下降后，可以把模型选择从静态配置改成显式策略。下面是一段可改造的 Python 路由示例，其中 API 地址和模型标识需要替换为实际服务支持的值：
import os
import requests
API_URL = os.environ["OPENAI_API_URL"]
API_KEY = os.environ["OPENAI_API_KEY"]
def choose_model(complexity: str, latency_sensitive: bool) -> str:
if complexity == "high":
return "gpt-5.6-sol-fast" if latency_sensitive else "gpt-5.6-sol"
return "gpt-5.6-luna"
def generate(prompt: str, complexity: str = "normal", latency_sensitive: bool = False):
model = choose_model(complexity, latency_sensitive)
response = requests.post(
API_URL,
headers={
"Authorization": f"Bearer {API_KEY}",
"Content-Type": "application/json",
},
json={
"model": model,
"input": prompt,
"max_output_tokens": 500,
},
timeout=30,
)
response.raise_for_status()
return response.json()
print(generate("用三点总结这份故障报告。"))
这里的关键不是模型名称判断本身，而是保留路由记录。每次请求至少应记录候选模型、最终模型、输入与输出 token、延迟、重试次数和任务质量评分。否则，团队只能看到总账单下降，却无法判断升级到 Sol 或 Sol Fast 的流量是否产生了相应价值。
不要把价格下降直接等同于架构简化
来源摘要将此次调整归因于 Sol 带来的优化，而非市场竞争或库存处理，但相关技术过程并未完整展开。因此，更稳妥的工程结论是依据已公布的价格和模式变化做决策，不推断底层训练、蒸馏或推理架构的具体实现。
采用新价格时，可以按下面的清单推进：
- 用生产日志重算 Luna 新旧成本，不只看官方示例。
- 对 Luna、Sol 和 Sol Fast 使用同一套任务集做质量评测。
- 单独比较首 token、P95 和 P99 延迟，验证 Fast 模式的实际收益。
- 为输出 token 设置上限，并监控超长回答和自动重试。
- 先灰度调整路由比例，再删除现有缓存、裁剪或降级机制。
- 确认账户、区域和 API 端点中的实际价格与模型可用性。
80% 的降价会显著扩大 Luna 的适用范围，但模型成本只是系统成本的一部分。真正有效的迁移，应同时优化价格、质量和延迟，并用生产数据决定哪些请求值得进入更昂贵的 Sol 路径。