你可能已经习惯让 AI 工具介入你的生活，但是先进模型往往代表着高昂的使用成本，无法惠及更多价格敏感用户。

7 月 30 日，OpenAI 宣布下调 GPT-5.6 系列两款模型的价格：主打高速度和低成本的 Luna 降价 80%，兼顾能力与成本的 Terra 降价 20%。调整之后，Luna 每百万输入 Token 的价格降至 0.2 美元，输出为 1.2 美元；Terra 的输入和输出价格则分别降至 2 美元和 12 美元。

与此同时，GPT-5.6 Sol 在 API 中新增 Fast 模式，可以用两倍价格换取最高 2.5 倍的速度，模型能力本身不变。ChatGPT 和 Codex 订阅价格以及额度预算没有变化，但 Terra 和 Luna 完成同样的使用，会消耗更少的额度。

一款新模型正式发布仅仅三周，最便宜的一档价格就下降了 80%。

当 OpenAI 也开始玩促销，模型市场也将发生新的改变。

用低价格惠及更多人

很多技术在刚刚出现的时候，都拥有令人惊叹的能力。但一种能力能够被制造出来，并不等于它已经成为社会的一部分。

如果一项任务交给 AI 完成一次需要十几块甚至是几十块钱，它可能只会被用在最重要的场合；如果同一件事的成本降到几分钱，人们才会开始考虑把它放进更多的日常场景中。

按照 OpenAI 的估算，Luna 如今能以大约 6% 的成本，提供先进模型相近的表现，而且速度接近后者的 9 倍；在用于衡量专业工作的 Agents ’ Last Exam 中，它超过 Fable 5，而估算的单任务成本低了近 99%，而这种极低的使用成本，也让过去只能偶尔调用的高水平智能，可以变成大规模使用的日常资源。

当低成本的 AI 惠及更多人时，人们使用 AI 工具的方式也开始发生变化。因为许多原本 " 不值得做 " 的事情，突然会变得值得做了，而这改变的也不仅仅是 AI 工具的使用成本，也将改变人们对于 AI 的想象。

为不同任务匹配合适的模型

GPT-5.6 这次降价背后，还有一个比价格更值得关注的信号，那就是 AI 正在形成越来越清晰的能力分层。

Sol 负责最复杂、最不确定、最需要深度推理的工作；Terra 在能力与成本之间寻找平衡；Luna 则面向高频、批量和成本敏感的任务。

OpenAI 也分享了一个实例。用户可以先让 Sol 处理不确定性并制定计划，再由 Luna 完成已经明确的修改、编写和运行测试，最后评估结果。最强的模型不必参与每一步，便宜的模型也不需要解决所有难题。真正重要的，是根据任务的重要性、出错代价、时间要求和规模，选择刚刚好的智能。

这很可能也是 AI 走向成熟的标志。

过去，人们总在争论哪一个模型最强，仿佛只要找到榜单第一名，就能解决所有问题。

但在真实工作中，用最高成本的模型回复每一封格式固定的邮件，就像让公司里经验最丰富的专家整天整理文件；而把最便宜的模型派去处理模糊、关键且不可逆的决策，同样危险。

未来的竞争，不只是 " 谁拥有最聪明的模型 "，而是谁更懂得拆解任务：哪些环节值得投入更多智能，哪些环节可以交给更快、更便宜的模型，哪里必须由人确认，哪里可以自动继续。

更实惠的模型将改变工作流

对普通用户而言，这次降价未必会立刻变成银行卡账单上少掉的一笔钱。OpenAI 并没有下调 ChatGPT 和 Codex 的订阅价格，只是让 Terra 和 Luna 在相同额度预算下消耗更少。

但它仍然可能悄悄改变我们工作的方式。

过去我们把 AI 用在改重要稿件、整理关键资料等等最舍不得浪费时间的地方，而在未来，AI 也有可能会深入到更多地方，满足更多简单需求。

所以，AI 降价并不会让每个人自动变得同样强。它只是把竞争的起点，从 " 谁用得起智能 "，推向 " 谁更知道该让智能做什么 "。

对于每一个具体的人来说，真正需要守住的也许不是完成任务的速度，而是那些模型无法替你决定的东西：为什么要做这件事，什么才算足够好，哪些代价不能接受，以及最终该由谁为结果负责。

写在最后

一次 80% 的降价，还不足以让智能真正普惠每一个人，却让那个时刻离我们更近了一步：AI 正从需要精打细算、舍不得多用的昂贵能力，变成可以随手调用的日常工具。

许多真正改变世界的技术，不是在第一次亮相时，而是在普通人不再犹豫的那一天。当我们不再追问 " 值不值得用 AI"，只是自然地说一句 " 让 AI 先试试 "，那些原本只能一个人扛下的疲惫与琐碎，也终于有机会被接住。

从那一刻起，人工智能才真正从屏幕里的新奇事物，走进我们的生活。