AI前沿 | 2026年9月26日：GPT-6 Sol 腰斩 + Luna 探底 + Claude Opus 5.5 降价 + Agent 单位经济学重构
📖首屏导读 · 本教程配套付费专栏：《大模型工程师修炼手记》
19.9 元（AI 编程 · Agent 实战 · 本文同主题系统课程）· 《AI时代程序员的自我提升》49.9 元（AI 时代成长方法论）单篇不过瘾？订阅解锁全量源码、实战与答疑；文末附资料包领取方式 ↓
📊本期导读：这一周的价格战不是「降了几个点」，而是换了一套计价单位。9 月 22 日同一天，Anthropic 发布Claude Opus 5.5（输入 $4 / 输出 $20，比 Opus 5 低约两成，比 Fable 5.1 便宜约 40%），约 90 分钟后 OpenAI 发布GPT-6 Sol（$2/$10）与 GPT-6 Luna（$0.10/$0.50），并称相对 GPT-5.6 促销定价是50% 降价。而 9 月 25 日第三方复盘里最刺眼的一组数不是绝对价格，而是AutomationBench：Sol 在最高推理档得分 33.2%、每任务 $0.27；Claude Opus 5 得分 26.9%、每任务成本却是 Sol 的 11.1 倍——「每任务成本」正在取代「单 token 价格」成为选型主战场。本文拆解定价结构、缓存经济学、迁移窗口与给工程团队的 5 条落地动作。
一、事件：9 月 22 日的「一小时双杀」
两场发布挤在同一天上午，相隔约 90 分钟，方向完全一致：性能不降、价格大降。
| 维度 | Claude Opus 5.5 | GPT-6 Sol | GPT-6 Luna |
|---|---|---|---|
| 发布时间 | 2026-09-22 | 2026-09-22 | 2026-09-22 |
| 定位 | Claude 5.5 家族首款，取代 Opus 5 | 编码 + 多步推理档 | 高频例行任务档 |
| 输入 / 百万 token | $4 | $2 | $0.10 |
| 输出 / 百万 token | $20 | $10 | $0.50 |
| 缓存读 / 百万 | $0.25 | — | — |
| 批处理 输入/输出 | $2 / $10 | — | — |
| 数据保留 | 不像 Fable 保留 30 天，支持 Zero Data Retention | — | — |
| 特殊机制 | Claude Code fast mode 研究预览，输出最高 2.5× 速，$8/$40 | 引入更高推理档以减少事实错误 | 面向成本敏感的高频场景 |
DeepLearning.AI 的 The Batch 给出的厂商口径是：Opus 5.5 在多数工作上与 Claude Fable 5.1 持平，但运行成本低约 40%（混合了 30%+ 的更低成本档位），并且在整体智能上超过 Fable 5.1 与当前所有其他模型；与 Fable 不同的是它不保留用户数据 30 天，同时像 Fable 一样，对 Anthropic 判定为敏感的网络安全与生物类查询会回落到 Claude Opus 4.8。可用渠道包括 Claude.ai、API、AWS、Google Cloud、Microsoft Azure；上线后 Plus/Pro/Max/Team 套餐的五小时用量上限同步提高。
OpenAI 侧的可用性路径也明确：Sol 与 Luna 于 9 月 22 日进入 ChatGPT Work 与 Codex，覆盖 Plus、Pro、Business、Enterprise、Edu 用户，Free 与 Go 用户在桌面端可用 Luna；OpenAI 称两者「尚未在 Chat 中提供」——也就是说，日常 ChatGPT 对话背后的模型没有变。
二、真正的新东西：AutomationBench 与「11.1 倍」
9 月 25 日的第三方复盘里，最有杀伤力的不是价格本身，而是 OpenAI 自家跑的一次对照：
| 指标 | GPT-6 Sol（最高推理档） | Claude Opus 5 |
|---|---|---|
| AutomationBench 得分 | 33.2% | 26.9% |
| 每任务成本 | $0.27 | Sol 的11.1 倍 |
这两个数字放在一起，含义比「谁更强」重要得多：
「每任务成本」是 Agent 时代真正的价格单位。按 token 计价时，你买的是「文字」；按任务计价时，你买的是「完成一件事」。$0.27 与 11.1 倍之间的差距，在按 token 口径看只是 $2 与 $10 的差别，但落到「一个工单自动化流程跑一万次」的账单上，就是量级差异。
高推理档在真实工作负载里可能更便宜。ARC Prize 在评测 GPT-6 Astra 时给过一个反直觉的观察：更高的推理档位往往成本更低，因为模型用更少的动作解决问题，减少了总的模型调用与 token 数。这与「推理越强越贵」的直觉相反——当模型能力足够高时，推理投入是替代重试次数的手段，不是纯成本。
对照表的缺席本身是信息。第三方复盘明确指出：Claude Opus 5.5 没有出现在 OpenAI 的任何一张表里，而 Anthropic 的做法是自己给自己打分——Opus 5.5 在 Terminal-Bench 上 66.4%，由 Anthropic 自己跑的测试。复盘原文的判断很直接：Anthropic 给自己模型的打分方式和 OpenAI 一样。这两家在能力可比性上谁都不打算让步。
三、更深一层：为什么现在敢降？中国开放权重模型 + 上市窗口
CNBC 点出降价的真实对手是阿里巴巴、月之暗面与 DeepSeek 的开放权重模型；AFP 则给出时间压力：Anthropic 预计很快 IPO，OpenAI 已把自己的上市推到明年。Progressive Robot 在其梳理里把「安全担忧」与「发布节奏」放进同一张时间表，结论是：呼吁放缓（9 月 12 日 Amodei、9 月 8 日 Coxon 辞职）之后 10 天、HF 事件披露之后 9 周，两家照样发了更便宜的模型。
OpenAI 自己也在 9 月 21 日抛出了政策侧答案——提议全球前沿 AI 标准，四个方向分别是：度量递归自我改进（RSI）、评估其带来的风险、人类监督协议、以及带共享严重度分级的事故报告机制；其中一句被反复引用的话是：「完全自主的 RSI 今天并没有发生，除非且直到能安全地做到，否则我们不应追求它。」换句话说：降价是商业动作，标准提案是防守动作，两者并不矛盾——但也说明降价的首要动机是对抗开放权重阵营的成本压力，而非纯粹惠及客户。
四、被忽略的硬约束：缓存计费与迁移截止日
做成本模型时，最容易漏掉的两块：
单次调用成本 ≈ (输入 token / 1e6) × 输入单价 + (输出 token / 1e6) × 输出单价 + 缓存写入 token / 1e6 × 缓存写单价 ← 别漏 长会话成本 ≈ N 轮 × 单次调用成本 ← Agent 场景的真正变量 + 失败重试轮次 × 单次调用成本 ← 最常被漏算- 缓存：Claude Opus 5.5 的缓存读 $0.25/百万、缓存写 $5/百万，批处理 $2/$10。缓存读价是输入价的 1/16，缓存写价却是输出价的 1/4——意味着「把所有内容都写进缓存」是笔亏本买卖，缓存策略必须按「读取次数 / 写入次数」比值来设计，而不是无脑开前缀缓存。
- 回落到旧档：Anthropic 对敏感网安/生物查询回落 Opus 4.8；OpenAI 9 月 22 日发 Sol/Luna 时，gpt-3.5-turbo-instruct、babbage-002、davinci-002、gpt-3.5-turbo-1106 宣布于 9 月 28 日关停，推荐迁移到 gpt-5.6-terra（该退役公告发布于 2025 年 9 月 26 日）。老系统的模型下线排期，今天该重新核一遍了。
五、给工程团队的 5 条落地动作
把成本模型从「token」改成「业务动作」。按业务动作分桶（工单处理、文档审核、代码变更、客服应答），统计每桶的调用轮数、重试率与成功率，得出每个业务动作的真实成本。这是唯一能跟采购部门对话的口径。
按动作分档路由，而不是全局一个模型。Luna 输入 $0.10/M 的存在意味着「格式化输出、意图分类、字段抽取」这类任务继续用旗舰模型是纯浪费。推荐结构：Luna/Fable 级做分类与抽取 → Sol/Opus 级做决策与生成 → 只在失败重试或高价值路径上动用最高推理档。
把「高推理档是否更贵」变成可测问题。用你自己的任务集做 A/B：同一批任务分别跑 medium / high / max 三档，同时统计成本与一次通过率。评估的北极星不是单 token 价，而是
(单次通过成本) = 总成本 / 成功次数。重算缓存策略的读写比。按上文，缓存写价是读价的 20 倍。只在「同一上下文会被反复读取」的长会话/多轮 Agent 场景开缓存，单次性请求不要写缓存；并把缓存命中率纳入 Agent 框架的核心指标。
要求供应商在统一脚本上跑分。两家都不把对手放进自己的对照表，你的采购流程就负责补上这一环：指定一份你方业务的评测脚本，要求候选模型在同一脚本、同一并发、同一上下文长度下给出「得分 + 总成本 + P95 延迟」三个数，写进合同附件。这比任何官方 benchmark 都有说服力。
工程师视角点评：这轮价格战真正的受益者不是「用得便宜的人」，而是「把模型当可替换组件的人」。降价把模型从「战略资产」变回「成本项」，那你的架构里就不该有任何一处把某个模型的名字硬编码进业务逻辑——能一键切换 Sol / Luna / Opus 5.5 / 开放权重模型的团队，才吃得到这波降价；被绑死在单一 SDK 抽象上的团队，只会在下一次调价时被动挨宰。
💡启示：9 月 22 日这一天证明了两件事：模型能力正在「白菜价」，而模型能力从来不是 Agent 产品的瓶颈。对创业者：①当输出价进入 $10/M 乃至 $0.5/M 区间，护城河不可能建在「我们调用了哪个模型」上——请把产品叙事从「模型选型」彻底转向「编排、评估、数据与交付」，这是降价周期里唯一不会被通胀吃掉的价值；②「每任务成本」给了创业公司一个全新的定价杠杆：用 Sol 跑 33.2% 的自动化基准、每任务 $0.27，意味着某些「按结果收费」的业务模型第一次在账上跑得通——重新算一遍你的定价是按席位、按 token 还是按结果收费；③降价窗口也是选型窗口：能力趋同 + 价格下行 = 采购方第一次有议价权，把「双供应商 + 季度比价」写进你的技术战略，别让默认选择固化成一两年后才发现的单点依赖；④别忽略缓存与回落的隐藏成本——缓存写价 20 倍读价、敏感查询回落旧档、老模型 9 月 28 日关停，这三件事足以让一个「看起来更便宜」的方案实际更贵。
来源：Mixed-News（2026-09-25）/ DeepLearning.AI The Batch（2026-09-25）/ dev.to（2026-09-25）/ Progressive Robot·AFP（2026-09-23）/ ModelDex（2026-09-24）/ Reuters（2026-09-19 Anthropic IPO 独家）/ CNBC（经 Progressive Robot 转引）。本文为 AI 辅助整理的前沿解读，价格与规格以厂商官方定价页为准，不构成任何投资建议。
📚 延伸阅读 · 我的付费专栏
觉得这篇文章对你有帮助？我把同类主题的系统化内容沉淀成了付费专栏，欢迎订阅支持持续输出：
| 专栏 | 定价 | 内容 |
|---|---|---|
| 大模型工程师修炼手记 | 19.9 元 | AI 编程 / Agent 深度实战 |
| AI时代程序员的自我提升 | 49.9 元 | AI 时代成长方法论 |
💡 一杯咖啡的价格，换来系统化的知识体系；你的订阅，是我持续创作的最大动力。
💬本文配套代码 / 资料包：欢迎在评论区留言「求代码」，我会私信发送完整资源！