OpenAI 不靠最贵的模型卖钱了

作者｜画画

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。