事情发生在2026年8月21日。OpenAI突然宣布，未来三个月内把旗舰模型GPT-5.6 Sol的开发者API价格砍掉20%以上。输入Token从每百万5美元降到4美元，输出Token从30美元降到20美元。这不是孤立事件：上个月底，他们刚把中端Terra砍了20%，把低端Luna一口气砍了80%。一个月内两轮降价，OpenAI在干什么？
简单说，AI模型的价格战，已经从“谁更强”打到了“谁更值”。
GPT-5.6 Sol降价20%之后，代码任务净提升13.1%，每任务成本只要4.08美元。GPT-5.6 Luna更狠，整体涨了4.04%，每任务收益只要0.06美元，直接站上了Agent Arena的帕累托前沿。
这话什么意思？往下看。
帕累托前沿：一个你天天在用但不知道名字的东西
你买手机的时候，是不是既想要性能最强，又不想花太多钱？但现实是，性能越强，价格越贵。你只能在“性能”和“价格”之间找一个自己能接受的平衡点。
这个平衡点的集合，经济学家管它叫“帕累托前沿”。前沿上的每个选项都有一个特点：不存在另一个选项，既比你便宜又比你性能好。如果有，那你就不在前沿上，你被“支配”了。
AI模型也是一样。每个模型都有自己的性能得分和调用价格。把市场上所有模型按照“性能”和“价格”两个维度画一张图，最靠外的那条边界线就是帕累托前沿。站在前沿上的模型，才是“性价比之王”。
OpenAI这次说的“帕累托更新”，翻译成人话就是：通过降价，让原本不在前沿上的模型挤上了前沿，让原本就在前沿上的模型站得更稳了。
Sol降价之后：从“贵但强”变成“不贵还强”
GPT-5.6 Sol是OpenAI的旗舰模型。7月刚发布的时候，输入5美元、输出30美元每百万Token。这个价格不算便宜，Anthropic的Claude Opus 5也是输入5美元、输出25美元。性能上Sol确实强，在Agents' Last Exam测试里拿了53.6分，比Claude Fable 5高出13.1分。但价格摆在那儿，很多人会犹豫：值不值？
8月21日降价之后，Sol的输入变成4美元、输出变成20美元。输出Token直接砍掉了三分之一。这对开发者意味着什么？
输出Token往往是成本的大头。AI智能体、编程代理、深度研究这些场景，模型需要生成大量内容。输出价格降了33.3%，综合推理成本可能下降接近三成。
降价的效果立竿见影。在Agent Arena的代码类别里，Sol的净改进了13.1%，每任务成本只要4.08美元。在工作效率类别里，净提升11.2%，每任务成本2.59美元。
更关键的是，输出Token减少了一半以上，耗时缩短了一半以上，成本降低了约三分之一。OpenAI CEO萨姆·奥尔特曼透露，Sol在AI智能体编程任务中的Token使用效率比前代提升了54%。
这意味着什么？假设你以前花10块钱让模型完成一个编程任务，现在同样的事只要4块6。不是因为你少用了，而是因为模型更会省了。
在“智能 vs 每任务成本”的帕累托前沿上，GPT-5.6 Sol的多个推理强度级别都占据主导位置。Luna和Sol也一直在前沿上领先于Terra。
一个模型能在帕累托前沿上站稳，靠的不是降价，而是用更少的Token干更多的活。
Luna：从“便宜”变成“便宜到不讲道理”
如果说Sol是“从贵变值”，那Luna就是“从便宜变成白送”。
GPT-5.6 Luna是OpenAI的轻量级模型，主打速度和成本。7月发布时定价是输入1美元、输出6美元每百万Token。7月30日，OpenAI把Luna的价格砍了80%，输入变成0.20美元，输出变成1.20美元。你没看错，输入Token从1美元降到20美分。
降价80%之后的Luna，直接站上了Agent Arena的帕累托前沿。整体净增长4.04%，每任务收益只要0.06美元。代码类别+6.44%，每任务0.06美元；聊天类别+2.32%，每任务0.08美元；工作类别+5.09%，每任务0.04美元。
每任务收益0.06美元是什么概念？大概4毛钱人民币。你用4毛钱让一个AI模型帮你完成一个任务：不管是写一段代码、回一封邮件、还是整理一份报表。
但事情没那么简单。
价格战的真正推手：Anthropic和中国模型
OpenAI为什么突然这么大方？
答案藏在市场份额数据里。据第三方平台Ramp的数据，截至2026年5月，Anthropic在企业API市场份额已经反超OpenAI，34.4%对32.3%。到了6月，Anthropic的份额进一步攀升到41%。在消费者端，ChatGPT的全球市场份额也首次跌破50%，降到46.4%。
OpenAI被逼到了墙角。
对手的定价更狠。Anthropic的Claude Fable 5定价是输入10美元、输出50美元每百万Token，比降价前的Sol还贵一倍。但企业客户选择Anthropic，不是因为便宜，而是因为“稳”。另一边，中国AI模型的价格低得离谱。DeepSeek V4 Flash的单任务成本比降价80%之后的Luna还低60%。
OpenAI的应对策略很清晰：用降价守住开发者，用性能守住前沿。
Token效率：比降价更狠的杀手锏
降价只是明面上的动作。真正让OpenAI站上帕累托前沿的，是Token效率。
什么叫Token效率？就是完成同一个任务，你消耗了多少Token。Token越少，成本越低，速度越快。
GPT-5.6 Sol在这件事上做得相当狠。在Artificial Analysis Coding Agent Index测试中，Sol拿了80分，比Claude Fable 5高出2.8分。更关键的是，输出Token减少了一半以上，耗时缩短了一半以上，成本降低了约三分之一。OpenAI CEO萨姆·奥尔特曼透露，Sol在AI智能体编程任务中的Token使用效率比前代提升了54%。
这意味着什么？假设你以前花10块钱让模型完成一个编程任务，现在同样的事只要4块6。不是因为你少用了，而是因为模型更会省了。
在“智能 vs 每任务成本”的帕累托前沿上，GPT-5.6 Sol的多个推理强度级别都占据主导位置。Luna和Sol也一直在前沿上领先于Terra。
一个模型能在帕累托前沿上站稳，靠的不是降价，而是用更少的Token干更多的活。
但这轮降价有个坑
OpenAI这次降价有个细节：限时三个月。
8月21日到11月21日，只有三个月。而且超出272K输入Token的请求仍然适用更高费率。这不是永久调价，是促销。
为什么是三个月？行业里的推测是：OpenAI在用这三个月测试市场反应，降价能带来多少新增API调用，能拉回多少流失的开发者，能抢回多少市场份额。
三个月之后呢？可能继续降，可能涨回去，可能推出新的定价体系。没人知道。
这就留下了一个悬念。
Luna在前沿上，但DeepSeek在它后面只差1分
Luna站上帕累托前沿这件事，本身就挺讽刺的，一个“轻量级”模型，成了性价比之王。但更讽刺的是，它刚站上去，后面就有人追上来了。
DeepSeek V4 Flash 0731在Artificial Analysis Intelligence Index上拿了50分，只比GPT-5.6 Luna的51分低1分。但DeepSeek的单任务成本比降价80%之后的Luna还低60%。
换句话说，Luna站在帕累托前沿上，但DeepSeek站在更便宜的位置盯着它。如果DeepSeek再提1分，或者再降一点价，Luna就可能被挤出前沿。
这不是猜测。在Agent Arena的性价比榜单上，DeepSeek-V4-Flash已经以0.024美元的中位任务成本重塑了成本-性能帕累托前沿，排名优于GPT-5.6 Luna。
OpenAI把Luna砍了80%，以为能守住性价比阵地。结果对手把价格压得更低。
竞争还没结束。
一场没有终点的军备竞赛
帕累托前沿不是固定不变的。每次有模型降价、每次有模型性能提升、每次有新人入场，前沿都会移动。
过去几个月，我们已经看到了好几轮移动：7月9日GPT-5.6系列发布；7月30日Luna降价80%、Terra降价20%；8月21日Sol降价20%以上。每一轮都在重新定义“什么叫做值”。
但降价总有底线。API调用的边际成本再低，也不可能低到零。训练成本、算力成本、运维成本都是真金白银。当价格战打到边际成本附近，比拼的就从“谁更便宜”变成了“谁更能省”。
Token效率，才是真正的护城河。
GPT-5.6 Sol能用一半的Token完成Fable 5做的事。Luna能用五分之一的成本达到接近GPT-5.5的性能。这些才是OpenAI敢降价的底气，不是赔本赚吆喝，是真把成本降下来了。
但对手也在进步。DeepSeek、Kimi、GLM，每一个都在往前沿上挤。这场关于“性价比”的战争，打的不是价格本身，而是谁能在更低的成本上堆出更高的智能。
这才是帕累托前沿的真正含义：不是谁最便宜，也不是谁最强，而是谁在“强”和“便宜”之间找到了别人找不到的那个位置。
三个月后Sol的促销结束，Luna还能不能守在前沿上，DeepSeek会不会再进一步，没人说得准。唯一确定的是，这场仗还会继续打下去。