GPT-5.6 Luna 降价 80% 背后：AI 开始自己优化自己了

起因：Luna 降价 80%，发生了什么？ OpenAI 突然宣布 GPT-5.6 Luna 模型大幅降价：输入价格从 $1/百万 token 降至 $0.20，输出从 $5 降至 $1.20。降幅高达 80%，这让它直接比谷歌的 Gemini 3.1 Flash-Lite（$0.25/$1.50）更便宜，也彻底甩开了 Anthropic Claude Haiku 4.5（$1/$5）。知名开发者 Simon Willison 立刻将自己 agent 演示站点从谷歌模型切换到了 Luna。这背后并不是简单的促销，而是 OpenAI 用「魔法」打败了竞争对手——他们让 AI 自己优化了自己的底层代码。

拆解：AI 如何给自己「砍成本」？ 大语言模型的推理可以想象成一条复杂流水线：每次生成一个 token，都需要成千上万次矩阵运算，这些运算由底层 GPU 核心代码（kernel）执行。过去，优化这些核心代码是性能工程师的苦活，但如今 OpenAI 训练了一个叫 GPT-5.6 Sol 的模型，让它来干这件事。 Sol 扫描了整个推理过程，找出能让 GPU 更高效运行的机会：比如哪些计算可以提前做好、哪些可以完全跳过、哪些可以并行处理。更关键的是，它直接重写了 OpenAI 生产环境中实际运行的 GPU 核心代码——用一种叫 Triton 和 Gluon 的编程语言。最终，端到端的服务成本降低了 20%。换句话说，OpenAI 用自己最聪明的模型，给相对便宜的模型开了一条低成本绿色通道。

趋势洞察：价格战转向「效率战」，AI 进入自我优化时代 这看似是一次普通降价，实则揭示了两个深层变化。 第一，AI 巨头的竞争焦点正从「谁能考更高分」变为「谁更会省钱」。能力差距逐渐缩小后，性价比成了争夺开发者的关键战场。OpenAI 用前沿模型（Sol）去优化经济型模型（Luna），形成了一套「智力溢出」降本体系——高端模型的研发成本可以通过优化低端模型来分摊，甚至反哺整个产品线。 第二，AI 自我优化（AI improving AI）从概念走向工程实践。过去我们谈论 AI 设计芯片、AI 写代码，如今它直接优化自身的运行效率，形成闭环。这可能会引发一个螺旋式下降的成本曲线：更好的模型 → 更强的优化能力 → 更低的推理成本 → 吸引更多用户和数据 → 再次提升模型能力。对于行业来说，这意味着 AI 服务的商品化会加速，中小团队也能以极低价格获得顶级能力，而跟不上效率浪潮的厂商会被淘汰。

实用价值：开发者该怎么想、怎么做？ 这次降价对开发者有直接利好：个人开发者或初创团队可以零成本切换，立刻减少 80% 的 token 花销，尤其适合高并发 agent、聊天机器人等场景。但要注意两点：一是降价后模型能力是否「缩水」虽然官方未提及，但实际使用时仍需对比测试；二是价格变动频繁，以前 Lun 和 Haiku 同价，现在相差 5 倍，选型不能再只看模型名，而要建立对性价比的动态监控。长远看，学会根据价格信号自动切换模型服务，或许会成为一项有价值的工程能力。

反常识：别只盯着降价，看 AI 的「自指」进化 让人意外的是，OpenAI 这次在廉价模型上战胜了向来以低价著称的谷歌，而武器竟是「用自家高端模型优化低端模型」。更耐人寻味的是，AI 优化 AI 这件事类似于编译器自我编译——一种古老但强大的范式。当 AI 学会改进自己的运行基座，我们就不能再把它仅仅看作一个工具，它正在变成一套可以自我进化的基础设施。

原文地址: Advancing the price-performance frontier with GPT‑5.6