OpenAI 不靠最貴的模型賣錢了

OpenAI 近日一紙價格調整公告，引發的討論遠不止於「降價」二字。七月三十日，OpenAI 宣布調整旗下模型價格，GPT-5.6 Luna 降價幅度高達八成，Terra 則降價兩成。乍看之下，這像是矽谷又一輪價格戰的開端，但翻開官方同步公開的技術文件與 API 調用指南，會發現真正值得關注的信號，藏在價格數字的背後。 這是 OpenAI 第一次明確告訴用戶：很多任務，其實不需要動用最強的模型。官方甚至給出了具體的建議流程——面對一項複雜任務，先讓 GPT-5.6 Sol 負責需求分析與方案設計，再交由 Luna 去執行、寫程式、跑測試。換句話說，最貴的模型負責思考，最便宜的模型負責幹活。這種策略放在兩年前，幾乎等同於商業上的自我否定。過去整個 AI 產業都在拼命向市場證明自己的模型最聰明，如今 OpenAI 卻帶頭說「不必總是買最貴的」。這件事的意義，確實比降價本身重要得多。 回顧最近兩週，會發現這並非單一公司的孤立決策。七月三十日 OpenAI 調整價格的同時，Sol 沒有降價，而是新增了 Fast 模式，最快可比標準模式快二點五倍，價格翻倍，但智能水準完全一致。頂級模型繼續保留，真正開始走量的，是中低階產品。而再往前一週，七月二十四日，Anthropic 也做了幾乎一樣的事。Claude Opus 5 正式發表，百萬 token 輸入訂價五美元、輸出二十五美元，剛好只有 Fable 5 的一半。Anthropic 對外強調的重點不在性能突破，而在經濟性——用一半的價格，就能取得無限接近 Fable 5 的前沿推理能力。 就在一個月前，Fable 5 還是 Anthropic 重點宣傳的旗艦產品，主打最強推理、最長上下文、最高價格。結果一個月後，Anthropic 親自替旗艦找了個半價替代品。如果只有一家公司這麼做，可以解釋成單純的產品線調整；兩家幾乎同步行動，背後就不是巧合了。它們都在主動降低旗艦模型在商業布局中的重要性。 為什麼偏偏是現在？答案其實不複雜。過去旗艦模型最大的價值不在賺錢，而在證明技術領先。GPT-4 問世後，OpenAI 估值一路上漲；Claude 每次更新，Anthropic 都重新定義自己的技術位置。旗艦模型承擔的是品牌價值。但企業真正花錢的地方，從來不在這裡。一家企業每天要跑數百萬次 API 調用，客服、搜尋、審批、程式碼生成、Agent 執行，這些高頻任務佔據絕大多數 token 消耗。企業採購最關心的也不是 benchmark 第一名，而是一次任務多少錢、夠不夠穩定、ROI 高不高。當調用規模擴大到每日數千萬級別，旗艦模型那一點微弱的智慧優勢，很快會被巨大的算力開支抹平。OpenAI 的動作與表態，標誌著一個轉折點：頂級旗艦不再肩負賺錢的重任。 這一幕，汽車產業早就經歷過。二十年前，七系列定義寶馬的高度、S 級撐起賓士的豪華調性、A8 奠定奧迪的旗艦形象，旗艦車款決定品牌上限。可真正撐起品牌銷量、賺取利潤的基本盤，始終是寶馬三系列、賓士 C 級與奧迪 A4。後來更明顯，Model S 證明特斯拉能造車，真正讓它成為全球車廠的，是 Model 3 與 Model Y。旗艦負責證明能力，大眾車型負責規模。AI 如今也開始進入這個階段。Sol、Fable 還會繼續存在，負責衝擊技術上限、刷新 benchmark；真正承擔商業化的，會越來越變成 Luna、Terra、Opus。OpenAI 這次甚至公開寫出推薦流程，Sol 負責規劃、Luna 負責執行。這已經不是單純推出一款模型，而是在設計一套模型分工。以後企業採購的，不是一個模型，是一整套模型體系。 還有一個細節比降價本身更有意思。OpenAI 在技術說明中提到，這次降價不只是因為採購了更多 GPU，也不是因為規模變大，真正原因是模型開始參與優化模型。具體來說，在人類工程師的帶領下，Sol 自主重寫並優化了底層生產內核，自行設計數百個實驗來提高 token 生成效率，甚至參與監控模型訓練流程，發現問題後直接介入。結果是端到端運行成本下降兩成、token 生成效率提升一成五。過去提高效率靠工程師，模型上線後由人一點一點優化推理框架、CUDA、緩存策略、調度算法，一年下來能擠出十幾個百分點的效率提升已經很不錯。如今技術演進走入了新路徑，模型開始接管底層程式碼與算力調度的工程優化，全天候迭代運行。這是一個會不斷加速的循環：模型越聰明，參與優化的能力越強；優化越快，成本下降越快；成本越低，調用量越大；調用量越大，產生更多數據，繼續訓練模型。 翻看 OpenAI 過去兩年半的價格變化，GPT-4 首發輸入定價每百萬 token 三十美元，GPT-4o 降至五美元，GPT-4o mini 做到零點一五美元。如今 Luna 的定價貼近早年 mini 的廉價區間，整體智慧水準卻早已遠超兩年前昂貴的 GPT-4。兩年多時間，價格下降了接近兩個數量級。如果模型持續參與優化自己，這條曲線很可能還會繼續往下走。真正令人側目的不是今天價格降了八成，而是成本下降開始擁有了自我驅動的能力。 愈來愈多人討論 AI 競爭時，仍會套用上一階段的框架，時常追問「誰最聰明」。GPT、Claude、Gemini、DeepSeek，每發布一個新模型，媒體第一時間看的都是排行榜，誰第一誰贏。然而 OpenAI 與 Anthropic 的新動作打破了這個規律，向市場傳遞出新訊號：單項性能冠軍的吸引力正在衰減。OpenAI 在公告中建議開發者，根據任務的重要程度、出錯代價、緊急程度與規模，去匹配不同模型。注意，它討論的已經不是模型，而是任務。過去一家企業部署 AI，大多數時候只有一個選擇；今天開始，這更像是在搭建一個組織，最重要的任務用 Sol，日常執行交 Luna，以後可能還有更輕量的模型負責更簡單的事。這與雲端運算當年的發展軌跡很像，沒人會把所有資料都放在最貴的 SSD 上。熱資料放 SSD、普通資料放 HDD、冷資料放物件儲存，大家討論的從來不是哪顆硬碟最快，而是整個系統怎麼搭最划算。 DeepSeek 其實比矽谷更早嗅到這個方向。過去半年，它幾乎沒有強調自己是全球最聰明，反覆強調的詞彙就是便宜、夠快、夠用。緩存命中之後，每百萬 token 的價格低到幾乎可以忽略。它押注的是企業需要的並非世界冠軍，而是綜合 ROI 最高的部署選項。這並非短期價格戰，兩家矽谷巨頭如今的跟進，正好驗證了這條商業路徑的必然性。 到今天，OpenAI 的策略已經很清晰，它真正想賣的不是模型，是調用量。過去模型廠商依賴高技術溢價獲取高毛利，現在的經營邏輯轉變為以極低門檻換取超大規模的流量生態。微軟真正賺錢，不是因為 Windows 賣得貴，而是所有電腦都裝 Windows；AWS 賺錢也不是單台伺服器利潤高，而是全世界每天有無數應用跑在上面。平台收入靠的從來是滲透率。這也解釋了為什麼 Sol 的價格一直沒動。Sol 承擔的是品牌，它證明 OpenAI 依然是技術上限最高的那家公司；而 Luna 才是收入引擎。OpenAI 希望開發者形成一種新的預設習慣：寫 Agent 用 Luna、跑工作流用 Luna、批量執行也用 Luna，只有遇到真正困難的問題，才調一次 Sol。一旦這種預設建立起來，後續的競爭就會變得非常困難。企業遷移一次底層模型，意味著重新測試、驗證、適配整個工作流，遷移成本會越來越高。真正的護城河，已經開始從能力領先轉變為生態黏性。 把時間拉長來看，AI 產業正在經歷一次典型的規模經濟拐點。當單位算力成本降到極低時，市場對 token 的總需求並沒有隨著單價降低而減少，反而呈指數級爆發。旗艦模型不再決定方向，因為技術演進的重心，已經從探索智慧上限轉移到了算力工業化降本。當 API 調用成本低到可以忽略不計時，模型的形態與邊界將開始淡化，企業開發者不再斤斤計較每一個 token 的損耗，而是將 AI 無縫嵌進每一個業務流程。這場轉變最深刻的地方在於，API 價格的雪崩正在推高整個軟體工程的遷移成本。一旦企業的工作流、Agent 調度網路與自動化資料管道，全部建立在低成本模型的組合之上，底層模型的提供方就鎖定了未來十年的算力管道。過去幾年，大模型公司賣的是智慧；從現在開始，它們開始賣效率。這是兩個完全不同的故事。