GPT-6 Sol/Luna 与 Opus 5.5 同日降价：价格表里最该看的，是缓存那一行

一、发生了什么北京时间 9 月 23 日凌晨Anthropic 与 OpenAI 同一天先后发布更便宜的模型Anthropic 推出 Claude 5.5 系列首款 Claude Opus 5.5OpenAI 则为 GPT-6 家族补充 GPT-6 Sol 与 GPT-6 Luna 两档来源两家官方发布经 CNBC、腾讯新闻、每日经济新闻、Gulf News 交叉核对。这也是 Anthropic CEO 阿莫代伊 9 月呼吁「放慢前沿 AI 研发」之后该公司的首次上新。二、技术拆解先看价格表标准价美元/百万 token模型输入输出缓存读取相对上代GPT-6 Sol2100.20较 GPT-5.6 促销价降 50%GPT-6 Luna0.100.500.01输出较上代降约 58%Claude Opus 5.54200.20单价较 Opus 5 降 20%缓存读降 60%三件事值得拆开看。第一「降 40%」和「降 20%」是两本账。Opus 5.5 的输入/输出单价只降 20%缓存读降 60%Anthropic 宣称的「典型工作负载成本低 40%」是把单价下降和「完成任务用的 token 更少」乘在一起算出来的来源Anthropic 官方口径腾讯新闻转述。我在《600B 只激活 27B、成本 1/8》https://blog.csdn.net/qq_43274490/article/details/166254348里写过厂商成本声明至少要拆成单价、单任务、部署三本账——这次 Anthropic 把口径写清楚了算进步但 40% 只在「默认设置下的测试」成立不能当成所有账单都会少四成。第二降价的钱主要从缓存省出来的。两家都把缓存读取砍到远低于普通输入OpenAI 称缓存命中单价比普通输入低 90%Sol 缓存读 0.2 美元Luna 低到 0.01 美元Anthropic 缓存读从 0.50 降到 0.20 美元。这不是巧合——Agent 负载每轮循环都要重读代码库、文档和对话历史缓存命中率直接决定实际账单。价格战的主战场悄悄从「输入/输出的门面价」挪到了「缓存单价」等于官方盖章行业默认负载已经是长上下文 Agent。距 Astra 发布不到三周旗舰能力就下沉到低价档靠的正是缓存与推理效率优化来源OpenAI 官方口径每日经济新闻转述。第三「降速」的实践版是安全分级不是停更。Opus 5.5 发布前接受了 METR、Frontier Design 等外部机构测试Anthropic 称其在测试环境中突破边界的尝试次数较 Opus 5 和 Claude Mythos 5.1 减少 85%厂商自报未经第三方复现此前只配给旗舰 Fable 5.1 的网络安全与生物高风险保障这次直接下放到 Opus 档。能力迭代照跑、价格往下打、安全变成可对外讲的分级体系——「放慢前沿」落地之后长这样。我在《读懂 Anthropic 这份「AI 自研仪表盘」》https://blog.csdn.net/qq_43274490/article/details/166012672里提过他们家的对外叙事一向指标先行这次又添了一条。三、我的判断降价压力大概率来自开源侧。最近一周阶跃 Step 5、三元压缩 27B、小米 MiMo-V2.6 开源接连把「单位能力成本」往下压闭源双雄在同一天比谁更便宜时间点不像巧合。开源与闭源的竞争已经从跑分榜挪到了账单上。这一轮卖的是 Agent 经济不是聊天。Sol 定位编码与 Agent 任务Luna 定位高吞吐量抽取与摘要两家新品全部冲着自动化工作负载去。Anthropic 自己也提醒跑分差距已不总能反映实际使用差距——接下来选型的关键数字会从「基准分」变成「每任务成本」。要提防的坑所有百分比都是厂商口径。OpenAI 称 Sol 在内部事实性评估中错误率约为 GPT-5.6 Sol 的一半还给出 AutomationBench 单任务成本约为 Opus 5 的 1/11 的对比——全部来自 OpenAI 自己的测试没有第三方复现。单价、缓存、token 效率、任务定义任何一个变量都能把 40% 变成 15%也能变成 60%。别拿宣传数字直接做预算。免费档也在下探。Luna 向 Free/Go 用户开放桌面端体验Sonnet 5.5 / Haiku 5.5 几周内跟进中档价位后面还会再挤一次水。四、对开发者的启示重算你的账单结构如果在跑 Agent 类负载把「缓存命中率 × 缓存单价」单独拎出来它现在比输入/输出单价更值得优化。一个可以直接跑的敏感性计算# 缓存命中率对 Agent 月账单的敏感性以 Sol 为例price_input,price_cache2.0,0.20# 美元/百万 tokenmonthly_input_tokens300*1e6# 每月 3 亿输入 tokenforhit_ratein(0.0,0.5,0.8,0.9):costmonthly_input_tokens/1e6*(hit_rate*price_cache(1-hit_rate)*price_input)print(f缓存命中率{hit_rate:.0%}- 月输入成本 ${cost:,.0f})# 0%: $600 / 50%: $310 / 80%: $172 / 90%: $118同样的负载命中率从 0 提到 90%账单差 5 倍——这就是两家拼命降缓存价的直接原因。选型时别只比门面单价拿你自己的负载画像去套价格表结论经常和跑分榜相反。上周我在《本周 AI 观察嘴上喊着降速手上全踩油门》https://blog.csdn.net/qq_43274490/article/details/165889577里说「话语踩刹车、产品踩油门」这次两家直接把油门换成了价格表开源侧那条成本线此前在《98.2% 是真的但先看它把 1.8% 藏在哪》https://blog.csdn.net/qq_43274490/article/details/166140327里拆过一遍可以连起来读。这个专栏每天一篇 AI 解读关注不迷路。你们现在的 Agent 账单里缓存命中能占到几成评论区报个数。专注 AI 工程化实践与出海外贸技术