摘要
OpenAI 与 Anthropic 几乎同日发布新模型。OpenAI 推出 GPT-6 Sol 与 GPT-6 Luna，基于 GPT-6 Astra 底座重构，API 价格较 GPT-5.6 直降 50%，主打单位任务成本；GPT-6 Sol 在 AutomationBench 最高推理强度下超过 Claude Opus 5，每任务成本仅为其 9%。Anthropic 则发布 Claude Opus 5.5，多数任务达到 Fable 5.1 水平，典型任务成本较 Opus 5 降低约 40%，输出速度提升超 30%。两家都在强调「按任务成本」而非 Token 单价。
两大模型同日发布
就在刚刚，OpenAI 与 Anthropic 几乎同时推出新模型：OpenAI 推出 GPT-6 Sol 与 GPT-6 Luna；Anthropic 则发布性能直逼 Fable 5.1 的 Claude Opus 5.5。
OpenAI：Astra 能力下放，价格「腰斩」
OpenAI 表示，GPT-6 Sol 与 GPT-6 Luna 脱胎于此前的顶级 GPT-6 Astra 底座，重点是将 Astra 的核心推理与多模态优势下放，重构出更轻量、吞吐量更高的运行版本。也就是说，GPT-6 Astra 承担的是能力探索角色，而 Sol 和 Luna 则承担能力规模化应用的任务。
价格方面则直接「腰斩」，与 GPT-5.6 的促销价相比，Sol 与 Luna 的价格直接降低了 50%。
随后，Sam Altman 在社交平台发文，强调这是 OpenAI 推动「智能普及化」的必经之路——让开发者不再受制于昂贵的算力账单。
「尤其是按照单任务成本（per-task pricing）来比较——而这才是我们认为真正应该关注的指标——我认为目前市场上没有任何产品具备真正的竞争力。我们希望人们能够大量使用 AI，因为这对于探索眼前的这场新的『文艺复兴』非常重要。只有让更多人能够广泛使用 AI，才能真正释放这一轮技术变革带来的可能性。」
API 价格：输入与输出均降 50%
博客链接：https://openai.com/index/introducing-gpt-6-sol-and-luna/
相较于 GPT-5.6，GPT-6 Sol 和 Luna 的 API 价格降低了 50%。GPT-6 Sol：输入价格从每百万 token 4 美元降低到 2 美元；输出价格从每百万 token 20 美元降低到 10 美元。GPT-6 Luna：输入价格从每百万 token 0.20 美元降低到 0.10 美元；输出价格从每百万 token 1.20 美元降低到 0.50 美元。
性能：价格下来了，但依旧能打
在 AutomationBench 测试中（该测试评估跨应用的企业工作流），GPT-6 Sol 在最高推理强度（xhigh effort）下超过了 Claude Opus 5 的最高强度表现，而每个任务成本仅为 Opus 5 的 9%。而在高推理强度下，GPT-6 Luna 相比上一代模型提升了 5.4 个百分点，同时每个任务成本降低 58%。
同时，GPT-6 Sol 也以更低成本超过 Claude Fable 5.1，甚至超过了低推理强度下的 GPT-6 Astra。
在内部事实准确性测试中，该测试基于经过匿名处理的真实用户对话（用户曾标记模型错误），GPT-6 Sol 的错误数量约为上一代模型的一半，接近 Astra 级别的可靠性，同时成本更低。GPT-6 Luna 也取得明显提升：在更高推理强度下，它能够以约百分之一的成本达到 GPT-5.6 Sol 的水平。
另一个重要变化出现在软件开发领域。随着 Coding Agent 开始承担越来越复杂的任务，持续运行成本成为开发团队的重要考虑。OpenAI 表示，GPT-6 Sol 和 Luna 在保持强大代码能力的同时，通过更低 API 价格，让开发者拥有更多试验空间，也让团队能够更加大胆地使用 Codex 执行复杂任务。
在 FrontierCode 测试中，GPT-6 Sol 相比 GPT-5.6 Sol 有明显提升，并以更低成本达到 Claude Fable 5.1 xhigh 的水平。
在 DeepSWE v1.1 测试中：GPT-6 Sol 在最高推理强度下获得 68.8% 分数，仅比 Claude Fable 5 的最高成绩 69.9% 低 1.1 个百分点，但每个任务成本降低约 80%。GPT-6 Luna 在最高推理强度下获得 66.6%，接近 Claude Opus 5 和 Fable 5 的中等推理强度表现。在这些比较中：Luna 相比 Opus 5，每任务成本降低 93%；相比 Fable 5，每任务成本降低 96%。
这或许说明，OpenAI 的目标并不是简单制造一个更强模型，而是在寻找单位智能成本最低的模型。
在计算机操作能力上，GPT-6 Sol 和 Luna 相比上一代模型提供了更高成本效率。在 OSWorld 2.0 offline 测试中，GPT-6 Sol 在最高推理强度下达到与 Claude Opus 5 中等推理强度相近的成绩：GPT-6 Sol 为 60.5%，Claude Opus 5 为 60.3%。但 GPT-6 Sol 每任务成本降低约 80%，GPT-6 Luna（max）则能够超过 GPT-5.6 Sol（medium），同时成本仅为其十分之一。
除了模型价格下降，OpenAI 还针对 Agent 长任务场景优化了缓存机制，改进 GPT-6 的 Prompt Caching，使默认缓存命中率更高，从而帮助 Agent 复用更多上下文、更快响应，并对缓存输入 token 读取享受 90% 折扣。这意味着，未来模型竞争不仅是模型本身的能力竞争，也包括整个推理基础设施效率竞争。
Anthropic：Opus 5.5 来了，Fable 级能力
在 OpenAI 发布的另一边，Anthropic 这次同样非常强调「效率」。Claude Opus 5.5 是 Claude 5.5 系列的第一款模型。Anthropic 给它的定位非常直接：大多数任务达到 Claude Fable 5.1 的水平，但相比 Opus 5，典型任务运行成本降低约 40%，输出速度则提高超过 30%。
博客链接：https://www.anthropic.com/claude-opus-5-5/
先看能力。在 Anthropic 公布的 headline comparison table 中，Opus 5.5 在列出的项目上全部高于 Fable 5.1。Terminal-Bench 4.0 上，Opus 5.5 达到 66.4%，Fable 5.1 为 55.8%；FrontierCode v1.1 Main 为 54.4% 对 50.3%；面向真实知识工作的 GDPval-AA v2.1，则是 1846 对 1735。Agentic coding、知识工作、计算机操作，基本都是这代 Opus 主要的能力提升方向，Anthropic 官方发布也将其称为相比 Opus 5 的一次明显升级。
这当然不意味着「Opus 5.5 已经全面超过 Fable 5.1」。不同 benchmark 使用的 harness、工具和推理强度并不完全一致；就在 Anthropic 自己的表格中，GPT-6 Astra 也仍然在 AutomationBench 和 Terminal-Bench-Science 等项目保持更高成绩。但能明显看到，Opus 和 Fable 之间原本清晰的能力差距，正在迅速缩小。
从 API 定价来看就更明白 Anthropic 的意思：Opus 5.5 每百万输入、输出 Token 分别为 4 美元和 20 美元，而 Fable 5.1 为 10 美元和 50 美元，后者正好是前者的 2.5 倍。两者都拥有 100 万 Token 上下文窗口和最高 128K 的常规输出能力。所以这次 Anthropic 没有把 Opus 5.5 描述成一次简单的「性能升级」，而一直在强调单位任务成本。
不再让 Opus「拼命想」
还有一个设置挺有意思。Opus 5.5 的 Adaptive Thinking 永远开启，开发者可以调节推理强度，默认设为 medium；相比之下，Fable 5.1 默认是 high。
这和 Anthropic 公布的一组数据正好对应：在 FrontierCode v1.1 Main 上，Opus 5.5 medium 得分约 54.6%，单任务成本约 0.8 美元；到了 max，成本升至约 6.19 美元，得分反而只有 54.4%。也就是说，多花近 7.7 倍的钱，并没有换来更高分数。原因之一在于 FrontierCode 会惩罚超出任务范围的修改，即使这些改动本身有益；推理预算提高后，模型反而可能多做一些无用功，因此更多 test-time compute 并不一定带来更好的任务结果。
第三方的实际测试验证了这个说法。CodeRabbit 在自己的多步骤 Code Review 工作流中发现，Opus 5.5 medium 已经可以达到或超过 Opus 5 high 的表现，同时只使用大约一半的 Token。
Token 只便宜 20%，为什么任务能便宜 40%？
Anthropic 给出的解释是，单个 Token 的价格并不能直接代表最终任务成本。Opus 5.5 相比 Opus 5，普通输入、输出 Token 价格只下降约 20%，但 Cache Read 从每百万 Token 0.50 美元降到 0.20 美元，降幅达到 60%。对于 Claude Code 这类需要反复读取代码和历史上下文的 long-running 任务，缓存降价会被持续放大。再加上 Opus 5.5 完成同一任务所需的 Token 和步骤更少，Anthropic 测得默认设置下，典型任务的总成本最终可降低约 40%。
「每百万 Token 多少钱」不适合单独计算，更合理的方式是放到实际任务中，看看真正做完要花多少钱。这和 OpenAI 这轮发布的思路惊人地一致。
能力之外，价格当然很重要
把两家放在一起看，这轮发布好像都很在意一个问题：用户到底愿意为提升的那部分智能付多少钱。
OpenAI 在 7 月底发布过一篇博客《Building abundant intelligence》。文中提到，客户真正购买的并不是 Token，而是「任务被完成」。因此更合理的衡量方式，应该是一次成功结果的总成本，其中还要算上重试、人工监督、时间和错误带来的代价。博客链接：https://openai.com/index/building-abundant-intelligence
换句话说，「最后事情做完花多少钱」比 Token 计费更贴近用户心理。Anthropic 这边，其实已经从企业用户那里收到过一次很直接的价格反馈：Fable 5 发布后，Ramp 对企业模型支出的追踪显示，这款 Anthropic 当时最贵、能力最强的模型，只占 Anthropic 企业 Token 使用量约 6%。Ramp 将其视为一个价格上限信号。