OpenAI 降价背后：从卖最强模型转向卖模型体系

事件概述

• 7月30日，OpenAI 调整价格：Luna 降价 80%，Terra 降价 20%；Sol 不降价，但新增 Fast 模式，速度最高为标准模式的 2.5 倍，价格翻倍，智能水平不变。
• OpenAI 官方建议：复杂任务可先用 Sol 完成需求分析与方案设计，再交给 Luna 执行、写代码、跑测试。
• 7月24日，Anthropic 发布 Claude Opus 5，价格仅为 Fable 5 的一半，强调以一半价格获取接近旗舰的推理能力。

核心信息

• 两家头部 AI 公司几乎同时降低旗舰模型的重要性，旗舰模型承担品牌价值，中低端模型开始承担主要商业化任务。
• 企业高频调用（客服、搜索、审批、代码生成、Agent 执行）消耗绝大部分 Token，采购更关注单次任务成本、稳定性和 ROI，而非 Benchmark 排名。
• OpenAI 技术说明称，降价并非主要因为 GPU 采购或规模扩大，而是模型开始参与优化自身：Sol 在人类工程师带领下重写底层生产内核、自主设计实验、监控训练流程，实现端到端运行成本下降 20%，Token 生成效率提升 15%。
• 价格变化对比：GPT-4 首发输入 30 美元/百万 Token，GPT-4o 降至 5 美元，GPT-4o mini 做到 0.15 美元；如今 Luna 定价贴近早年 mini 区间，但智能水平远超当时的 GPT-4。

值得关注

• OpenAI 的策略已从依赖高技术溢价转向以极低门槛换取超大规模调用量：Sol 负责证明技术上限，Luna 负责成为收入引擎，开发者将形成“默认用 Luna，难题才调 Sol”的使用习惯，从而建立生态粘性。
• 这一路径与汽车行业类似：旗舰车型定义品牌上限，大众车型承担销量与利润；AI 正进入“大众车型”时代，模型开始按任务分工组合销售。
• 模型参与优化自身将形成“模型越聪明 → 效率越高 → 成本越低 → 调用量越大 → 数据越多 → 模型更聪明”的自我加速循环，成本下降具备自我驱动力。
• DeepSeek 此前已押注“便宜、够快、够用”路线，硅谷巨头的跟进验证了这一商业方向的必然性。