OpenAI 在 2026 年 7 月 30 日宣布調整 GPT-5.6 系列的 API 定價與效能選項，核心是讓「高品質 AI 更便宜、更快」。對產品開發者來說，這不只是價格數字變動，而是重新思考工作流程中「何時該用最強模型、何時用便宜模型」的契機。
價格與速度的具體變動
根據 OpenAI 官方公告，GPT-5.6 Luna（最快且最便宜的型號）價格調降 80%，GPT-5.6 Terra（日常工作的均衡型號）調降 20%。調整後，Luna 的 API 定價為每百萬輸入 token 0.20 美元、每百萬輸出 token 1.20 美元；Terra 則為每百萬輸入 2 美元、每百萬輸出 12 美元。Sol 的定價維持不變。
同時，OpenAI 推出 Fast mode 取代原本的 Priority Processing。針對 GPT-5.6 Sol，Fast mode 提供比標準處理快 2.5 倍的速度，價格為標準的兩倍，但智慧程度不變。現有的 priority 標記請求會自動改用 Fast mode，具備向後相容性。
這些價格變動也反映在 Codex 與 ChatGPT Work 的訂閱用量計算上，Terra 與 Luna 的用量現在會消耗更少點數，但訂閱價格本身不變。
效率提升背後的工程邏輯
OpenAI 說明，降價的基礎來自三個層面的效率改善：模型本身、推論系統，以及連接工具與上下文的 agentic harness。GPT-5.6 模型在執行任務時路徑更直接，路由機制讓硬體保持高利用率，最佳化的生產軟體能更有效率地產生 token，而更聰明的上下文管理則避免 agent 重複已完成的工作。
特別值得注意的是，GPT-5.6 Sol 在人類主導的流程中，自主改寫並最佳化生產核心（kernel），設計並執行數百個實驗來改善 token 生成，同時監控訓練過程並在問題出現時介入。這些工作讓模型服務的端到端成本降低 20%，token 生成效率提升超過 15%。OpenAI 指出，這形成一個正向循環：模型越強、越能自主工作，效率改善的速度就越快。
對產品開發者的實務意涵
OpenAI 在公告中強調「根據結果來匹配智慧程度」的概念。開發者可以依據任務的風險、錯誤成本、急迫性與規模，決定要使用 Sol 還是 Luna。例如，一個編碼工作流程可能先用 Sol 來釐清需求與制定計畫，再用 Luna 來執行明確的變更、撰寫測試並評估結果。
Luna 的效能表現也值得注意：OpenAI 宣稱 Luna 在專業工作（以 Agents’ Last Exam 衡量）上超越 Fable 5，且每任務估計成本低了近 99%。這意味著，過去需要頂級模型才能處理的高品質任務，現在可以用更低的成本大規模執行，例如大型文件分析、客戶互動分類或例行實作。
不過，開發者不應只看到降價就全面改用 Luna。OpenAI 的建議是：先定義你需要的結果與品質標準，再用評估來判斷「額外的智慧」是否真的能改善結果。在某些步驟，更快的低成本處理可能就足夠；但在需要解決不確定性或制定策略的階段，Sol 的價值仍然無法取代。
基礎設施策略與未來展望
OpenAI 強調，降價與加速背後是「為規模而建的運算策略」。他們同時投資更多運算資源與更有效率的運算方式，並將每個工作負載匹配到最適合的系統。這支撐了價格-效能曲線的兩端：低成本的 Luna 與 Terra 讓高量工作更經濟，而 Fast mode 則讓 Sol 在需要快速回應時能更快。
對產品團隊而言，這代表 AI 應用的成本結構正在改變。過去因為成本而無法規模化的功能，現在可能變得可行。但同時，團隊也需要建立自己的評估流程，才能確實掌握「什麼時候該花更多錢換取速度或智慧」。OpenAI 的降價不是單純的促銷，而是反映模型與基礎設施效率的實質進步，而這類進步在未來可能持續發生。
參考來源
本文由 AI 協助自上述來源整理，經人工審核後發布。