摘要： OpenAI 在 2026 年 7 月 30 日把 GPT-5.6 Luna 降價 80%、Terra 降價 20%，並推出 Fast mode 讓 Sol 最高加速 2.5 倍，但收費是標準處理的兩倍。Luna 每百萬輸入 token 0.20 美元、輸出 1.20 美元；Terra 則是輸入 2 美元、輸出 12 美元。這些調整反映模型與基礎設施效率的改善，但需要排除不確定性或制定策略時，Sol 仍有明確價值。
2026 年 7 月 30 日，OpenAI 公布 GPT-5.6 系列在 API 定價與效能選項上的調整，主打的方向是「高品質 AI 更便宜、更快」。對產品開發者而言，這並不只是價目表上的數字變化，而是得重新檢視工作流程、想清楚每一段任務該交給最強模型還是經濟模型的時機。
定價調降與速度選項的實際內容
依照 OpenAI 官方公告，GPT-5.6 Luna（速度最快、價格最低的型號）降幅達 80%，GPT-5.6 Terra（適合日常工作的均衡型號）則降 20%。新的價目是：Luna 每百萬輸入 token 0.20 美元、每百萬輸出 token 1.20 美元；Terra 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。
另一方面，OpenAI 以 Fast mode 取代先前的 Priority Processing。套用在 GPT-5.6 Sol 上，Fast mode 的速度是標準處理的 2.5 倍，收費為標準的兩倍，智慧程度則維持原樣。既有的 priority 標記請求會自動轉向 Fast mode，具備向後相容性。
這些調整同樣反映在 Codex 與 ChatGPT Work 的訂閱用量計算方式上：Terra 與 Luna 的用量如今只扣抵更少點數，但訂閱價格本身並未更動。
支撐降價的工程效率來源
依 OpenAI 的說法，這次降價建立在三個層面的效率改善之上：模型本身、執行模型的推論系統，以及把模型連接到工具與上下文的 agentic harness。GPT-5.6 模型處理任務時走的路徑更直接，路由機制讓硬體維持高利用率，經過最佳化的生產軟體產生 token 的效率更好，而更聰明的上下文管理則使 agent 不會重做已經完成的工作。
其中一例值得單獨提出：在人類主導的流程裡，GPT-5.6 Sol 自行改寫並最佳化生產核心（kernel），設計並執行了數百個實驗以改善 token 生成，同時盯著訓練過程，一有問題就介入。這批工作讓模型服務的端到端成本下降 20%，token 生成效率則提升超過 15%。OpenAI 指出，這形成一個正向循環：模型能力越強、越能自主工作，效率改善的速度也跟著越快。
開發者實際該怎麼調整
OpenAI 在公告中反覆強調的原則是「根據結果來匹配智慧程度」。面對一項任務，開發者可從風險高低、犯錯的代價、急迫程度與規模大小出發，判斷該派 Sol 還是 Luna 上場。以編碼工作流程為例，可以請 Sol 先釐清需求、擬定計畫，接著交給 Luna 執行已經講清楚的變更、撰寫測試並評估結果。
Luna 的效能表現同樣值得注意：OpenAI 宣稱在專業工作的衡量指標 Agents’ Last Exam 上，Luna 勝過 Fable 5，而每個任務的估計成本低了近 99%。這代表過去非得靠頂級模型才能完成的高品質任務，現在能以低得多的成本大規模執行，例如大型文件分析、客戶互動分類或例行實作。
不過，開發者不該因為看到降價就把所有工作一次換成 Luna。OpenAI 的建議是先定義你需要的結果與品質標準，再透過評估來判斷「額外的智慧」是否真的能改善結果。有些步驟用更快、更低成本的處理就已足夠；但一旦進入需要排除不確定性或擬定策略的階段，Sol 的價值依舊無可取代。
運算策略布局與後續走向
OpenAI 強調，降價與加速的背後是一套「為規模而建的運算策略」。他們一方面投資更多運算資源，一方面投資更有效率的運算方式，並讓每一種工作負載都落在最適合的系統上。這套做法撐起價格-效能曲線的兩端：低成本的 Luna 與 Terra 讓高量工作更經濟，Fast mode 則讓 Sol 在需要快速回應時跑得更快。
對產品團隊來說，這代表 AI 應用的成本結構正在改變。以往因為成本而無法規模化的功能，現在可能變得可行。但同時，團隊也得自行建立評估流程，才能確實掌握「什麼時候該多花錢換取速度或智慧」。OpenAI 這波降價並不是單純的促銷，而是反映模型與基礎設施效率的實質進步，而這類進步未來可能持續發生。