GPT-6 Sol 降价 50% 的秘密：消失的 Terra，一场模型梯队平移

作者：高允毅

2026/09/23 20:47

奥圣上台，梁圣危机了么？

作者丨高允毅

编辑丨岑峰

OpenAI 也走性价比路线了？别被它的“偷梁换柱”给骗了。

今早，硅谷又热闹了，迎来双雄对决。Anthropic 推出 Claude Opus 5.5，OpenAI 紧接着推出 GPT-6 Sol 与 Luna。和以往模型更新不同的是，行业的讨论点聚焦到了“大家怎么都变便宜了”。

Claude Opus 5.5 较上一代 Opus 5，成本降低 40% ，拥有 Fable 级性能。

而 GPT-6 Sol 降得更狠，性能持平 GPT-5.6 Sol，价格直接腰斩，每百万 Token，输入 2 美元，输出 10 美元，性价比看似要一步踩进 DeepSeek 的腹地。

但如果仔细对照，就会发现 OpenAI 所谓腰斩，是抹掉了一个型号 Terra。

我们都知道，OpenAI之前的模型档位是：旗舰 Sol、中端 Terra、轻量 Luna。现在变成了 Astra、Sol、 Luna。Terra 哪去了？网友戏称变成 Sol了，把整个梯队往上提了一格。

再重新对比一下 GPT-5.6 Terra，每百万 Token 输入 2 美元、输出 12 美元，和 GPT-6 Sol 对照看，几乎没什么变化。这波降价潮的真相，也就不言自明了。

三家账本摊开看，谁在真降价？

当下AI赛道价格战白热化，各大厂商纷纷下调模型定价，但降价的成色、逻辑和含金量天差地别。

Anthropic 降价最有诚意，DeepSeek 仍有绝对的成本优势，但差距在缩小，OpenAI 更像是商业定价叙事为主，工程优化为辅的策略型降价。

先说 Anthropic。

Anthropic 走的是“强模型，真降价”。Claude Fable 5.1 本来定位就是模型天花板，专攻高价值复杂推理场景。而 Claude Opus 5.5在大多数日常任务，性能与之相当，仅在极深度逻辑推导、超大规模代码工程等高难度场景存在差距。

相当于用 40% 价格保留 80% 核心能力。

Claude Opus 5.5真正厉害的是，它解决了长任务里最烧钱的隐形开销——思维链。

在大厂的不少工作场景中，像处理长文档分析、多轮工具调用等任务，会让模型会在自我纠错和深度推导中烧掉预算。Opus 5.5 不只把基础价格降了，更将核心的‘缓存读取’费用降了 60%。

这样一来，长任务里“深度思考”的总成本少了近六成，开发者敢频繁调用高阶推理了。

而 DeepSeek 的绝对成本优势仍在。在闲时，还能减半。如果把 DeepSeek 与 OpenAI 的中端模型进行对比的话，可以看出 OpenAI 已经在努力向DeepSeek靠拢了。

再看轻量级战场，不少人会困惑，似乎账面上看，OpenAI 好像是更便宜的那个。单看高峰时段标价，DeepSeek-V4.1-Flash 的输入费是 GPT-6 Luna 的 1.5 到 3 倍，输出费是 1.2 到 2.4 倍。

不过这两者在性能和体量是不能放一起比较的。GPT-6 Luna 是一个真正意义上的“小模型”，体积可能只有十几 B 参数，专门用来处理极其简单的短文本过滤、分类。DeepSeek-V4.1-Flash 表面上叫 Flash，但它的底层是一个总参数高达 552B 的重型混合专家模型，它在编程、长文本推理、多步逻辑上的智商，相当于前沿的中端大模型。

在这样的智商碾压下，它只比 Luna 贵一点点，这本身就是技术上的奇迹。

DeepSeek 之所以敢把一个 552B 的模型卖到三毛钱，完全是靠它的非对称因果编解码（CED）架构，只激活了 16B 的专家参数，算力损耗极低，且调用量越大、调度优化越充分，成本优势越明显。

不过，DeepSeek 的低价有自己的“特殊门槛”，受制于错峰机制，还高度依赖高前缀重复度。而 Luna 的低价没有门槛，这种“省心价”对中小开发者而言反倒成了感知上的优势。

相较而言，OpenAI 更像是用“商业套路”、长文本加价和缓存命中折扣，实现了价格跳水。

GPT-6 Sol 的 “价格腰斩”，本质是一次非常高明的定价叙事。而隐藏在低价背后的两大规则设计，才是OpenAI真正的布局。

一方面，它还把缓存命中输入价格直接给到1折，每百万Token价格是 0.20美元。从工程落地的角度看，这是一个高明的生态策略。

对于大厂的复杂长程 Agent 任务，其系统前缀 Prompt 往往非常庞大。开发者一旦为了享受这 1 折优惠，把海量的企业基础数据固定挂载在 OpenAI 的缓存里，企业的迁移成本就会高到无法承受。这就像用便宜价格建了一道很难翻出去的墙。

另一方面，GPT-6系列在长本文上全量加价，只要输入超过 272K Token，整笔请求的输入费直接翻倍，输出费也涨 1.5 倍，本质是用价格杠杆调节需求。这也暴露了OpenAI 在长文本上效率不够，它缺少更强的压缩技术，只能靠涨价限制高消耗场景。

降价背后，

DeepSeek 和 OpenAI 的不同

在降本这条路上，DeepSeek 和 OpenAI 走了两条完全不同的路。

DeepSeek 最早靠 V2 的 MoE 思路出圈，专家不一定要大，可以拆小，按需激活。这样哪怕总参数很大，每次推理可以只跑一小部分。

在最新的 DeepSeek-V4.1-Flash 中，这套激活思路到了登峰造极的境界，它的因果编解码架构（CED），预填充和解码用不同模块非对称激活，让实际激活参数量不过 8B 到 16B 左右。

Kimi 大神苏剑林曾点透其中的逻辑，大模型读取提示词时，只有最后一个 Token 用来预测下一个词，前面的内容主要用来生成 KV 缓存。传统模型里，前面的 Token 虽然不用算输出头，但最后一层 MLP 依然会完整计算，省的算力微乎其微；而 DeepSeek 用 YOCO “只缓存一次” 的思路，让预填充阶段只负责生成全局缓存，生成完就停止，后续解码阶段直接复用，把原本不起眼的边角优化放大成了核心成本优势。

而在 KV 缓存压缩这件事上，DeepSeek 在迭代过程中把体积压到了极致。

早在 V2 版本，DeepSeek 就提出 MLA 多头潜在注意力，实现了 KV 缓存的低秩压缩，相当于把完整的缓存拆成内容与位置两部分分别精简存储。到 V4 版本，这套思路进化为压缩稀疏注意力，叠加稀疏编码、全局摘要、低精度存储多重优化，把 KV 缓存降到了每 Token 约 3560 字节。

到了 V4 版本，这套思路进化为压缩稀疏注意力。在压缩的基础上，只存有效信息、用摘要代替全量数据、用更紧凑的精度格式存数据路等优化方式。把 KV 缓存的体积降到了每 Token 约 3560 字节。

V4.1 版本的第二代压缩稀疏注意力（CSA2），则从三个维度再挤水分：一是不同网络层之间共享中间特征，不用每层都单独存一份完整缓存，减少重复存储；二是全量落地 FP4 极限精度存储，进一步压缩数据体积；三是搭配滑动窗口注意力的边界重放机制，不用每次都从慢速存储里读取完整缓存，只调用需要的片段即可。

几层技术叠加下来，全局 KV 缓存最终降到了每 Token 约 890 字节，体积仅相当于标准 Transformer 架构的 2% 左右。

如果把标准 Transformer 的缓存比作一沓 A4 纸，那 DeepSeek 现在不仅把它压缩成了一张便签的大小，还把这张便签反复使用。

在万卡级的大集群调度上，DeepSeek 直接把 GPU 的 “闲置时间” 和 “闲置空间” 几乎榨干，连主机内存、数据总线这些周边硬件都被拉进算力流水线协同干活，把整台服务器的显卡、内存、总线、网络当成一整台精密机器来拧效率。

和 DeepSeek 的极客风格不同，GPT-6 Sol 走的是一条 “务实路线”，尽量不动核心模型架构，主要靠工程优化挖效率、用商业规则控成本。

架构层面，它没有跟进细粒度 MoE 拆分，这会打破它已经规模化、高稳定性的训练计算图体系。OpenAI选择的是更务实的参数蒸馏与稀疏化重构，把上一代模型里部分冗余的稠密层，拆分成更轻量的小 MoE 分支，不用动整体框架，就能大幅降低单 Token 推理的浮点运算量，进而减少一部分成本。

面对长上下文场景的显存压力，OpenAI 选择用阶梯定价，避免超长文本。

它把上下文的节点标注为272K，272K tokens 以内的上下文，靠成熟的类 PagedAttention 虚拟内存技术消化；超过的部分，请求会被强制调度到显存更大的 B200 节点，计费直接翻倍。

而这次大降价真正的核心，其实藏在 Prompt Caching（提示缓存）的极致优化里。

如果说 DeepSeek 降本的秘诀是把缓存做小，那么 OpenAI 的核心策略就是把缓存用满。

为了把缓存的价值榨干，OpenAI 一边拼命提升缓存命中率，一边努力延长缓存寿命。过去，当你把模型从“简单模式”切换到“深度推理模式”时，之前算好的前缀缓存会直接作废；而现在它支持动态调档，旧缓存可以无缝跨模式反复使用。

OpenAI 还把缓存最短有效期拉长到 30 分钟，只要命中缓存，输入费用立马打一折。

它还开放了显式缓存断点功能，让开发者可以自己决定哪部分内容进缓存，并配有专门的诊断工具来排查“为什么没命中”。

最厉害的是它的预热缓存能力。用户请求还没发过来，系统就提前把固定的系统提示、工具定义、参考文档的 KV 缓存算好等着。连图片输入、工具配置、结构化输出格式这些内容，只要前缀完全一致就能命中缓存。

这种优化效果直接反映在了账单上。根据头部 AI 团队的实测，在 Copilot 交互式代码场景里，大批 Token 无需重复计算，需要重新处理的 Token 数量直接砍掉了一半以上；而在更吃资源的企业级 Agent，如 Manus 等团队的实际落地中，原本 85% 的缓存命中率被硬生生拉高并稳定在 90% 以上。

不仅如此，GPT-6底层重构了推理逻辑，支持工具响应等待期间并行处理其他任务，允许用户中途调整需求。这套灵活的多任务逻辑，本质都是为了延长高价前缀缓存的生命周期，最大化复用已有算力，减少重复消耗。