AREX Feed Article
OpenAI 发动价格战：GPT-5.6 Luna 降价80%，用户破10亿，模型自主优化推理栈
7月30日，OpenAI 宣布大幅下调 GPT-5.6 系列模型价格：最快最便宜的 Luna 模型降价80%，从每百万 token 输入 $1.00/输出 $6.00 降至 $0.20/$1.20；均衡型 Terra 降价20%，降至 $2.00/$12.00；旗舰模型 Sol 价格不变。同时为 Sol 推出 Fast Mode，速度最高提升 2.5 倍，价格为标准模式的 2 倍。次日（7月31日），OpenAI CFO Sarah Friar 在一篇战略博文中首次披露：公司活跃用户已突破 10 亿，服务超过 200 万家企业。
此次降价距 GPT-5.6 系列 7 月 9 日发布仅三周，在 API 市场中极为罕见。第三方评测机构 Artificial Analysis 将 Luna 称为"接近免费的前沿智能"，而 Replit 总裁 Michele Catasta 评价其为"我见过的最接近'智能便宜到无需计量'的模型"。
降价背后的工程故事：模型自己优化自己
此次降价的直接来源并非硬件采购或手工调优，而是 GPT-5.6 Sol 在部署后自主完成了一系列基础设施优化——OpenAI 称之为"递归经济优化"的首个公开案例。
根据 OpenAI 7 月 29 日发布的工程博文，技术团队将 Sol 部署在内部编程环境 Codex 中，让它直接改写生产级 GPU kernel——这些底层代码执行 Transformer 模型所需的矩阵乘法、注意力计算等核心操作。Sol 使用 OpenAI 维护的开源 GPU 编程语言 Triton 和 Gluon 自主重写了这些 kernel，并通过开源验证工具 FpSan（浮点数值检查器）确保数学正确性。这一优化使端到端服务成本降低 20%。
Sol 还重新设计了自己的推测解码（speculative decoding）草稿模型。推测解码是一种标准推理优化：小型草稿模型先预测若干候选 token，再由大型主模型并行验证，命中率越高则有效吞吐量越大。Sol 自主设计了数百项实验，测试草稿模型的规模、结构和特征变化，并自行监控训练过程、在硬件故障或训练不稳定时主动干预。最终 token 生成效率提升超过 15%。
这两项改进叠加产生复合效应：更好的 kernel 降低了每次前向传播的计算成本，更高效的推测解码减少了所需的前向传播次数——两者共同作用，即使在 Luna 本就微薄的利润率下，仍释放出 80% 的降价空间。
Sol 在此过程中还优化了负载均衡策略、推理引擎配置和上下文管理等系统层面。例如，通过将模型可感知历史改为 append-only 设计，将 ARC-AGI-3 基准测试得分从 13.3% 提升至 38.3%，同时输出 token 消耗减少至原来的六分之一——模型未变，变更的是周围系统。
10 亿用户：规模与反馈飞轮
7 月 31 日的"Building abundant intelligence"博文中，Sarah Friar 阐述了 OpenAI 的"丰裕经济学"逻辑：更有用的智能 → 更广泛的采用 → 更多投资 → 更好的智能和效率。
关键数据点：
- 超过 10 亿活跃用户，覆盖 ChatGPT、Codex 和 ChatGPT Work 所有界面
- 超过 200 万家企业客户
- 注册六个月后，用户日均消息量增加约 50%，使用场景翻倍
- Agentic 工作负载（通过 Codex）已占 OpenAI 周度输出 token 总量的 99.8%
- ChatGPT Work 已从"回答问题"进化到"完成复杂多步骤任务"
对比参考：Facebook 用了六年才达到 10 亿用户；ChatGPT 自 2022 年 11 月发布后不到四年即达成该里程碑。此前路透社 6 月曾报道 ChatGPT 独立 app 月活用户突破 10 亿，此次 OpenAI 披露的是全产品线活跃用户数。
不过，规模与盈利仍有距离。2025 年 OpenAI 营收 $130.7 亿，净亏损 $385 亿。CFO 在内部全员会议上称 7 月年化经常性收入已超过整个第二季度，但未披露具体数字。OpenAI 与 Anthropic 均于 2026 年 6 月秘密提交了 IPO 申请。
价格战的竞争逻辑
OpenAI 的降价并非孤立行动，背后是多重竞争压力：
企业成本疲劳。据 WSJ 报道，企业客户对 AI 支出日益谨慎，要求明确的投资回报率。优步在四个月内耗尽全年 AI 预算，亚马逊内部团队也因成本超支而限制 AI 开支。
中国开源模型的挤压。DeepSeek 等低价开源模型持续侵蚀市场份额。OpenRouter 数据显示，自 2026 年 2 月 8 日以来，美国企业路由到中国模型的 token 占比每周保持在 30% 以上，最高达 46%，而此前 12 个月均值仅 11%。北京月之暗面（Moonshot AI）7 月 16 日发布的 Kimi K3（2.8 万亿参数开源模型）在多基准测试中接近前沿水平。UC Berkeley 教授 Ion Stoica 指出，中国开源模型与美国前沿实验室的差距已从 6-9 个月缩小至约 2-3 个月。
与 Anthropic 的直接对标。降价后，Terra（$2.00/$12.00）已低于 Anthropic Claude Sonnet 4.6（$3.00/$15.00）；Luna 更以五倍于输入价格的优势低于 Claude Haiku 4.5。WSJ 此前报道 OpenAI 领导层因担忧 Anthropic 进一步降价而反复讨论数周。
OpenAI 的战略意图明确：以 Luna 防守高容量、成本敏感的工作负载（分类、文档提取、长 agent 循环），以 Sol 固守高端旗舰地位，以 Terra 在中端与 Anthropic 争夺企业客户。
为什么重要
GPT-5.6 Luna 降价 80% 和 10 亿用户里程碑，既是 OpenAI 对"失去王冠"叙事的市场化回应，也标志着 AI 模型市场进入价格与效率竞争的新阶段。Sol 自主优化推理栈所实现的"递归经济优化"——模型改进自己运行效率，再以降价形式返还客户——如果这一反馈循环持续成立，未来降价节奏可能不再仅取决于硬件采购周期或人力工程投入，而是由模型自我优化的速度决定。