如果今天還有人在花最多的錢調用 OpenAI 最強模型。
OpenAI 反而會建議他換一個。
7月30日，OpenAI 發了一份價格調整公告。
GPT-5.6Luna 模型降價 80%，Terra 模型降價 20%。
看到這個消息，很容易把焦點放在矽谷開始打價格戰。
但是，如果仔細翻看完官方公佈的技術文檔與 API 調用指南後，就會意識到，真正值得關注的動作並不在此價格數字本身。
這本質上是 OpenAI 首次開始告訴用戶，許多任務其實不需要使用最強的模型。
官方提供了一個非常具體的建議。如果是一項複雜任務，先用 GPT-5.6Sol 完成需求分析和方案設計，再交給 Luna 執行、寫代碼、運行測試。
最昂貴的模型負責思考，最便宜的模型負責做事。這種策略在兩年前看來，等同於商業上的自我否定。
要知道，過去整個 AI 行業，所有人都拼命告訴市場自己的模型最聰明。
但今天，OpenAI 卻表示不必總是購買最昂貴的。
This matter is much more important than a price reduction.
一、矽谷雙雄的默契
先看最近兩週發生的事情。
7月30日，OpenAI 調整價格。Luna 下調 80%。Terra 下調 20%。Sol 未降價，而是增加了 Fast 模式，最高速度可比標準模式快 2.5 倍，價格翻倍，但智慧水平完全相同。
頂級模型繼續保留。真正開始放量的，是中低端。
再往前一週。
7月24日，Anthropic 也做了一件幾乎相同的事。Claude Opus 5 發布，百萬 token 輸入 5 美元，輸出 25 美元，正好是 Fable 5 的一半。
Anthropic 更強調其經濟性，而非性能突破：僅需一半的價格，即可獲得與 Fable 5 相當的前沿推理能力。
就在一個月前，Fable 5 還是 Anthropic 重點宣傳的旗艦，最強推理、最長上下文、最高價格。結果一個月後，Anthropic 亲自為旗艦找了一個半價替代品。
如果只有一家這樣做，可以理解為產品調整。兩家幾乎同時，就不是巧合了。
They all began to proactively reduce the importance of their flagship models.
二、旗艦負責站台，走量負責賺錢
我後來一直想，為什麼偏偏是現在。
答案其實並不複雜。
過去旗艦模型最大的價值，並不是賺錢，而是證明技術領先。GPT-4 發布後，OpenAI 的估值一路上漲。Claude 每次更新，Anthropic 都會重新定義自己的技術地位。旗艦模型承擔的是品牌價值。
但企業真正花錢的地方，不在這裡。
一家企業每天要執行數百萬次 API 調用。客服、搜索、審批、代碼生成、Agent 執行，這些高頻任務佔據了絕大部分 Token 消耗。企業採購最關心的，也不是 Benchmark 第一，而是一次任務多少錢、夠不夠穩定、ROI 高不高。
當調用規模擴大至每日數千萬級別時，旗艦模型那點微弱的智能優勢，會被巨大的算力開支瞬間抹平。
OpenAI 的行動和聲明標誌著一個轉折：頂級旗艦不再承擔賺錢的重任。
三、AI 開始進入「大眾車型」時代
這一幕，汽車行業早就經歷過。
二十年前，7 系定義了寶馬的高端形象，S 級撐起賓士的豪華調性，A8 奠定奧迪的旗艦形象，旗艦車型決定品牌的上限。但真正撐起品牌銷量、賺取利潤的基本盤，始終是寶馬 3 系、賓士 C 級與奧迪 A4。
後來更明顯。Model S 證明特斯拉能造車。真正讓它成為全球車企的，是 Model 3 和 Model Y。
Flagship models prove capability, while mass-market models handle scale.
AI 今天也開始進入這個階段。Sol、Fable 仍會繼續存在，它們負責衝擊技術上限、刷新 Benchmark。真正承擔商業化的，將越來越變成 Luna、Terra、Opus。
OpenAI 這次甚至公開寫出了推薦流程，Sol 負責規劃，Luna 負責執行。
這已不再只是一款模型，OpenAI 正在設計一套模型分工體系。未來企業購買的，也將不是單一模型，而是一整套模型體系。真正決定成本的，不是總設計師，而是每天都在工作的施工隊。
四、模型開始優化模型
還有一個細節，我覺得比降價本身更有趣。
OpenAI 在技術說明中提到，這次降價，並不只是因為採購了更多 GPU，也不是因為規模變大。真正的原因，是模型開始參與優化模型。
具體來說，在人類工程師的帶領下，Sol 自主重寫並優化了底層生產核心。它自行設計了數百個實驗，以提升 Token 生成效率，甚至參與監控模型訓練流程，在發現問題後直接介入。
結果是，端到端運行成本下降 20%，Token 生成效率提升 15%。
這條資訊很容易被忽略，但它所代表的意義重大。
過去，提高效率靠工程師。模型上線之後，人一 點點 優化推理框架、CUDA、快取策略和排程演算法。一年下來，能擠出十幾個百分點的效率提升，已經不錯。
如今技術演進走入了新路徑。模型開始接管底層代碼與算力調度的工程優化，全天候迭代運行。
這是一個不斷加速的循環。模型越聰明，參與優化的能力就越強。優化越快，成本下降就越快。成本越低，調用量就越大。調用量越大，產生的數據就越多，從而繼續訓練模型。
翻了一下 OpenAI 過去兩年半的價格變化。GPT-4 首發輸入 30 美元 / 百萬 Token，GPT-4o 降至 5 美元，GPT-4o mini 做到 0.15 美元。如今 Luna 定價貼近早年 mini 的廉價區間，可它的整體智能水準，早已遠超兩年前昂貴的 GPT-4。
超過兩年時間，價格下降了接近兩個數量級。如果模型持續參與優化自身，這條曲線大概率還會繼續向下走。
真正可怕的是，今天價格下跌了 80%，而是成本下降開始擁有了自我驅動能力。
五、從誰最聰明到誰最值得
我越來越覺得，今天大家在討論 AI 競爭時，有時候還是會套用上一階段的框架。
例如，還經常追問：誰最聰明？GPT、Claude、Gemini、 DeepSeek ，每發布一個新模型，媒體第一時間看的都是排名。誰第一，誰贏。
然而，OpenAI 和 Anthropic 的新動作為市場傳遞出新訊號：單項性能冠軍的吸引力正在減弱。
OpenAI 在公告中提到一句話，我覺得特別關鍵：它建議開發者根據任務的重要程度、出錯代價、緊急程度和規模，來匹配不同的模型。
注意，它討論的已經不是模型，是任務。
過去，企業部署 AI 時，大多數時候只有一個選擇。從今天開始，這更像在搭建一個組織：最重要的任務交給 Sol，日常執行交給 Luna，未來可能還會有更輕量的模型負責更簡單的事。
這跟當年的雲計算非常相似。沒有人會把所有數據都放在最貴的 SSD 上。熱數據放 SSD，普通數據放 HDD，冷數據則放對象存儲。大家討論的，從來不是哪塊硬盤最快，而是整個系統怎麼搭建最划算。
DeepSeek 其實比矽谷更早嗅到了這個方向。過去半年，它幾乎沒有強調自己一定是全球最聰明，反覆說的就幾個詞：便宜、夠快、夠用。
緩存命中後，每百萬 Token 的成本幾乎可忽略不計。它一直押注於一點：企業所需的並非世界冠軍，而是綜合 ROI 最高的部署方案。
這並非短期的價格戰，兩家矽谷巨頭如今的跟進，驗證了這一商業路徑的必然性。
六、OpenAI 真正想賣的，不是模型
到今天，OpenAI 的策略很清晰了，它真正想賣的，已經不是模型，是調用量。
過去，模型廠商依賴高技術溢價獲取高毛利，現在經營邏輯已轉變為以極低門檻換取超大規模的流量生態。
微軟真正賺錢，不是因為 Windows 售價高，而是因為所有電腦都安裝 Windows。AWS 賺錢也不是因為單台伺服器的利潤高，而是因為全世界每天有無數應用程式運行在其上。
平台的收入，從來靠的是滲透率。
這解釋了為什麼 Sol 的價格一直沒有動盪。Sol 承擔的是品牌角色，它證明 OpenAI 依然是技術上限最高的公司。而 Luna 才是收入引擎。
OpenAI 希望開發者形成一種新的默認習慣：寫 Agent 用 Luna，運行工作流用 Luna，批量執行也用 Luna。只有遇到真正困難的問題時，才調用一次 Sol。
一旦這種默認建立起來，後面的競爭就會變得非常困難。企業遷移一次底層模型，意味著重新測試、驗證、適配整個工作流程。遷移成本會越來越高。
真正的護城河，已開始從能力領先轉變為生態黏性。
七、旗艦模型，不再決定方向
從較長的時間維度來看，AI 行業正經歷一次極其典型的規模經濟拐點。
當單位算力成本降至極低時，市場對 Token 的總需求並未隨單價降低而減少，反而呈指數級爆發。
旗艦模型不再決定方向，因為技術演進的重心已從探索智能上限，轉移到了算力工業化降本。當 API 調用成本低至可以忽略不計時，模型的形態與邊界將開始淡化。
Enterprise developers no longer focus on the consumption of each token, but instead seamlessly integrate AI into every business process.
這場轉變最深刻之處在於，API 價格的崩盤正推高整個軟體工程的遷移成本。一旦企業的工作流程、Agent 調度網路和自動化資料管道全部建立在低成本模型的組合之上，底層模型的提供方就鎖定了未來十年的算力管道。
過去幾年，大模型公司賣的是智能。從今天開始，它們開始賣效率。
這是兩個完全不同的故事。
【版面之外】的話：
過去我們習慣將 AI 的發展比作消費電子產品，期待不時出現刷新紀錄的全新旗艦。
但也許，AI 真正的勝利形態，並不是成為轟動一時的產品。
When the steam engine was first invented, people marveled at its productivity; today, electricity flows everywhere, powering the entire civilization, yet no one ever discusses it specifically anymore.
當人類不再熱議某款旗艦模型又刷新了哪項智商分數，AI 已悄然嵌入每一個系統、每一個指令，成為所有自動化流程背後默認調用的水與電。
Its true era has only just begun.
本文來自微信公眾號「版面之外」，作者：畫畫