OpenAI 与 Anthropic 在9月22日分别公布了面向不同工作负载的新模型与成本方案。CNBC 的报道将两项发布放在同一竞争背景下观察：前沿模型公司正在更直接地争取高频调用和智能体工作流。
OpenAI 发布 GPT-6 Sol 与 GPT-6 Luna。其官网列出的 API 价格中，Sol 的输入、输出分别为每百万 Token 2 美元和10美元，Luna 分别为0.1美元和0.5美元；相对对应的 GPT-5.6 促销价，OpenAI 称两档均下降50%。该公司同时称，GPT-6 缓存输入读取可享90%折扣。
Anthropic 则发布 Claude Opus 5.5。按其官方说明，标准档输入、输出价格分别为每百万 Token 4 美元和20美元，较 Opus 5 低20%；缓存读取为0.20美元，较前代低60%。Anthropic 还称，默认设置下，Opus 5.5 因单价和单任务 Token 使用量共同下降，典型工作负载的运行成本较 Opus 5 低40%。这些均为厂商公布的产品和测试口径，实际成本仍需在具体任务中验证。
单价下调之后，企业更应比较任务完成成本
两家公司给出的路径并不相同：OpenAI 用 Sol、Luna 拉开能力与价格档位，并把缓存折扣作为长上下文和智能体调用的成本杠杆；Anthropic 则把重点放在更少的 Token 消耗与更低的缓存读取价格。对采购方而言，Token 单价只是起点。更有意义的比较单位应是一个任务从发起到可验收的总成本：包括输入输出长度、缓存命中率、工具调用次数、重试与人工复核，以及任务成功率。若便宜的模型增加返工，账单上的降价未必会转化为业务成本下降；反之，稳定地减少上下文重算和失败重试，才可能让高频智能体真正扩容。
| 涉及行业 | 行业影响分析 | 简要理由 |
|---|---|---|
| 应用软件 | 中性 | 模型厂商同时压低价格或宣称降低单位任务成本，竞争重点将从单一能力展示延伸到可验证的效率与稳定性；高调用量产品可能获得更大的试验空间，但是否受益取决于自身任务完成率、缓存策略和人工审核流程。 |
| 互联网服务与基础设施 | 中性 | 更低的调用门槛可能推高请求量，实际算力与网络需求仍取决于模型路由、上下文长度和使用规模。 |
新闻热点内容来源于媒体公开报道。文章分析仅代表个人观点，不构成投资建议。