GPT-5.6大降价：大模型转向工程化降本

GPT-5.6 Luna的输入价格直接砸到了每百万Token 0.2美元，降幅高达80%。这已经不是常规的商业促销，而是直接把Agent大规模调用的门槛给物理击穿了。 以前百万Token输入要1美元，现在只要两毛钱，这价位基本跟上一代只干分类、抽取等简单杂活的GPT-5.4 nano持平。但Luna的定位完全不同，它是能调用工具、处理长上下文并执行多步工作流的Agent主力。以前开发者让大模型做代码审查、后台高频监控，还得抠抠搜搜算算力账单，现在OpenAI把ChatGPT和Codex CLI里的Auto-review模型换成Luna后，这部分成本直接砍到了原来的十分之一。便宜模型不再只配干不动脑子的杂活，而是正式接管了需要判断和工具调用的核心Agent环节。 光靠模型本身降价还不够，外部框架的工程化优化才是把成本打下来的底牌。就像OpenAI最近在ARC-AGI-3测试里搞的推理保留和上下文压缩机制，不改变模型架构，纯靠优化外部驭缰系统，硬是把Token输出量压到了六分之一。大模型竞争走到今天，单纯拼智力测试的榜单已经没意义了，模型自我优化加上框架改进，正在重塑AI的生产力性价比。 这波降价飞轮转起来后，开发者的算盘也得跟着换打法。别再把昂贵的旗舰模型当全能神供着去干所有事，把高频、成本敏感的Agent节点全切给Luna，把Sol留给真正的硬核推理。以后Agent工作流里拼的，早就不是谁用的模型最聪明，而是谁的工程化调度最抠门。 价格跳水不是做慈善，得看看OpenAI是怎么把成本硬生生抠下来的。 官方给出的理由挺有意思，GPT-5.6 Sol自己下场给自己改了底层代码。这可不是常规的参数微调，而是直接重写了生产环境的GPU Kernel，还顺手优化了推测解码。这套操作让端到端服务成本直降20%，Token生成效率拔高了15%以上。模型本身的参数量没变，但同一块显卡现在能榨出更多算力，单次调用的账单自然就薄了。 以前我们看大模型写代码，多是帮程序员写写业务逻辑，或者像腾讯混元Hyra那样在人类引导下死磕悬而未决的数学猜想。现在Sol直接把手伸进了自己的底层推理引擎，跑了数百次生成实验，盯着训练过程抓异常。虽然OpenAI特意强调这依然是人类主导，目标设定和代码合入还得人来拍板，但这已经触碰到了AI自我优化的深水区。 当大模型开始优化自己的发动机，降本就不再只是靠堆硬件和打价格战，而是向内要工程效率。这种左脚踩右脚上天的飞轮一旦转起来，那些还在靠单纯扩大参数规模来秀肌肉的厂商，恐怕连跟进降价的底气都没了。 模型自己下场改底层代码是一方面，但外部套的缰绳同样决定了马能跑多快、省多少草料。光盯着模型参数卷智力测试，不如把外部工程做透。 OpenAI最近在ARC-AGI-3这个公认最严苛的交互式推理测试里交了底。没动模型权重，纯靠重构外部的harness（驭缰系统），硬是把GPT-5.6 Sol的Token输出量压到了原来的六分之一，得分反而暴涨188%。以前官方框架有个致命伤，模型每执行一步动作就把私有推理清空，上下文一长还搞滚动截断。这导致模型像个金鱼，边做边忘，只能反复重新理解环境，白白烧掉大量算力。现在通过推理保留和上下文压缩机制，把思考过程锁住，历史记忆也做了精简，Token消耗直接断崖式下跌。 这种框架层面的工程化抠门，对Agent长任务来说简直是雪中送炭。不管是OpenAI想让Luna去跑高频的代码审查和多步工作流，还是像腾讯混元Hyra那样让科研智能体不眠不休跑上24小时去死磕数学猜想，长上下文和重复推理都是吃掉预算的无底洞。不改模型架构，只优化外部运行环境和反馈机制，就能把这些隐性成本砍到脚踝。 大模型竞争走到今天，单纯拼静态榜单的智力测试已经没意义了。谁能把工程化缰绳勒得更紧，把极限推理的Token消耗打下来，谁才真正握住了重塑AI生产力性价比的杀手锏。 底层抠成本、外部勒缰绳，图啥？当然是让模型去啃硬骨头，而不是天天停留在聊天框里帮人写周报。 以前大模型写代码，顶多是帮程序员补全几行业务逻辑，或者像OpenAI把降价后的Luna塞进后台做做高频的代码审查。现在情况变了，模型不仅开始重构自己的底层推理引擎，甚至能深度介入复杂工程流。当算力账单不再是紧箍咒，Agent工作流的深度落地就成了必然。 更硬核的突破发生在基础科研领域。腾讯混元推出的科研智能体Hyra，直接去死磕加法组合学里悬置半个多世纪的未解难题。以前学界靠传统优化算法搞有限枚举，规模一大算力和内存就双双爆表。Hyra换了思路，不眠不休跑上24小时，用自然语言提出数学构造，再让大模型当裁判提供反馈。最后它不仅给出了显式构造，还顺手搞定了Lean 4形式化证明，直接敲定了2就是该问题的上确界。 从帮人查Bug到独立证明数学猜想，大模型的能力边界正在被工程化工作流强行拓宽。这背后的商业与技术逻辑很清晰：当单次调用成本被打到地板价，推理框架也不再漏风，Agent就能在长周期、高复杂度的任务里保持连贯的探索状态。 别再把大模型当成一个高级点的代码补全插件了。未来的硬核科研和复杂工程，拼的是谁能把Agent工作流打磨得足够深，让AI真正接管那些需要持续试错与推理的无人区。 活变难了，但账不能不算，OpenAI这次给出的解法是看菜下饭，把不同模型安排到最合适的位置。 最底层的Luna现在就是专门用来干杂活的。以前我们总觉得便宜模型只能做做文本分类和信息抽取，但这次Luna被赋予了调用工具和处理长上下文的能力。把代码审查、后台高频监控这些原本需要消耗大量算力的Agent节点全切给它，成本直接暴降到原来的十分之一。这就好比把流水线上的拧螺丝活儿从高级工程师手里交给了熟练工，效率上去了，账单下来了。 中间层的Terra降价两成，稳坐日常脑力活的主力位置。而真正的硬核烧脑任务，才轮到旗舰模型Sol出场。Sol这次没降价，反而搞了个加钱提速的Fast mode。遇到像腾讯混元Hyra那种连轴转24小时去死磕数学猜想的极限推理场景，或者需要极高准确率的复杂工作流，再把Sol请出来镇场子。 这种三层算力分配逻辑能成立，底气在于外部框架的工程化兜底。通过驭缰系统的推理保留和上下文压缩，把Token消耗硬生生压到六分之一，让小模型跑长任务也不再漏风。以前开发者迷信一招鲜吃遍天，不管啥任务都无脑调最贵的旗舰模型，导致算力账单经常爆表。现在这套玩法彻底变了，用框架优化兜底，用廉价模型铺量，用旗舰模型攻坚。 别再拿旗舰模型去干那些高频重复的杂活了。未来的Agent架构师，拼的早就不是谁买的模型最聪明，而是谁的任务路由写得最抠门、最精准。 明确了分层逻辑，接下来就是开发者怎么利用这些新特性重构应用了。以前大家写Agent，不管三七二十一全调最贵的模型，现在这套玩法得彻底翻新。趁着这波降价和框架优化，你的Agent工作流需要做三次大手术。 1、把高频节点全切给廉价模型。像代码审查、后台监控这种需要频繁调用工具的环节，直接换成Luna。输入价格打到两毛钱，配合Auto-review的升级，这部分账单能砍掉九成。 2、死磕外部驭缰系统的工程化。别光在提示词上抠字眼，去把上下文截断和推理丢失的坑填上。引入推理保留和上下文压缩机制，把Token消耗压到原来的六分之一，让小模型跑长任务也能保持连贯思考。 3、放开手脚让Agent跑长周期任务。以前算力太贵，智能体跑几个小时就得心疼钱。现在成本降下来了，完全可以参考科研智能体的打法，让Agent连轴转上二十四小时去死磕复杂工程，用大模型做反馈闭环。 大模型的竞争早就过了拼参数秀肌肉的阶段。未来开发者拼的不是谁的API额度多，而是谁的工程化调度最抠门、最精准。把便宜的模型用在刀刃上，把外部的缰绳勒紧，这才是重塑AI生产力性价比的终极解法。