OpenAI 把主力模型 GPT-6 Sol 砍到每百万 Token 2 美元，Anthropic 同日把 Opus 5.5 缓存读取费降六成——两家头部公司用价格战宣告：能力竞赛暂告段落。三款新旗舰规格全面对标 1M Token 上下文（Token 是大模型计费的最小文本单位）。

这是什么

OpenAI 走"一主一辅"组合：GPT-6 Sol 对标日常主力开发，1M 上下文、12.8 万 Token 输出，输入 2 美元、输出 10 美元每百万 Token；GPT-6 Luna 主打预处理与大规模检索，输入 0.1 美元、输出 0.5 美元，先用来过滤日志、提炼结构。

Anthropic 的 Claude Opus 5.5 主打长程编程与复杂架构攻坚。同样 1M 上下文、12.8 万 Token 输出，核心升级是"自适应思考"——不再需要手动设思考上限，模型自己判断该想多久。提示词缓存（把常用提示词存在模型端以降低重复请求费用）读取费降六成，单次复杂任务实际开销比上一代 Opus 低约 40%。

三款模型规格高度趋同：同样的 1M 上下文、同样的 12.8 万 Token 输出上限。差异主要在定价、推理风格和工具链适配。

行业怎么看

我们注意到两件事。第一，旗舰模型"能力趋同"信号明确——都做到 1M 上下文、都支持自适应推理，能力差距已不是主战场。第二，"AI 网关"（把多个模型统一接入、本地调度的中间层，类似传统 IT 的 API 网关）开始走红：开发者不再为每个工具单独配密钥与协议，而是通过本地网关统一调度，把"用哪个模型"的决策下放到配置层。

但我们也要说一句反面话。模型公司两周前还公开呼吁"应该放慢能力提升速度"，不到半个月就密集发新版本、直接打价格战——商业化压力盖过了安全共识。价格战越激烈，研发越可能向"降本"倾斜，短期对消费者是好事，长期对行业天花板可能不是好消息。

另一个被低估的风险：多模型调度看似省钱，但密钥管理、协议适配、账单归集本身是新成本。对中小团队来说，"全都要"未必比"押一家"更划算。

对普通人的影响

  • 对企业 IT：AI 服务的单位成本继续下行，但预算结构会从"买模型调用"转向"买集成与治理"，多模型路由成新课题。
  • 对个人职场：重度 AI 用户单位任务成本降到原来的三分之一到二分之一，但工具链管理变复杂，要面对"用哪个模型"的日常决策。
  • 对消费市场：上游降价大概率向下传导，未来几个月内，面向消费者的 AI 产品可能迎来一波降价或功能解锁。