GPT-5.6一夜爆砍80%新智元

一觉醒来，OpenAI给GPT-5.6 Luna来了一记「脚踝斩」。

价格直接砍掉了80%——

每百万Token，输入0.2美元，输出1.2美元。

价格低成这样，能力却没跟着缩水。

在专业评测Agents’ Last Exam中，Luna不仅反超了Anthropic最贵的Fable 5。

而且执行单个任务的成本，只有对方的越1%。

更魔幻的还在后面。

这轮降本的背后，是GPT-5.6 Sol亲自下场，重写并优化了运行自己的生产内核。

然后再加上其他优化，端到端服务成本就这么水灵灵地降了20%。

是的，AI开始给自己打工了。

三档模型，一夜大洗牌

GPT-5.6分三档：Sol是旗舰，Terra是日常平衡，Luna是最快最便宜那个。这次屠刀砍的是后两位。

新旧一比更直观。

Luna的输入从$1干到了$0.20，输出从$6干到了$1.20，一口气削掉八成；

Terra的输入从$2.50降到$2，输出从$15降到$12，降了两成。

Sol则维持$5和$30不变。

对开发者来说，最直接的感受是，大批量调Luna，成本几乎可以忽略不计了。

一个跑几十万次模型调用的Agent工作流，过去光token费就是一笔大开销，现在Luna把它压到不用算的程度。

而且，订阅用户也没被落下。

Codex和ChatGPT Work的月费和额度没变，但用Luna和Terra干活时消耗的积分更少了，能干的活更多了。

不仅如此，Sol这边加了个Fast mode，替代原来的Priority Processing。

最高2.5倍速度，价格翻倍，智能水平一点没变。

在Codex里对应/fast指令，之前标priority的请求自动切换。对延迟敏感的场景，这就是个用钱买速度的开关。

借着这波操作，App里那个「替我审核」（auto-approve）功能也改成了用Luna来提前拦截主agent的高风险动作，直接把成本降了约10倍。

降本的活，Sol自己干了

能砍这么狠，是因为Sol通过Codex接进了OpenAI的生产推理栈，自己动手，把跑它自己的那套系统优化了一遍。

Codex负责人Tibo把这套打法概括成两步。

首先训出一个足够强的模型，然后再用这个模型去把一切变得更好，包括但不限于运行它自己的基础设施、推理栈和内核。

具体到这次，GPT-5.6总共针对四个问题进行了优化。

1. 负载均衡。

OpenAI的请求会按地域、容量、加速器类型分发，集群内再按负载、上下文长度、缓存可用性进行分配。

解法：Sol分析了生产流量，揪出工程师之前没注意到的负载不均，测试了新的路由策略。

2. GPU内核。

模型的前向传播靠内核执行数学运算，但内存搬运、同步、数据布局不合理会让GPU闲置。

解法：Sol找到了能预计算、能跳过、能并行的工作，用Triton和Gluon这两种OpenAI维护的GPU编程语言，自主重写并优化了生产内核。这些改动加上更广泛的内核优化，把端到端服务成本压低了20%。

3. 推测解码。

这套技术让一个更小的draft模型先猜几个token，主模型并行验证，猜对了一次就能多输出几个token。

解法：Sol针对draft模型设计并跑了数百次架构实验，改尺寸、改结构、改特性，还自己启动并盯着训练流程，遇到硬件故障和训练不稳定主动介入。token生成效率因此提升超过15%。

4. KV缓存和配置调优。

batching、sharding、KV管理的最优配置高度依赖负载，由于配置空间太大，基本全靠工程师的经验来做。

解法：Sol分析生产负载，生成并评估候选配置，把过去调不动的东西调到极致。

不过，Sol写的内核不能直接上线。OpenAI会用开源工具FpSan（浮点数消毒器），把结构、数据流一项项查过去，确认没问题才放行。

看看内部数据，就能知道这个循环转得有多快。