GPT-6 Sol与Claude Opus 5.5同日开打，谁是「性价比之王」

就在刚刚，OpenAI与Anthropic几乎同步推出了各自的新模型：OpenAI发布了GPT-6 Sol与GPT-6 Luna；Anthropic则推出了性能接近Fable 5.1的Claude Opus 5.5。

OpenAI表示，GPT-6 Sol与GPT-6 Luna源自此前顶尖的GPT-6 Astra基础架构，重点是将Astra的核心推理与多模态优势进行下沉，重新打造出更轻量、吞吐量更高的运行版本。这意味着，GPT-6 Astra承担的是能力探索的角色，而Sol和Luna则负责能力规模化落地的任务。

在价格方面，直接进行了“腰斩”。与GPT-5.6的促销价相比，Sol与Luna的价格直接下降了50%。

随后，Sam Altman在社交平台发文，强调这是OpenAI推动“智能普及化”的必经之路——让开发者不再受昂贵的算力账单所困。

“尤其是按照单任务成本（per-task pricing）来比较——而这才是我们认为真正应该关注的指标——我认为目前市场上没有任何产品具备真正的竞争力。

我们希望人们能够大量使用AI，因为这对于探索眼前这场新的‘文艺复兴’非常重要。只有让更多人能够广泛使用AI，才能真正释放这一轮技术变革带来的可能性。”

而Anthropic带来的则是Claude Opus 5.5。

作为Claude系列中的高性能模型，Opus 5.5延续了Anthropic在复杂任务、代码生成和企业工作流领域的重点布局。

Anthropic表示，相比Opus 5，Opus 5.5在典型任务中的成本降低了约40%，输出速度提升了超过30%。

下面具体来看一下。

OpenAI发布GPT-6 Sol、Luna：

将Astra能力推向规模化应用、价格“腰斩”

OpenAI表示，本月早些时候推出了GPT-6 Astra，这是全球最智能、对齐程度最高的模型，但考虑到现实中的工作存在不同规模、不同节奏以及不同预算需求，因此推出GPT-6 Sol和GPT-6 Luna。

如果说，GPT-6 Astra开启了新一代智能模型，而这两个模型则通过提升成本效率，让更多人能够获得这种智能能力。

OpenAI认为，模型能力提升固然重要，但单位任务成本同样成为企业部署AI时的重要考量。因此此次重点优化了缓存机制和推理效率，并将节省的成本反馈给用户。

博客链接：https://openai.com/index/introducing-gpt-6-sol-and-luna/

相较于GPT-5.6，GPT-6 Sol和Luna的API价格降低了50%。

**GPT-6 Sol：**输入价格从每百万token 4美元降低到2美元；输出价格从每百万token 20美元降低到10美元。

**GPT-6 Luna：**输入价格从每百万token 0.20美元降低到0.10美元；输出价格从每百万token 1.20美元降低到0.50美元。

价格下降了，但性能依然强劲。

在AutomationBench测试中（该测试评估跨应用的企业工作流），GPT-6 Sol在最高推理强度（xhigh effort）下超过了Claude Opus 5的最高强度表现，而每个任务成本仅为Opus 5的9%。

而在高推理强度下，GPT-6 Luna相比上一代模型提升了5.4个百分点，同时每个任务成本降低了58%。

同时，GPT-6 Sol也以更低成本超过了Claude Fable 5.1，甚至超过了低推理强度下的GPT-6 Astra。

而在内部事实准确性测试中，该测试基于经过匿名处理的真实用户对话（用户曾标记模型错误），GPT-6 Sol的错误数量约为上一代模型的一半，接近Astra级别的可靠性，同时成本更低。

GPT-6 Luna也取得了明显提升：在更高推理强度下，它能够以约百分之一的成本达到GPT-5.6 Sol的水平。

另一个重要变化则出现在软件开发领域，随着Coding Agent开始承担越来越复杂的任务，持续运行成本成为开发团队的重要考量。

编程能力上，OpenAI表示GPT-6 Sol和Luna在保持强大代码能力的同时，通过更低API价格，让开发者拥有更多试验空间，也让团队能够更加大胆地使用Codex执行复杂任务。

在FrontierCode测试中，GPT-6 Sol相比GPT-5.6 Sol有明显提升，并以更低成本达到Claude Fable 5.1 xhigh的水平。

在DeepSWE v1.1测试中：GPT-6 Sol在最高推理强度下获得68.8%分数，仅比Claude Fable 5的最高成绩69.9%低1.1个百分点。但GPT-6 Sol每个任务成本降低了约80%。GPT-6 Luna在最高推理强度下获得66.6%，接近Claude Opus 5和Fable 5的中等推理强度表现。

在这些比较中：Luna相比Opus 5，每任务成本降低93%；相比Fable 5，每任务成本降低96%。

这或许说明OpenAI的目标并不是简单制造一个更强模型，而是在寻找单位智能成本最低的模型。

计算机操作能力上，GPT-6 Sol和Luna相比上一代模型提供了更高成本效率。

在OSWorld 2.0 offline测试中，GPT-6 Sol在最高推理强度下达到与Claude Opus 5中等推理强度相近的成绩：

GPT-6 Sol：60.5%

Claude Opus 5：60.3%

但GPT-6 Sol每任务成本降低了约80%，GPT-6 Luna（max）则能够超过GPT-5.6 Sol（medium），同时成本仅为其十分之一。

而除了模型价格下降，OpenAI还针对Agent长任务场景优化了缓存机制，改进了GPT-6的Prompt Caching，使默认缓存命中率更高，从而帮助Agent复用更多上下文、更快响应，对缓存输入token读取享受90%折扣。

这意味着，未来模型竞争不仅是模型本身的能力竞争，也包括整个推理基础设施效率竞争。

Anthropic：Opus 5.5来了，Fable级能力

OpenAI发布的同时，Anthropic这次同样非常强调“效率”。

Claude Opus 5.5是Claude 5.5系列的第一款模型。Anthropic给它的定位非常直接：大多数任务达到Claude Fable 5.1的水平，但相比Opus 5，典型任务运行成本降低约40%，输出速度则提高超过30%。

博客链接：https://www.anthropic.com/claude-opus-5-5/

先看能力。

在Anthropic公布的headline comparison table中，Opus 5.5在列出的项目上全部高于Fable 5.1。

Terminal-Bench 4.0上，Opus 5.5达到66.4%，Fable 5.1为55.8%；FrontierCode v1.1 Main为54.4%对50.3%；面向真实知识工作的GDPval-AA v2.1，则是1846对1735。

Agentic coding、知识工作、计算机操作，基本都是这代Opus主要的能力提升方向。Anthropic官方发布也将其称为相比Opus 5的一次明显升级。

这当然不意味着“Opus 5.5已经全面超过Fable 5.1”。不同benchmark使用的harness、工具和推理强度并不完全一致；就在Anthropic自己的表格中，GPT-6 Astra也仍然在AutomationBench和Terminal-Bench-Science等项目保持更高成绩。

但能明显看到，Opus和Fable之间原本清晰的能力差距，正在迅速缩小。

而从API定价来看就更明白Anthropic的意思了。

Opus 5.5每百万输入、输出Token分别为4美元和20美元，而Fable 5.1为10美元和50美元，后者正好是前者的2.5倍。两者都拥有100万Token上下文窗口和最高128K的常规输出能力。

所以这次Anthropic没有把Opus 5.5描述成一次简单的“性能升级”，而一直在强调单位任务成本。

不再让Opus“拼命想”

还有一个设置挺有意思。Opus 5.5的Adaptive Thinking永远开启，开发者可以调节推理强度，默认设为medium；相比之下，Fable 5.1默认是high。

这和Anthropic公布的一组数据正好对应：在FrontierCode v1.1 Main上，Opus 5.5 medium得分约54.6%，单任务成本约0.8美元；到了max，成本升至约6.19美元，得分反而只有54.4%。

也就是说，多花近7.7倍的钱，并没有换来更高分数。

原因之一在于FrontierCode会惩罚超出任务范围的修改，即使这些改动本身有益。推理预算提高后，模型反而可能多做一些无用功，因此更多test-time compute并不一定带来更好的任务结果。

第三方的实际测试验证了这个说法。CodeRabbit在自己的多步骤Code Review工作流中发现，Opus 5.5 medium已经可以达到或超过Opus 5 high的表现，同时只使用大约一半的Token。

Token只便宜20%，为什么任务能便宜40%？

Anthropic给出的解释是，单个Token的价格并不能直接代表最终任务成本。

**Opus 5.5相比Opus 5，普通输入、输出Token价格只下降约20%，但Cache Read从每百万Token 0.50美元降到0.20美元，降幅达到60%。**对于Claude Code这类需要反复读取代码和历史上下文的长任务，缓存降价会被持续放大。

再加上Opus 5.5完成同一任务所需的Token和步骤更少，Anthropic测得默认设置下，典型任务的总成本最终可降低约40%。

“每百万Token多少钱”不适合单独计算，更合理的方式是放到实际任务中，看看真正做完要花多少钱。

这和OpenAI这轮发布的思路，惊人地一致。

能力之外，价格当然很重要

把两家放在一起看，这轮发布好像都很在意一个问题，那就是用户到底愿意为提升的那部分智能付多少钱。

OpenAI在7月底发布过一篇博客，《Building abundant intelligence》。文中提到，客户真正购买的并不是Token，而是“任务被完成”。因此更合理的衡量方式，应该是一次成功结果的总成本，其中还要算上重试、人工监督、时间和错误带来的代价。

博客链接：https://openai.com/index/building-abundant-intelligence

换句话说，就是**“最后事情做完花多少钱”比Token计费更贴近用户心理。**

Anthropic这边，其实已经从企业用户那里收到过一次很直接的价格反馈。

Fable 5发布后，Ramp对企业模型支出的追踪显示，这款Anthropic当时最贵、能力最强的模型，只占Anthropic企业Token使用量约6%。Ramp将其视为一个价格上限信号，企业并不会因为模型更强，就无限接受更高价格。

随后Fable 5.1就做了一些调整。Anthropic在发布时明确说，新版本是在回应客户对价格、数据留存和安全措施的反馈；虽然输入和输出标价没有下降，但Cache Read直接降了75%，使典型工作负载成本下降约25%，高度Agentic任务最高可降约45%。

更有意思的是，Anthropic自己的开发者文档甚至建议：大多数任务先从Opus 5开始，只有高effort的Opus仍然不够时，再考虑Fable 5.1。

连官方都承认，旗舰模型已经不再是默认选项，而更像是专门留给高难度、长周期任务的昂贵资源。

市场已经开始告诉厂商，仅仅把最强模型继续做强，并不足以让企业持续升级。

当日常任务用Opus就已经够好，企业为什么还要支付Fable的价格？当Luna已经能覆盖越来越多正式工作，为什么每一步都要调用Astra？

这可能也是两家公司现在共同面对的问题，前沿能力当然还要继续往上发展，但真正想扩大企业使用规模，还是要结合价格来看。

就在Opus 5.5发布前三天，路透报道称，Anthropic正考虑推出新模型，应对GPT-6 Astra在企业市场快速获得份额。

OpenAI和Anthropic的这场竞争，恐怕还远没有到休息的时候。

这次两边的发布公告只相差一个小时，甚至有消息称，Fable 5.5将在OpenAI的DevDay当天亮相。

而OpenAI和Anthropic此次的相似操作，似乎也是释放出一个共同信号：AI正从能力突破阶段进入规模化应用阶段，未来，真正决定AI普及速度的，不只是模型IQ，而是单位任务成本。下一阶段的大模型战争，或许不再只是争夺最高智能峰值，而是谁能够让智能，以最低成本持续创造价值。

对此，广大网友们也是喜闻乐见大家“打起来”。

“我希望它们彼此竞争，最终把智能的价格打到低得离谱。”

参考链接：

https://x.com/OpenAI/status/2102460975790137662

https://x.com/i/trending/2102466579913138274

https://x.com/sama/status/2102465143997440308

https://www.anthropic.com/claude-opus-5-5

https://x.com/claudeai/status/2102435511222890900

https://x.com/theojaffee/status/2102454423041818786

https://x.com/FanShifu/status/2102441095066165440

本文来自微信公众号“机器之心”（ID：almosthuman2014），作者：关注AI的机器之心，36氪经授权发布。