OpenAI 发布 GPT-5.6 大幅降价，迈向智能普及新时代

2026年7月31日 | 公司动态

在人工智能领域，规模本身并非价值所在。真正的价值在于它所能实现的目标：让更强大的智能，以更低的成本，服务于更广泛的人群。这正是 OpenAI 对‘智能普及’（Abundance）的核心理念。这一理念不仅深深植根于我们的使命——确保通用人工智能（AGI）惠及全人类，也驱动着我们的商业经济引擎。

当实用智能的成本下降，更多的工作将变得有价值。当模型能力增强，这些工作便能创造更多价值。随着采用率的提升，我们获得更多收入、真实世界反馈以及对需求的洞察，从而持续投资于下一代研究与基础设施。

更好的智能驱动更广泛的采用，更广泛的采用支撑更多的投资，更多的投资则进一步提升智能与效率——这正是我们正在构建的良性循环。

智能的普惠经济学

我们近期的定价调整，清晰地展示了这一循环如何快速惠及客户。昨日，我们宣布将 GPT-5.6 Luna 的价格大幅下调 80%，GPT-5.6 Terra 的价格下调 20%。调整后，Luna 的输入价格降至每百万 tokens 0.20 美元，输出价格为 1.20 美元；Terra 的输入价格为 2 美元，输出价格为 12 美元。

此外，GPT-5.6 Sol 的快速模式（Fast mode）现以两倍价格提供高达标准处理 2.5 倍的推理速度，且智能水平完全不变。

这不仅仅是价格表的变动。它极大地拓展了实际可行的应用范围，并为客户提供了更大的灵活性，以平衡智能、速度、可靠性与成本。

正确的思考方式并非“哪个模型适合哪项任务”，而是：为了达成所需结果，任务本身需要多少智能？需要多快的响应速度？以及为此应付出多少成本？ 在同一个工作流中，这种平衡可能多次动态调整。

客户购买 tokens 并非目的本身。他们真正需要的是：解决一个支持工单、交付一个软件版本、完成一份合同审查，或得到一个科学问题的答案。因此，正确的衡量标准是成功结果的总成本，这包括所花费的时间、重试次数、监督成本以及出错率。

一个更强大的模型若能正确高效地一次完成工作，其最终成本效益可能远高于一个虽便宜但需要反复尝试或大量人工干预的模型。反之，当一个低成本模型能达到相同的质量门槛时，它也能极大地扩展技术的使用门槛。我们的机遇在于，以合适的价格，提供最大限度的实用智能。

提升每一单位算力的效率

要交付上述价值，仅仅建设更多的数据中心是远远不够的。关键在于让每一单位算力都更具生产力。

我们近期的工程成果很好地诠释了这一点。通过与技术团队协作，GPT-5.6 Sol 成功优化了用于服务我们模型的生产软件，将端到端的服务成本降低了 20%。同时，它还辅助改进了投机解码（Speculative Decoding）技术，将 token 生成效率提升了超过 15%。

同样重要的是，效率并非仅由模型本身决定，其周围的系统同样关键。更优的请求路由能保持硬件高效运转；更智能的上下文管理可防止智能体重复劳动；更强大的工具与产品设计能减少完成任务所需的步骤。

在最近的一项基准测试分析中，通过改进“保留推理”（Retained Reasoning）和上下文管理，GPT-5.6 Sol 在公共 ARC-AGI-3 任务集上的得分从 13.3% 跃升至 38.3%，而所使用的输出 tokens 数量却减少了六倍。模型本身并未改变，改变的是其周围的系统。

这些增益是复利式的。更强的模型帮助我们团队发现新的效率提升点；这些效率降低了服务客户的成本，并扩大了我们在相同基础设施下可支持的工作范围。这反过来又让下一代智能变得更加触手可及。

全栈布局的战略意义

我们之所以在基础设施、模型、平台和产品等多个层面进行布局，其优势不仅在于参与每一个环节，更在于每一层都能让其他层变得更好。

真实的产品使用场景让我们看到客户在哪里获得价值，又在哪里遇到阻碍。这些反馈帮助我们塑造研究方向；研究的进步则强化了产品并降低了服务成本。来自 ChatGPT、ChatGPT Work、Codex 以及 API 的多样化需求，也帮助我们更好地决策在何处增加算力资源。

这种学习规模至关重要。目前，我们的模型已覆盖超过 10 亿活跃用户 和 超过 200 万家企业客户。随着人们对技术的信心增强，他们的使用深度也在增加。数据显示，用户在注册六个月后，日均发送消息量增加约 50%，使用 ChatGPT 处理的工作类型数量则翻了一番。

ChatGPT Work 正在重新定义知识工作的内涵，它已从简单的“回答问题”演进到“完成复杂的多步骤工作”——从“提问”走向“执行”。在整个 OpenAI 内部，通过 Codex 完成的智能体工作现已占每周输出 tokens 总量的 99.8%，其中财务团队已将智能体工具作为其工作的核心方式之一。

在企业内部，类似的模式也在发生。一家公司可能从一个团队或一个工作流开始尝试，随着质量和经济效益的提升，AI 的采用会迅速扩展到各个职能部门，最终成为企业运营的基础组成部分。

这就在需求、产品改进、效率提升和基础设施规划之间，形成了一个宝贵的反馈闭环。这并不意味着我们必须拥有所有资产或亲自构建所有组件。我们可以根据客户利益和经济合理性，选择自主拥有、合作共建或直接采购。关键在于协调整个系统，并在系统层面进行学习。

基于信念与纪律的投入

AI 基础设施的规划必须提前数年进行，而模型、产品和客户需求的演进却要快得多。这种时间上的错配，使得纪律性变得至关重要。

我们的投资决策基于明确的证据：使用情况、客户反馈以及经济效益。我们不会为建设而建设，而是为了加速那个“智能普及”的循环。我们深知，今天在基础设施上的审慎投入，是明天实现更强大、更普及智能的基石。

我们相信，通过坚持全栈创新、聚焦单位算力效率、并严格遵循经济规律，OpenAI 正稳步走在一条让智能变得像电力一样普及的道路上。这不仅是一项业务，更是一份承诺：确保智能的益处能够惠及全人类。