OpenAI CFO Sarah Friar发文宣布：GPT-5.6 Luna降价80%、Terra降20%、Sol推出快速模式。同时首次披露：ChatGPT周活用户突破10亿。这不是一次普通的调价，这是AI基础设施从"奢侈品"变成"自来水"的分水岭。
事件回顾
7月31日，OpenAI首席财务官Sarah Friar发表博文《Building Abundant Intelligence》（构建丰裕智能），宣布了一系列重磅数据：
价格调整：
- GPT-5.6 Luna：降价80%，现价$0.20/百万输入token、$1.20/百万输出token
- GPT-5.6 Terra：降价20%，现价$2/百万输入token、$12/百万输出token
- GPT-5.6 Sol：新增Fast模式，2.5倍速度、2倍价格，智能水平不变
用户规模：
- 周活跃用户突破10亿
- 超过200万家企业客户
- 用户注册6个月后，日均消息量增长50%，使用场景翻倍
- OpenAI内部：Codex产生的输出token占公司总量的99.8%（AI agent已经在替代员工做实际工作）
效率突破：
- GPT-5.6 Sol帮OpenAI自身优化了推理服务，端到端服务成本降低20%
- 推测解码（speculative decoding）效率提升15%以上
- ARC-AGI-3基准测试：通过系统级优化（非模型升级），分数从13.3%跃升至38.3%，同时输出token减少6倍
为什么重要
1. 定价逻辑变了：从"卖token"到"卖结果"
Friar在博文中说了一句意味深长的话：
"Customers do not buy tokens for their own sake. They want the support issue resolved, the software shipped, the contract reviewed."
翻译：客户买的不是token，是解决好的问题、交付好的软件、审好的合同。
这意味着更强的模型可能比更便宜的模型更省钱——因为它一次就做对，不需要反复重试和人工干预。反过来，当一个模型已经能满足质量要求时，降价就打开了全新的市场。
2. 对AI创业者的直接影响
以一个AI内容创业场景为例：
| 任务 | 旧价格(Luna) | 新价格(Luna) | 降幅 |
|---|---|---|---|
| 生成一篇3000字文章(~8000 token) | $0.008 | $0.0016 | 80% |
| 每日生成10篇 | $0.08 | $0.016 | 80% |
| 每月30天 | $2.40 | $0.48 | 80% |
月均成本从$2.40降到$0.48。这意味着：
- 小微创业者可以用更低成本验证更多idea
- 多模型策略变得更可行（用Luna做初稿、Terra做润色、Sol做复杂分析）
- 价格不再是瓶颈，真正的问题是：你的产品能否产生足够价值让用户愿意付费？
3. 10亿周活用户是什么概念？
2025年12月，ChatGPT的周活是3亿。7个月翻到10亿——这是互联网历史上最快的增长曲线之一。
更深层的信号是内部数据：OpenAI自己用Codex（AI agent）产生的token已经占公司总产的99.8%。一家AI公司的员工，现在几乎所有的文字产出都是AI生成的。这比任何外部宣传都更有说服力。
我们能学到什么
1. "够好就行"比"最好"更赚钱
Friar反复强调一个概念："The right measure is the cost of a successful outcome."
不是每个任务都需要最强模型。很多场景下，Luna"够好"就是最佳选择。判断标准不是模型有多强，而是：完成这个任务需要多少智能？要多久？花多少钱？
2. 效率提升不只靠模型升级
ARC-AGI-3从13.3%跳到38.3%，模型没变，变的是系统设计：推理链的保留策略、上下文管理方式、token使用的优化。
这给所有用AI做产品的人的启示：不要只盯着模型升级，花时间优化你的系统设计，ROI往往更高。
3. 对一人公司的机会窗口
当GPT-5.6 Luna的输出成本降到$1.20/百万token，意味着：
- 写一本10万字的书，AI成本不到$0.02
- 翻译100篇3000字文章，AI成本不到$0.50
- 生成1000张图片描述，AI成本不到$0.01
"内容生产"本身已经几乎免费。竞争从"谁能生成内容"转向"谁能做出读者真正想要的产品"。 这恰恰是一个人、一个小团队最能发挥优势的地方——深度、品味、独特的视角，这些是AI替代不了的。
行动建议
- 立刻重算你的AI成本模型。 如果你用的还是7月之前的定价来规划产品，你的成本预估可能高估了3-5倍。
- 设计多模型流水线。 Luna做批量初稿 → Terra做质量把关 → Sol做复杂推理。把每一分钱花在刀刃上。
- 关注"结果成本"而非"token成本"。 测试不同模型在同一个任务上的端到端成功率（包括重试），计算每个"成功结果"的均价。
- 思考：当AI内容生成几乎免费，你的差异化是什么？ 这个问题的答案，决定了你未来12个月的竞争壁垒。