借助 GPT‑5.6 推进价格-性能前沿

定价、经济性与利润率

• 主要震撼：GPT‑5.6 Luna 的输出价格大幅下调约 80%（至 $1.20/M tokens），Terra 也同步降价。很多人称 Luna 的新价格“便宜得离谱”，并认为其在价格-性能上处于市场领先。
• 围绕经济性的争论：
  • 一些人认为这印证了推理利润率非常高（80%+），现在只是部分让利给了用户。
  • 另一些人认为这些模型可能仍在被补贴，理由是泄露的财务数据和整体亏损，或者只是 Luna 之前定价过高。
  • 也有人将其视为典型的抢占市场举措，旨在向 Anthropic、DeepSeek、Kimi、GLM 以及开源权重施压。
• 本地 LLM 的经济性：不少人认为这会在许多工作负载上削弱自托管的吸引力，并动摇“Mac mini / 买 GPU”的投资回报率；不过也有人坚持认为，出于隐私和特定价格档位的考虑，本地方案仍然有意义。

模型能力与使用场景

• 许多人反馈 Luna（尤其是 High/XHigh/Max）远强于“nano”级模型；它常被拿来与 Claude Haiku 相比，甚至在某些基准上接近或达到 Sonnet/Opus‑5‑low 的水平。
• 常见模式：用 Sol/Terra 做规划和架构，用 Luna 做编码或批量执行；把 Luna 作为代理框架中的廉价子代理也是反复出现的主题。
• 一些用户表示，在重新调整提示词和缓存之前，相比旧的 mini 模型几乎看不到收益；另一些人指出，Luna 在模糊提示和复杂规划上弱于 Sol。
• 提到的强项包括：分类、审核、护栏、代理、研究分发、在指导下生成代码、摘要和客服机器人；而对于深层、含糊的推理则不太理想。

竞争与市场动态

• 有人认为这是对中国模型（DeepSeek、Kimi、GLM）压低价格的直接回应；也有人声称在这一档位上“美国在价格-性能上反向压低了中国”。
• DeepSeek V4 Flash/Pro 仍在原始单 token 价格和极其便宜的缓存 token 上占优，但许多人认为 Luna 现在在“单位美元智能”上已经胜出。
• Anthropic 的 Haiku 和 Sonnet 被认为受到挤压；Haiku 被称为“陷进沟里了”，Sonnet/Haiku 档位则被描述为定价尴尬。

工程、效率与未来

• 文章提到端到端服务成本约降低 20%，以及 token 生成效率提升超过 15%；评论者强调，按 OpenAI 的规模来看，这非常惊人。
• 讨论还涉及 kernel 优化、面向 LLM 的新硬件（Nvidia、AMD、Vera Rubin 级芯片），甚至将“把权重烧进硅里”的 ASIC 视为下一步 10×–1000× 的价格/延迟改进。
• 有人认为这符合过去几年约数量级的价格下降趋势；很少有人认为我们已经接近底部。

怀疑与未解问题

• 仍然存在的问题包括：有多少是真正的效率提升，有多少是战略性降价；质量是否受到影响（例如量化、缓存压缩）；为什么 ChatGPT Free 仍使用 GPT‑5.5 Instant 而不是 Luna；以及在巨额资本开支承诺下，这样的价格能持续多久。