今天早上打开几个技术群，被同一条消息刷屏了——OpenAI宣布GPT-5.6 Luna降价80%。我第一反应是看错了，点进去确认了三遍：输入价格从每百万Token 1美元直接砍到0.2美元，输出从6美元砍到1.2美元。
对比一下DeepSeek V4 Pro：输入0.435美元，输出0.87美元。Luna的输入价格已经比DeepSeek便宜了一半多。
这不是降价。这是定价逻辑的翻转。
价格战打到什么程度了
GPT-5.6系列是三周前（7月9日）才发布的，Luna当时的定位是"入门级、速度快、便宜"。三周后，入门级直接砍掉八成——这速度在整个云计算历史上都很难找到先例。
不光是OpenAI在动。把时间线拉长来看，过去一个月里：
Anthropic发布了Claude Opus 5，号称性能比肩自家旗舰Fable 5，但价格只要一半。Google推出了三款新模型，主打的卖点是"单次任务成本低于Kimi K3"。微软CEO纳德拉在周三的财报电话会上，反复强调自家模型的性价比。就连OpenAI同期推出的Terra也降了20%。
这不是某一家公司在"做促销"。整个行业都在往同一个方向跑——谁的价格高，谁就可能被替换。AI API市场正在经历云计算十年前走过的路，但速度快了十倍。
当然，价格不是唯一变量。DeepSeek V4 Pro的缓存命中输入只要0.0036美元，Luna的缓存命中是0.1美元——差了将近30倍。对于系统提示词固定的高频调用场景，DeepSeek依然有压倒性优势。反过来，如果你的任务需要视觉理解或工具调用，Luna提供的能力边界更宽。
"谁更便宜"这个问题的答案，越来越取决于"你用它做什么"。
降价不是烧钱，是效率飞轮
OpenAI在公告里给出了两组数据：GPU内核优化把服务运行成本降低了20%，推测解码技术把Token生成效率提升了15%以上。
这两个数字说明一件事——这不是补贴，是实打实的工程效率提升。
Sam Altman自己说得很直白："我们的目标是在每个层级提供最佳的智价比。"这句话的关键词是"每个层级"。他举了一个实际案例：Codex的auto-review功能已经从GPT-5.4切换到了Luna，成本降了大约10倍，效果没掉。
这个思路的意义在于：大模型公司终于开始承认，不是所有任务都需要最贵的模型。把简单任务分流给高效小模型，把旗舰模型的算力留给真正复杂的推理——这本身就是一个巨大的效率飞轮。效率提升→成本下降→降价→更多开发者接入→更多用量→更多优化空间。
前沿模型价格指数在过去三年里下降了88%。88%。这不是缓慢的降价曲线，这是重新定义"贵"和"便宜"的过程。
开发者的定价地图需要重画了
过去一年，开发圈有一个几乎不需要讨论的共识：便宜找开源（DeepSeek、Qwen），贵活上闭源（GPT、Claude）。这个二元划分在今天开始松动了。
当闭源入门模型的价格可以和开源模型正面竞争，选模型的逻辑就变了——从"哪个最便宜"变成了"哪个在这个任务上最合适"。Luna输入比DeepSeek V4 Pro便宜，但输出更贵。DeepSeek的缓存命中价格低到几乎可以忽略不计，但Luna有视觉理解和多模态。Terra虽然贵，但在日常办公场景的综合体验可能更稳定。
一个同时接了文本分类、代码审查、图像理解和长文档分析的产品，最优策略很可能是四个任务上四个不同的模型，而不是一个模型吃遍天。
对API中转站来说，这意味着价值定位的进一步升级。早期中转站的核心卖点是"比官网便宜"，当官网自己都把价格打到地板价，省钱已经不再是唯一的理由。真正的价值变成了：谁能帮你在这个复杂的价格和性能矩阵里，每个任务自动匹配最优模型，并且在你半夜睡觉的时候自动处理故障切换。
从"帮我省钱"到"帮我选对模型"，这一步走完，中转站才算真正从中间商变成了基础设施。EasyAPI在过去几个月里持续追踪这条演进路径，核心做的事情就是这个——让开发者不需要盯着每个厂商的定价公告，也能为每个API调用找到当下最合理的选择。
