GPT-5.6 Sol降价27%后，旗舰模型开始按Agent工作量重新定价

OpenAI突然把GPT-5.6 Sol的API价格往下砍了一刀：输入Token降价20%至每百万4美元，输出Token降价33%至每百万20美元。对普通用户来说，这可能只是开发者账单上的一组数字；但对正在运行长任务的Agent来说，影响非常直接。按照公开测算，一个月消耗1亿输入Token和2000万输出Token的Agent，月成本会从约1100美元降到800美元，降幅接近27%。

这不是一次孤立的促销，而是旗舰模型开始重新计算“每次完成任务值多少钱”。同日Codex活跃用户突破2000万，说明模型公司正在把价格、编码工具和Agent使用量放进同一个商业循环里：模型越多地参与真实工作，价格就越不能只按一次问答计算；而价格一旦下降，更多企业又会愿意把长流程交给模型，最终争夺的就不只是模型榜单，而是每个月实际消耗的任务量。

价格战换了算法

过去的大模型降价，常常被理解成算力效率提升后的自然结果。但GPT-5.6 Sol这次的降幅更像是一种产品策略。输入和输出同时降价，尤其是输出Token降幅更大，意味着OpenAI希望降低Agent持续规划、调用工具和生成代码时的边际成本。对于只问几个问题的用户，这个变化感知不强；对于需要多轮推理、反复修改和自动执行的任务，账单会明显改变。

模型价格也开始出现类似云计算的分层逻辑。企业不会只问“哪个模型最强”，还会把任务拆成高价值决策、普通检索、批量分类和后台生成，再为不同环节配置不同模型。旗舰模型负责复杂判断，低价模型负责大量重复工作，缓存、批处理和路由系统则负责进一步压低平均成本。降价的意义，是让更多任务进入这套精细化调度体系。

Agent账单被重写

Agent最容易被低估的成本，不是第一次回答，而是它在执行过程中的反复读取、规划、调用工具和错误修复。一个能真正完成工作的Agent，往往要打开多个文件，检索一批资料，调用浏览器或代码环境，再根据结果重新规划。只要任务链足够长，Token消耗就会快速超过人工对话。价格下降后，开发者可以承受更多轮验证，Agent也不必为了省钱过早结束。

但成本下降不等于可以无条件放开调用。一个没有停止条件、没有上下文压缩、没有权限隔离的Agent，仍然可能因为循环执行消耗大量预算。企业真正需要的不是一张更便宜的模型价目表，而是能看清每个任务花了多少Token、在哪一步反复消耗、哪些工具调用没有产生结果。成本监控、预算上限、失败重试和人工确认，会和模型本身一样重要。

开发入口继续集中

Codex活跃用户突破2000万，和GPT-5.6 Sol降价放在一起看，透露出OpenAI正在把模型能力直接绑定到开发者入口。代码任务有一个天然优势：结果可以编译、测试和回滚，Agent做得好不好比较容易验证。开发者一旦习惯让模型读取仓库、修改文件、运行测试并修复错误，模型服务就会从聊天产品变成研发基础设施。

这会改变模型竞争的评价方式。以前用户会比较回答质量、知识覆盖和推理表现，接下来还会比较任务完成率、工具调用稳定性、长任务成本和失败后的恢复能力。一个模型即使单项测试分数很高，如果在真实仓库里频繁改错文件、无法遵守项目约束，企业仍然不敢把它放进关键流程。价格战最后会落到“每完成一个可验收任务要多少钱”。

消费端也在改变

价格下降最终会传导到更多普通应用。最新资讯显示，美国已有41%的消费者使用生成式AI进行网购，AI平台带来的单次访问收入、转化率和停留时间都高于传统流量入口。这里的关键不是用户多了一个聊天窗口，而是AI开始参与比较商品、解释参数、筛选方案和促成购买。模型成本下降后，商家才有空间让AI长期处理这些高频但单次价值不高的决策。

Status这款社交产品则走了另一条路线：它把社交App做成AI生成的人生模拟器，用户可以进入一个由AI构造的社交世界，上线19天就达到百万用户。它未必代表所有社交产品的方向，却说明消费者已经愿意为持续生成的互动内容投入时间。AI的商业价值不只来自生产资料，也来自它能否创造一个让用户愿意反复回来的环境。

教育应用更看结果

AI家教Medly完成800万美元种子轮融资，并在上线一年多后积累40万英国用户，覆盖GCSE、A-Level和IB等考试。它公布的备考用户数据中，去年使用平台备考GCSE的学生有74%至少提升一个等级。教育场景和聊天产品不同，用户不会只因为回答听起来流畅就长期付费，最终仍要看理解是否提升、练习是否有效、老师和家长是否能看到过程。

这类应用也提醒企业，低价模型并不意味着所有场景都可以追求最低价格。教育、医疗和财务等领域需要更严格的事实核验、过程记录和风险提示，适合采用“高能力模型负责难题，轻量模型负责重复辅导”的组合。只有把成本控制和结果评估放在一起，降价才会真正变成产品优势，而不是短期补贴。

模型公司进入耐力赛

当旗舰模型主动降价，竞争对手会面对两种选择：跟随降价，或者证明自己的模型在某些任务上足够强，能够覆盖更高价格。前者会压缩单次调用收入，后者则要求持续拿出可量化的性能差异。对模型公司来说，训练成本、推理成本、云资源合同和客户留存会被放到同一张财务表里，单纯追求更大的参数规模越来越难解释。

对开发者和企业来说，这反而是一个更务实的阶段。模型选择会从“追新”转向按任务核算：输入是否需要视觉，输出是否需要长篇推理，延迟是否影响业务，失败是否会带来损失，数据能否留在指定区域。价格下降给了大家更多试错空间，但也让使用方更应该记录真实效果，避免因为便宜就把没有价值的自动化堆进流程。

真正的门槛在交付

GPT-5.6 Sol降价最值得关注的地方，不是便宜了多少，而是它让Agent商业化的账本更接近现实。模型只有在能够稳定执行、成本可算、权限可控、结果可验收时，才会从演示变成服务。OpenAI把Codex活跃用户、旗舰模型价格和Agent工作量放在同一条线上，说明大模型公司正在争夺的是长期任务流，而不是一次发布会的注意力。

接下来，AI应用会出现更清晰的分化。面向消费者的产品争夺陪伴、购物、教育和娱乐时间；面向企业的产品争夺代码、知识库、客服和运营流程；底层平台则负责模型路由、算力供应、计费和安全。价格战只是表面，真正的竞争是每家公司能否把模型能力转化成持续交付的结果。谁能让用户少操心一步，让企业少承担一笔不可控的成本，谁就更可能在这一轮模型降价之后留下来。