Sam Altman 称 GPT-6 Sol 和 Luna 按任务定价在市场上没有对手

Sam Altman 表示，以按任务定价衡量，GPT-6 Sol 和 Luna 在市场上没有可竞争的对手。引用内容称，两款模型相比 5.6 系列在智能、对齐、工作产出、编码和计算机使用上有大幅提升，价格每 token 减半，按任务算更低。他说，希望人们能用大量 AI，这对探索眼前的新复兴很重要。

Sam Altman 表示，以按任务定价衡量，GPT-6 Sol 和 Luna 在市场上没有可竞争的对手。他引用的说法称，两款模型相比 5.6 系列在智能、对齐、工作产出、编码和计算机使用上有大幅提升，每 token 价格减半，按任务算更低，并希望人们能用上大量 AI。

• Sam Altman 表示，以按任务定价衡量，GPT-6 Sol 和 Luna 在市场上没有可竞争的对手。他引用的说法称，两款模型相比 5.6 系列在智能、对齐、工作产出、编码和计算机使用上有大幅提升，每 token 价格减半，按任务算更低，并希望人们能用上大量 AI。
• 原贴提到：Sam Altman 表示，以按任务定价衡量，GPT-6 Sol 和 Luna 在市场上没有可竞争的对手。引用内容称两款模型相比 5.6 系列在
• 来源：x.com

这是什么信号

这是一条来自 OpenAI 掌门人的定价宣言。值得注意的不是“又有新模型”，而是他选择的计量单位：不是每百万 token 多少钱，而是“按任务”多少钱。当最头部的供应商开始用任务作为竞争语言，说明它认为买方的决策口径正在从“调用成本”转向“把一件事做完的成本”。

同时他说两款模型相比 5.6 系列在智能、对齐、工作产出、编码和计算机使用上有大幅提升，并且每 token 价格减半、按任务算更低。能力提升与单价下降同时发生，指向的是同一条曲线：单位任务成本被压到足以支撑更高频、更长链路的使用。

为什么重要

过去两年模型选型的主战场是 token 单价，开发者拿着一张价格表做对比。如果竞争口径迁移到任务，比价表就失效了——同一个任务，一次成功的成本和三次重试的成本差距，比 token 单价差距大得多。对齐和计算机使用能力的提升，又会把可托管的自动化范围向外推，任务的定义随之变大。

对买方，这意味着预算模型要从“调用量×单价”改成“任务量×单任务成本×成功率”，人工复核和失败重试必须计入。

对谁有价值

做 Agent 和应用层的团队最直接：选型逻辑要用任务级基准重写。企业采购与预算负责人其次：成本结构里会出现新的科目。投资视角同样相关，按任务定价如果成立，收入模型就从“卖算力”变成“卖结果交付”，毛利结构和竞争壁垒都会变。

可以怎么行动

第一，搭自己的任务级评测集，用自家真实任务而不是公开榜单，记录每个任务的总花费和一次通过率。第二，把 token 单价、重试、工具调用、缓存、人工兜底合并成单一指标，用于跨模型比较。第三，对高价值任务做小流量 A/B，确认能力提升能否转化为可削减的人工环节。

风险与限制

这是卖方自述，缺少第三方基准和细则支撑，“没有对手”更接近立场而非结论。按任务定价的关键在任务如何定义：口径由供应商掌握，就存在通过任务粒度、打包方式、限流或缓存策略重构总成本的空间。价格减半与能力提升都需要在自己的任务上验证，不能直接外推到生产环境。此外，越深入采用单一供应商的任务定价体系，迁移成本与锁定风险越高，多模型抽象层和可切换架构的价值反而上升。

这条内容的真正价值，不只是“有人发布了一个新功能”，而是它揭示了 x.com 背后的产品方向、工作流变化或竞争信号。对 OPC 来说，这种信息可以转化成持续追踪的栏目选题。

如果把《Sam Altman 称 GPT-6 Sol 和 Luna 按任务定价在市场上没有对手》放到你的内容系统里，它最大的价值在于帮助读者更快看懂“为什么值得关注”，而不是只看到一条碎片化动态。

• @sama 原帖