OpenAI近日发布GPT-6系列模型，包括旗舰级Sol与轻量级Luna，同时调整了原有模型梯队结构。此前OpenAI的模型档位为旗舰Sol、中端Terra、轻量Luna，新系列中Terra型号消失，梯队变为Astra、Sol、Luna。GPT-6 Sol的性能与上一代GPT-5.6 Sol持平，定价为每百万Token输入2美元、输出10美元，较此前中端型号GPT-5.6 Terra的输入2美元、输出12美元，实际价格变化有限。Anthropic同日推出Claude Opus 5.5，成本较上一代Opus 5降低40％，并具备Fable级性能。DeepSeek则继续维持其绝对成本优势，闲时价格可减半。
从定价策略看，三家厂商的降价逻辑存在差异。Anthropic的降价幅度较为直接，Claude Opus 5.5在大多数日常任务中性能接近Claude Fable 5.1，仅在高难度推理与大规模代码工程场景存在差距，相当于以40％的价格保留约80％的核心能力。此外，Opus 5.5将缓存读取费用降低60％，直接减少了长任务中思维链推理的隐性开销，使开发者能够更频繁地调用高阶推理能力。
DeepSeek的成本优势建立在其架构设计之上。以DeepSeek-V4.1-Flash为例，该模型底层为总参数552B的混合专家模型，但通过非对称因果编解码架构，实际激活参数量仅为8B至16B。其KV缓存经过多代迭代，从V2版本的MLA多头潜在注意力，到V4版本的压缩稀疏注意力，再到V4.1的第二代压缩稀疏注意力，通过层间特征共享、FP4精度存储和滑动窗口边界重放等优化，将全局KV缓存降至每Token约890字节，约为标准Transformer架构的2％。这一技术路径使其能够在保持较高模型能力的同时维持低价，但该定价依赖错峰机制和高前缀重复度，存在一定使用门槛。
OpenAI的定价调整则更多体现为商业策略。GPT-6 Sol的“价格腰斩”主要通过抹去Terra型号、将整个梯队上移一格实现。同时，OpenAI将缓存命中输入价格降至每百万Token 0.20美元，即原价的1折。对于需要处理复杂长程任务的开发者而言，将企业基础数据固定挂载在OpenAI缓存中可显著降低成本，但这也相应提高了迁移成本。另一方面，GPT-6系列对长文本输入实施加价：当输入超过272K Token时，整笔请求的输入费用翻倍，输出费用上涨1.5倍，反映出其在长文本处理效率上的不足，需通过价格杠杆调节高消耗场景的需求。
此次三家厂商的同步更新，反映出大模型定价竞争已从单纯的单价比拼，转向架构效率、缓存策略与商业叙事的综合较量。DeepSeek的技术降本路径与OpenAI的定价叙事策略形成鲜明对比，而Anthropic则在性能与价格之间寻求平衡。对于企业开发者而言，模型选择需综合考量实际任务场景、调用频率及长期迁移成本，而非仅关注标价高低。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
