一句話結論
OpenAI 在美國時間 9 月 22 日發布 GPT-6 Sol 和 Luna，API 價格直接砍一半。但真正該帶走的不是「AI 變便宜了」，而是——「太貴所以先不做」這個藉口沒了之後，你公司卡住的真正原因會浮出水面，而那個原因是「沒人會用」。
我在企業課堂上最常被問到的問題之一是：「老師，這個一年要花我們多少錢？」
這個問題通常沒有人答得出來。然後案子就懸在那裡，一懸半年。
美國時間 9 月 22 日，OpenAI 發布 GPT-6 Sol 和 GPT-6 Luna，API 價格直接砍一半。
這篇不講模型變多聰明——講的是那個懸了半年的案子，現在能不能過。
先看價格：這次真正的新聞
OpenAI 這個月稍早發布了 GPT-6 Astra，官方說法是「世界上最聰明、對齊做得最好的模型」。但官方自己也承認，不是每件事都需要 Astra 那種深度——工作有不同的規模、節奏和預算。
Sol 和 Luna 就是為了這件事來的。官方說它們用了和 Astra 類似的訓練方法，把 Astra 的能力帶到更快、更便宜的型號上。
| 型號 | 輸入 | 輸出 | 降幅 |
|---|---|---|---|
| GPT-5.6 Sol → GPT-6 Sol | $4 → $2 | $20 → $10 | 便宜 50% |
| GPT-5.6 Luna → GPT-6 Luna | $0.20 → $0.10 | $1.20 → $0.50 | 便宜 50% |
單位：美金／每 100 萬 token
兩個細節先講清楚，免得你被同業考倒
① 官方寫明，這 50% 是相對 GPT-5.6 的「促銷價」計算的，不是原始定價。
② Luna 的輸出從 $1.20 降到 $0.50，實際降幅約 58%，官方表格統一標成 50%。
官方的說法是：快取和推論的效率提升，省下來的成本直接反映給用戶。
換算成有感的數字：Luna 的輸入現在 100 萬 token 要 0.1 美金，以匯率約 31 計，大概是台幣 3 塊錢。
一封幾百字的客訴信，大約是幾百個 token。粗略推估，讓 AI 讀完一萬封客訴信，輸入成本大概就是一杯超商美式。
（提醒：token 不等於字。中文通常一個字就要吃掉 1 個以上的 token，實際用量一定要自己測過。）
Sol 和 Luna 差在哪？你該用哪個
很多人搞不清楚這兩個名字。一句話分：
- Sol ＝ 推理能力強，處理複雜任務。貴一點，但能扛事。
- Luna ＝ 快、便宜、走量。適合量大又不需要深度思考的工作。
- Astra ＝ 最強的那個，官方說「想要最好的結果、不想妥協」才用它。
換成你辦公室的語言：Luna 是把一百封客訴信分類、Sol 是分析一份合約找風險、Astra 是你要做一個會影響全年策略的判斷。
別拿 Astra 去做分類信件，那是拿高鐵載一箱文件。
藏在細節裡的第二招：快取
價格表只是明面上的降價。這次還有一個對長期用量影響更大的東西——提示詞快取（prompt caching）。
概念不難懂：如果你每次問 AI 都要先餵同一份公司規範、同一份產品型錄，那份重複的內容就不該每次重算一次錢。
官方這次做了幾件事：
- 預設的快取命中率提高，讓 AI 助理能重複使用更多脈絡
- 快取過的輸入內容，折扣 90%
- 調整思考強度、開關工具，都不會把快取打掉（以前一改就前功盡棄）
- 開發者可以自己指定快取的斷點在哪
官方引用 GitHub 的數據：過去幾個月這些改進，讓需要重新處理的提示詞 token 佔比下降超過 50%，橫跨數十億次請求，Copilot 因此回應更快。
這一段我特別想標起來。因為企業導入 AI，真正的成本從來不是「試用那幾次」，是天天用、每個人都在用之後的那張帳單。快取打的就是這一塊。
官方成績單，三句話講完
官方放了一堆跑分，我幫你濃縮成三句：
一、Sol 做商務流程自動化的分數比對手高，官方標的每任務成本是對手的十一分之一。
二、答錯的次數大約是前一代的一半，接近 Astra 的水準但便宜得多——但官方也註明，這批測試對話是特意挑出「使用者曾標記出錯」的，不代表日常使用的錯誤率。
三、Luna 這種便宜貨，表現已經追上上一代的中階模型，成本約只有百分之一。
官方還說，把 Astra 改良過的溝通方式也帶進來了：少一點術語、少一點沒價值的細節、答案稍微短一點但不失內容。
然後——這些全部是 OpenAI 自己量的，拿自己的尺去量對手
官方自己在頁尾也寫了幾條但書：對手的分數是從公開報告拿的、有些型號沒有最新分數就拿舊版代替，而且其中 Claude Fable 5.1 那一筆低估了對手的實際成本——因為約 40% 的任務會觸發 Opus 5 備援，那筆錢沒算進去。
願意把但書寫出來，這點我給分。但廠商自己發的比較表，你永遠要打個折扣看。真正的答案永遠來自一件事：拿你自己公司的真實任務，自己跑一次。
降價真正改變的，是企業的那本帳
我上過 300 多場企業 AI 培訓，從傳統製造到金融、醫療、公部門都有。
沒有一家公司跟我說過「因為 GPT 不夠聰明，所以我們不做了」。一家都沒有。
卡住的點永遠是這三個：
- 算不出帳 — 老闆問「一年要花多少」，沒人答得出來，案子就懸在那裡
- 不敢放量 — 只敢給三五個人試用，因為怕開放全公司之後費用失控
- 停在試用 — 試用期結束，沒有人推動下一步，東西就躺在那裡
降價一半，直接打到第一點和第二點。
過去你要說服老闆「全公司 200 人都開 AI」，那個數字很難看。現在同一份預算，能做的事情變兩倍——或者說，同樣的事情只要一半的錢。
這才是這次發表對企業最實際的意義。不是 AI 變聰明了，是 AI 變成你「編得進預算」的東西。
但我也要潑一盆冷水。
價格降下來之後，企業真正的瓶頸會浮出水面，而那個瓶頸是「沒人會用」。
我看過太多這樣的公司：工具買了、帳號開了、預算過了，然後幾個月後打開後台，真正每天在用的人只有一小撮。剩下大多數人登入過一次，就再也沒回來。
工具的成本降了一半，不會讓不會用的人突然變會用。
以前「太貴」還可以當藉口，現在這個藉口沒了。接下來要面對的，是那個更難、但也更值得投資的問題：怎麼讓一般員工真的把 AI 用進每天的工作裡。
這週就能做的 4 件事（不用懂技術）
不要只是看完新聞點頭。這四件事，這週就能做完：
① 確認你手上有沒有
Sol 和 Luna 從美國時間 9 月 22 日起，在 ChatGPT Work 和 Codex 開放給 Plus、Pro、Business、Enterprise、Edu 使用者。Free 和 Go 的使用者可以在桌面版 App 用 Luna。注意：這兩個型號目前還沒進 Chat。官方說會分批開放，沒看到就晚點再試。
② 把這句話傳給你們 IT
「請確認我們的 API 有沒有換到 gpt-6-sol / gpt-6-luna，同樣的東西帳單砍半。」
你不用懂怎麼換，你只要負責問。
③ 把你重複餵的內容整理成固定的一份
公司規範、產品型錄、品牌語氣指南、常見問答——把它們整理成固定不變的一段，放在提示詞最前面，這樣才吃得到那 90% 的快取折扣。順序很重要：固定的放前面，每次變動的放後面。
④ 挑一個任務實測，別看跑分
找一件你們公司每週都要做、而且做很多次的事——客訴分類、報價單初稿、會議記錄整理都行。同一份資料，用 Luna 和 Sol 各跑 20 次，記下正確率和花掉的 token。
判準給你：如果 Luna 的正確率跟 Sol 差不到 5%，就用 Luna。 省下來的錢夠你多辦幾場內訓。
這份數據比任何官方跑分都有用，因為它是用你的真實工作算出來的。
結語
這次發表最值得記住的一句話，不是哪個模型贏了哪個。
是這個：AI 的價格正在一路往下掉，而且掉得比多數公司調整預算的速度還快。但團隊「會不會用」的進度，更沒有跟上。
工具那一側的問題，OpenAI、Google、Anthropic 他們自己會解決，而且解決得比我們想像的快。
人那一側的問題，只有你自己能解決。
「AI 變便宜一半了，那我們公司到底該從哪件事開始？」
我會把這類發布拆成「哪些能用、哪些是廠商話術」：我的電子報大約一到兩週一封 → startupforyou.substack.com
如果你是主管：我這幾年在企業裡做的，就是把「開了帳號但沒人用」變成「每天都在用」。通常是半天到一天，不教模型比較，只教你們公司每天真的在做的那幾件事怎麼交給 AI。想知道從哪件事開始，寄信到 ai@autolab.cloud，信裡寫「產業＋人數＋最想解決的一件事」就好，我會回你一個判斷。或看看 AI 顧問教練團。
關於作者
黃敬峰（AI峰哥／阿峰老師），企業 AI 實戰培訓專家，服務客戶包含國泰人壽、工研院、士林電機、中嘉寬頻、電通、城邦媒體等。聯絡方式：ai@autolab.cloud