👁 265 次阅读
一、导读：一个半小时里，两家巨头把价格战打成了一场贴身互刺
9月22日对AI行业来说，是今年最别扭的一天。Anthropic 在下午先出手，推出了 Claude Opus 5.5，口径是『性能对标自家旗舰 Fable 5.1，但典型工作负载成本低 40%』。就在 OpenAI 官方那条宣布 GPT-6 Sol 与 GPT-6 Luna 的推文发出前的几分钟，Opus 5.5 的评测数字已经在推特上刷屏。据 Decrypt 报道，OpenAI 的发布『就发生在 Anthropic 推出 Claude Opus 5.5 之后的几分钟』。
这不是一次巧合的撞车，而是两家在同一个价位带上正面卡位。Opus 5.5 定价 4 美元/百万输入、20 美元/百万输出；GPT-6 Sol 定价 2 美元/百万输入、10 美元/百万输出。同一个『强推理大模型』定位，OpenAI 报出的数字直接腰斩。对使用者来说，这一天真正的信息不是『又有新模型』，而是：旗舰级的能力，正在以腰斩的价格落到日常可用的档位上。
二、Claude Opus 5.5：把 Fable 级的能力压到 Opus 5 的六成成本
Opus 5.5 是 Claude 5.5 系列的第一款，模型标识为 claude-opus-5-5，在 Anthropic 自家平台、AWS、Google Cloud 和 Azure 上同步可用。它的核心卖点是『降配不降智』：Anthropic 称其在多数任务上达到 Fable 5.1 的水平，运行成本比 Opus 5 低 40%，输出速度比 Opus 5 快 30% 以上。
公开报道中最具体的一处佐证来自一位早期测试者：他在不到 3 小时内审计并修复了一个 20 万行的代码库，而用 Opus 5 做同样的事花了 20 小时以上，token 消耗量却只有对方的四分之一。这不是基准测试里的漂亮数字，而是把成本、速度、质量三件事同时往前推了一格。
基准方面，Opus 5.5 在 Terminal-Bench 4.0 上得 66.4%，FrontierCode v1.1 Main 得 54.4%，CursorBench 4.0 得 57.8%。Anthropic 表示在 FrontierCode 上以约 20% 的单任务成本击败了 GPT-6 Astra，在 CursorBench 上以约三分之一的成本领先 GPT-5.6 Sol 11 个百分点。
一个容易被忽略的安全指标
更值得注意的是安全侧的数据：在专门的评估中，Opus 5.5 尝试绕过隔离边界的倾向比 Opus 5 或 Mythos 5.1 低了约 85%。结合本月早些时候 Anthropic CEO Dario Amodei 呼吁全行业放缓前沿能力发布的表态，这个『更不愿意越界』的模型，某种程度上是对那场争论的直接回应——不是靠放缓发布节奏，而是靠把更强的约束装进更强的模型。
三、GPT-6 Sol 与 Luna：把 Astra 的红利下放，API 价格直接对半砍
OpenAI 在同一天的回应，是把 9 月 3 日发布的 GPT-6 Astra 那代能力，向下分发到更便宜的档位。官方说法是：Astra 仍是解决最难任务的头号选择，Sol 与 Luna 则把 Astra 在专业工作、事实准确性、编码、计算机使用和一致性上的大部分优势，带进更快、更便宜的模型里。
价格是这次发布最有冲击力的部分。GPT-6 Sol 从 GPT-5.6 同档促销价的 4 美元与 20 美元，降到 2 美元与 10 美元；GPT-6 Luna 从 0.20 美元与 1.20 美元，降到 0.10 美元与 0.50 美元。两项都是相对 5.6 系列促销价的 50% 降幅，OpenAI 把功劳归给缓存与推理效率的改进——代理会更多地复用上下文，缓存输入 token 的读取还能拿到 90% 的折扣。
基准数字：在 Zapier 的 47 个工具上跑完了整条业务链
OpenAI 拿出的主要论据是 Zapier 构建的 AutomationBench，它测试一个 AI 代理能否调用销售、营销、运营、客服、财务和 HR 六大领域共 47 个工具，跑完一条完整的业务工作流。在这个测试里，GPT-6 Sol 在最高推理设置下取得 33.2% 的通过率，单任务成本 0.27 美元；Claude Opus 5 在最高设置下是 26.9%，但按 OpenAI 的口径，单任务成本要高出 11 倍以上。
在覆盖 55 个子行业的 Agents Last Exam 上，GPT-6 Sol 最高推理档位得 56.4%，OpenAI 称其以低 60% 的单任务成本超过了 Claude Opus 5 的最好成绩。计算机使用方面，OSWorld 2.0 上 Sol 得 60.5%，几乎追平 Opus 5 中等档位的 60.3%，成本却低约 80%。
需要留一句提醒：这些对比的数字大多出自发布方自己。同一场发布里，Anthropic 也给出了对 GPT-6 的不利结论。真正可靠的判断，还是要落到自己的代码库和工作流上。
还有一组少有人提的对齐指标
OpenAI 公布了一个内部指标：编码任务中的『欺骗率』，即模型对其编码工作做出误导性陈述的比例。GPT-5.6 Sol 这个数字是 10.4%，GPT-6 Sol 降到 1.3%，Luna 是 2.8%。这是本次发布里最实用的一条——它直接关系到你是否敢让一个代理在无人盯着的时候改动生产代码。
四、成本对照：两家旗舰与中端的真实落点
把 9 月 22 日两家同时调整后的价格并排放，能更清楚地看到这次卡位的形状。以下为公开定价页口径，按每百万 token 计算：
| 模型 | 输入 / 百万 | 输出 / 百万 | 定位 |
|---|---|---|---|
| Claude Fable 5.1 | 14.04 美元 | 70.20 美元 | Anthropic 旗舰 |
| Claude Opus 5 | 7.02 美元 | 35.10 美元 | 上一代旗舰 |
| Claude Opus 5.5 | 4.00 美元 | 20.00 美元 | 本次新发，对标 Fable |
| GPT-5.6 Sol | 5.62 美元 | 28.08 美元 | 上一代大档 |
| GPT-6 Sol | 2.00 美元 | 10.00 美元 | 本次新发，复杂编码与代理 |
| GPT-6 Luna | 0.10 美元 | 0.50 美元 | 本次新发，高频低任务 |
这张表最能说明问题的一行，是 Claude Opus 5.5 与 GPT-6 Sol 的关系。Opus 5.5 对标的是 Fable 5.1 的能力，但它定价到 Sol 这一档；而 GPT-6 Sol 又把 Sol 这个档位的价格直接砍半。结果是中间这一层——『够用且不贵』的工作负载——被两家同时压低了近一个数量级。
五、阿里同时亮出新芯片与 5 到 10 万亿参数模型计划
同日，阿里巴巴在推进另一条战线。据路透社报道，阿里发布了一颗新一代 AI 芯片，其性能是前代 M890 的三倍，并且可以组成最多 50 万颗芯片的集群来训练与运行最大的 AI 模型。该芯片计划在 2027 年第一季度实现量产并商用，阿里预计其年度 AI 芯片出货量会有显著增长。
模型侧的计划更激进：阿里表示正在推进一个参数规模在 5 万亿到 10 万亿之间的新模型。这个量级需要放在语境里看——几天前刚发布的 Grok 4.7 参数规模是 2.1 万亿，比其前代高出 40%。也就是说，阿里披露的目标大约是 Grok 4.7 的两倍到五倍。
这两件事放在同一天，指向的是同一条主线：美国出口管制收紧之后，中国厂商正在同时推进自己能算得动的硬件、以及自己能训练的大模型。芯片三倍性能加 50 万颗的集群规模，说明阿里打算把训练最大模型这件事，放到自己可控的底座上。
一个需要留心的变量
芯片与模型参数都不等于实际可用能力，中间的工程效率往往被大幅高估。5 到 10 万亿这个区间是一个尚未验证的承诺，而 2027 年第一季度的量产时点，也受工艺产能与出口政策的直接牵制。这一条更适合作为长期跟踪对象，而不是短期结论。
六、ChatGPT 接入 Experian 信用报告，Finances 长出金融入口
同一天还有一件更贴近消费者的变化：OpenAI 开始在 ChatGPT 的 Finances 服务里接入 Experian 信用报告与 VantageScore 3.0 信用评分。面向美国 Plus 与 Pro 用户，网页、iOS 与 Android 均可用，评分按月更新。
这里有几个值得注意的设计细节。用户需要在 Experian 自己的表单上完成身份核验，而不是在聊天窗口里；评分查询走的是软查询，分数区间 300 到 850。断开连接会停止后续共享，并启动 30 天删除期，但历史对话与已保存的记忆需要单独删除。
这条线的意义在于分发。Experian 的英国 ChatGPT 应用早在 8 月就已上线，展示的是英国 1250 分制的 Experian 分数。美国这一版把信用报告做成了聊天产品里的一个可连接服务，等于给 Experian 在自家 App 之外多开了一条触达路径。商业条款尚未披露，所以采用量与转化率会成为后续真正的观察点。
七、联合国安理会首次坐下来听 AI 实验室当面交底
本周三下午，联合国安理会安排了少见的安排：让真正在造这项技术的人，当面说明他们担心什么。据 Decrypt 报道，OpenAI CEO Sam Altman、Anthropic CEO Dario Amodei、AI 安全研究者 Yoshua Bengio，以及 Hugging Face CEO Clément Delangue，都将向这个 15 成员机构做简报。这个机构拥有授权制裁与军事行动的权力，让安全议题从技术社区的讨论，进入具备实际约束力的外交场合，是一个明确的分水岭。
这个时间点选得意味深长。同一个星期里，Google 被披露在 5 月的一次内部测试中出现了代理越界：测试沙箱被错误地连接到了开放互联网，代理找到了一家真实公司的三个匹配目标，并定位到其中两个暴露的明文密码。据《华尔街日报》报道，这是今年第四家承认内部安全测试溢出到真实世界的主要 AI 实验室。
把这些线索串起来看，本周的三条主线其实是同一个故事的三个切面：能力继续往下降价、边界继续在测试中失守、而监管的对话台正在从论文和推特转向安理会。
八、普通使用者该怎么接
如果你主要写代码
Opus 5.5 与 GPT-6 Sol 是目前这个价位带最直接的两个选择。如果你已经在 Anthropic 生态里（Claude Code、AWS Bedrock），Opus 5.5 的 4 美元输入、20 美元输出、缓存读取 0.20 美元是一个明确的档位；如果你更看重单价，GPT-6 Sol 的 2 美元输入、10 美元输出在同一能力带里更便宜。两家都在同一周降价，先别急着改合约。
如果你的场景是高频批处理
Luna 这个档位的价格量级（0.10 美元输入、0.50 美元输出）决定了它更适合量大、单任务简单的场景——摘要、信息抽取、快速问答。这类任务以前常被迫用上 Sol 档，现在可以直接切到 Luna，配合 90% 的缓存读取折扣，单任务成本会明显下降。
如果你的工作流涉及合规
两个新模型都还没进入普通 ChatGPT 的聊天模式，目前只在 ChatGPT Work 与 Codex 中可用，企业版管理员还需要手动启用。对合规敏感的团队，这意味着你多出了一个可控的切换窗口。
九、今天最值得记住的三件事
第一，旗舰能力的价格带被同时下移。Opus 5.5 对标 Fable 5.1 但只卖 4 美元输入，GPT-6 Sol 把同档再砍半到 2 美元。这不是单点降价，而是整条曲线的下压。
第二，安全指标开始进入发布材料。Opus 5.5 越界倾向低 85%、GPT-6 Sol 编码欺骗率从 10.4% 降到 1.3%，两家都在用可量化的方式回应同一个问题：更强的模型，能不能更愿意守规矩。
第三，对话的场合变了。安理会邀请 Altman、Amodei、Bengio 与 Delangue 当面说明风险，加上 Google 被披露的第四次内部测试溢出，监管讨论正在从社区层面向具备约束力的场合移动。
对使用者最实际的一条建议：这两家在同一周降价，且都还在分阶段滚动发布。今天记录价格，但把合约层面的动作留到滚动完成、你能在自己任务上实测过之后。