OpenAI 在 2026 年 7 月 30 日調降 GPT-5.6 的 API 價格，Luna 降 80%、Terra 降 20%，Sol 維持不變。距離 GPT-5.6 在 7 月 9 日正式公開只有三週。
降價幅度大到改變了整個階層的關係。原本 Luna 的 input 單價是 Sol 的五分之一，現在是二十五分之一。更直接的影響是 Luna 的 input 價格降到 $0.20，跟三月推出的 GPT-5.4 nano 完全一樣。
降價幅度與生效範圍
新價格從 7 月 30 日起套用，單位是每 1M tokens 美元：
| 項目 | Terra 舊價 | Terra 新價 | Luna 舊價 | Luna 新價 |
|---|---|---|---|---|
| Input | $2.50 | $2.00 | $1.00 | $0.20 |
| Cached input | $0.25 | $0.20 | $0.10 | $0.02 |
| Cache write | $3.125 | $2.50 | $1.25 | $0.25 |
| Output | $15.00 | $12.00 | $6.00 | $1.20 |
| 降幅 | −20% | −80% | ||
降價是整組計費項目一起下調，不是只動檯面上的兩個數字：
- 快取讀取仍是 input 的一成：Luna 的 cached input 從 $0.10 掉到 $0.02，重複前綴大的 agent 迴圈受益比表面數字更多
- 快取寫入維持 input 的 1.25 倍：Luna 從 $1.25 降到 $0.25，30 分鐘的最短存活時間沒有變動
- 長 context 倍率照舊：input 超過 272K 的請求，整段 input 以 2 倍、output 以 1.5 倍計價。倍率不變但基數變小，Luna 的長 context 價格變成 $0.40／$1.80
- Flex 與 batch 一樣打對折：Luna 走非即時路徑是 $0.10／$0.60
- Priority 仍是 2 倍，Sol 的 $5／$30 沒有調整
換算成常見的 3：1 input／output 混合用量，Luna 的每百萬 token 平均成本從 $2.25 降到 $0.45，Terra 從 $5.63 降到 $4.50。
OpenAI 給的降價理由
官方說法是服務效率改善，用「每一塊錢買到更多智慧」來描述這次調整，具體來源是模型本身、推論系統與 agent 工具三邊的優化，讓同樣的任務用更少時間、更少 token、更少資源完成。
GPT-5.6 Sol 被拿來改寫 OpenAI 自己的生產環境 GPU kernel 與 speculative decoding，官方引用的數字是服務成本下降 20%、token 生成效率提升 15%。用自家模型優化自家推論堆疊，省下來的部分再轉成 API 價格，這個循環是這次降價的主要資金來源。
低價位這一段的競爭在 2026 上半年變得很密集，Google 的 Gemini 3.5 Flash-Lite 開在 $0.30／$2.50，DeepSeek、MiniMax 這些開放權重模型持續把純 token 成本的地板往下壓。降價後的 Luna 是 $0.20／$1.20，input 與 output 都比 Flash-Lite 低。
另一邊是企業端的成本意識。分析師 Pareekh Jain 的看法是，降價的效果不會是企業砍預算，而是讓原本卡在概念驗證的專案能推進到正式生產、把 AI 擴散到更多員工與流程。這個判斷有實際案例支撐，Uber 在 2026 年第一季就把整年的企業 AI 預算用掉。單價太高的時候，卡住的不是意願而是規模。
這個價格是不是永久的
目前的公開資訊裡，這次調整沒有被標示成促銷、限時或早鳥價，也沒有附上結束日期或適用資格。OpenAI 給的理由是效率改善而不是行銷活動，措辭指向的是結構性的成本下降。從價目表的更新方式來看，它就是新的標準價格。
不過「沒有結束日期」跟「保證不會漲回去」是兩回事。API 定價從來不是合約條款，OpenAI 過去也調整過模型的單價，GPT-5.5 世代的旗艦從 $2.50／$15 跳到 $5／$30。價格會隨世代重新排列，不會單方向下降。GPT-5.6 這一代自己就示範過一次，Luna 剛上線時的 $1／$6 比前一代 nano 的 $0.20／$1.25 貴了五倍，現在又降回同一個價位。
把降價當成現在成立的條件，而不是可以寫進三年財務模型的假設。成本結構高度依賴單一模型單價的服務，值得保留切換階層或切換供應商的彈性，這件事在降價前後都一樣重要。
Luna 與 GPT-5.4 nano 同價之後
GPT-5.6 這一代只有 Sol、Terra、Luna 三個階層，沒有推出對應的 mini 與 nano。想用更便宜的模型，選項是留在 GPT-5.4 世代的 mini 與 nano，這兩個模型目前還在價目表上，沒有下架時程。
降價之後的對照是這樣：
| 模型 | Input | Cached input | Output | Context |
|---|---|---|---|---|
| GPT-5.6 Luna | $0.20 | $0.02 | $1.20 | 1.05M |
| GPT-5.4 mini | $0.75 | $0.075 | $4.50 | 400K |
| GPT-5.4 nano | $0.20 | $0.02 | $1.25 | 400K |
Luna 與 nano 的 input 與 cached input 完全相同，output 便宜 $0.05，context window 是 nano 的 2.6 倍。價格沒有一項比較貴，能力則是不同世代的差距。
mini 的處境更明確。它現在的 input 是 Luna 的 3.75 倍、output 也是 3.75 倍，而在 llm-stats 蒐集的六項評測（GDPval-AA、GPQA、MMMU-Pro、MRCR v2 8-needle、SWE-Bench Pro、Toolathlon）裡，mini 沒有一項贏過 Luna，數學類的平均差距是 21.7 對 73.6。貴將近四倍又全面落後，很難再找到選它的理由。
nano 還剩下的空間在延遲與相容性，不在價格。nano 的參數規模小，首個 token 的回應時間比 Luna 短，即時性要求高到以毫秒計較時仍然有差別。已經在跑的流程如果穩定、輸入長度也吃不到 400K，維持不動同樣是合理的選擇，換模型要重跑一次回歸測試與 prompt 調校，這個成本不會出現在價目表上。
反過來說，只要工作內容牽涉到推理、工具呼叫或長一點的輸入，繼續留在 mini 與 nano 就是用同樣的錢買比較差的結果。
Terra、Luna 與舊世代小模型的能力差距
三個階層的規格本來就一樣，context window 都是 1.05M、max output 都是 128K、知識截止都是 2026-02-16，差別在能力與單價。公開的評測數字如下：
| 評測 | Sol | Terra | Luna |
|---|---|---|---|
| Coding Agent Index | 80 | 77.4 | 74.6 |
| Terminal-Bench 2.1 | 88.8% | 87.4% | 84.7% |
| Agents’ Last Exam | 53.6 | 50.4 | 50.3 |
| MRCR v2 8-needle（256K–512K） | 91.5% | 89.6% | 41.3% |
| Input $／1M | $5.00 | $2.00 | $0.20 |
Coding Agent Index 上 Luna 是 74.6、Sol 是 80，差距 6.8%，但單價差 25 倍。Terminal-Bench 差 4.6%，Agents’ Last Exam 上 Terra 與 Luna 幾乎並列。以每分能力的成本來看，Luna 降價後的性價比跟同代的另外兩個階層已經不在同一個量級。
比較明顯的弱項是長 context 檢索。MRCR v2 8-needle 這項評測要在長文裡撈出散布的多個目標，Luna 在 256K 以上只有 41.3%，Sol 與 Terra 都在 89% 以上。Luna 的 context window 雖然標到 1.05M，塞得進去不等於找得到，超過二十幾萬 token 還要精確引用細節的工作，省下來的錢會用漏抓的資訊還回去。
因此可用的分工是：需要跨長文精確檢索的留在 Terra 或 Sol，其餘高流量、輸入不長的工作往 Luna 移。
Codex 使用者的影響與選擇
Codex 是 OpenAI 的程式開發助手，用訂閱制的 credits 計費而不是照 token 收錢。這次降價沒有調整方案價格，也沒有調高用量上限，變的是同樣的工作消耗的 credits 變少，換算下來原本的額度可以用更久。
各方案能挑的階層維持原樣：Free 與 Go 只有 Terra，Plus、Pro、Business、Enterprise 可以在 Terra 與 Luna 之間切換。切換方式沒有變動：
# 啟動時直接指定階層
codex -m gpt-5.6-luna "把這批函式補上 docstring"
# 互動中切回日常主力
/model gpt-5.6-terra實務上的變化在切換的門檻。降價前 Terra 與 Luna 的 credit 消耗差 2.5 倍，為了省這個幅度而切階層、又要承擔能力下降，多數情況划不來，實際上多數人一直停在 Terra。降價後兩者的差距拉到 10 倍，同一份額度在 Luna 上能跑的回合數變成十倍，切換就有了實際意義。
建議的分工是：
- Terra 當日常主力：需要讀懂既有架構、跨檔案修改、判斷該動哪裡的工作
- Luna 接量大而重複的工作：補 docstring、寫測試樣板、批次改名、格式整理、subagent 委派出去的子任務。這類工作降價後幾乎不必再算成本
- 長專案的全文檢索仍留 Terra：Codex 端的 context window 是 272K，這已經進到 Luna 長 context 檢索表現轉弱的區間
自動核准的迴圈也值得重新評估。Luna 上的自動核准成本大約降到原本的十分之一，原本因為 credits 消耗過快而手動確認每一步的流程，可以放寬一點讓 agent 連續執行更多動作。
另外要提醒的是，官方沒有公布新的 credit 換算表，上面的十倍差距是照 API 單價比例推算的。實際的消耗速度以帳號內的用量頁面為準。
API 使用者的影響與選擇
這一節適用於直接呼叫 API 或 SDK 的開發者。新價格自動套用在既有的請求上，不需要改程式碼、不需要換模型 ID、不需要重新申請。
值得重新評估的三種流程
- 還跑在 GPT-5.4 mini 上的工作：換成 Luna 帳單會降到約四分之一，能力還往上跳一代。改動只有模型 ID，需要的是一次回歸測試
- 因為成本而被迫拆小的任務：過去為了省錢先用便宜模型過濾、再送貴模型精修的兩段式流程，現在可以評估直接讓 Luna 一次做完。少一段流程等於少一組要維護的 prompt 與錯誤處理
- 本來就在 Terra 的高量工作：分類、抽取、摘要、路由這類不太吃推理深度的任務，降到 Luna 的成本差距是 10 倍，值得抓一組實際樣本比對品質再決定
不建議跟著搬的情況
降價不是換模型的充分理由。以下幾種情況維持原樣比較安全：
- 輸入長度經常超過 250K 又要精確引用：Luna 在 MRCR v2 8-needle 只有 41.3%，這類工作省下的錢會被漏抓的內容抵銷
- 成本占比本來就很低：一個月幾十塊美元的 API 帳單，省八成也只是幾十塊，換模型的驗證工時更貴
- prompt 已經針對特定模型調到很緊：few-shot 範例、輸出格式的約束、工具描述的措辭都會影響結果，換階層等於重跑一次調校
配合降價一起調整的計費設定
單價降低會改變一些原本的最佳化取捨：
- prompt cache 的效益方向不變：快取讀取仍是 input 的一成，Luna 的 $0.02 讓長系統提示的重複成本接近可以忽略。快取寫入是 1.25 倍，命中率太低的話仍然會倒賠，這個判斷標準沒有因為降價而改變
- batch 與 flex 的相對價值下降：Luna 走非即時路徑省下的絕對金額從每百萬 token 幾塊錢變成幾毛錢，為了對折而接受延遲與排隊，划算程度不如以前
- 272K 這條線的影響變大：倍率沒變，超過就是整段 input 兩倍計價。Luna 的基數小不代表可以忽略，高流量下 2 倍就是 2 倍
Sol 的原價與新增的 Fast mode
這一節同樣是 API 端的變動。旗艦的 $5／$30 這次沒有調整，換來的是新的 Fast mode，用 2 倍價格換最高約 2.5 倍的速度，取代原本的 Priority Processing。模型的能力不變，變的只有回應速度。
這個組合看得出這次調整的邏輯：高流量那端用降價擴大使用規模，旗艦那端則把速度包成可選的加價項目。對延遲不敏感的批次工作來說，Fast mode 沒有必要開；使用者在畫面前等回應的互動場景才值得評估，而且只需要開在那條路徑上，不必整個服務都升級。
常見問題
降價要不要重新申請或改設定
不用。新價格 7 月 30 日起自動套用在既有的 API 請求上，Codex 與 ChatGPT Work 的用量計算也同步反映，帳號端沒有需要動的開關。
GPT-5.4 mini 與 nano 會不會下架
目前沒有公布下架時程，兩個模型都還在價目表上。要注意的是帶日期的舊快照版本另有退場安排，被列入退役清單的 gpt-5-mini-2025-08-07 與 gpt-5-nano-2025-08-07 在 2026 年 12 月 10 日關閉 API 存取，官方建議的接續版本正是 gpt-5.4-mini 與 gpt-5.4-nano。把模型 ID 釘在特定快照上的專案，值得趁這次檢查一下。
ChatGPT 訂閱的價格有變嗎
沒有。這次調整的是 API 的 token 單價，ChatGPT 各方案的月費與用量上限都維持原樣。一般對話選不到 Terra 與 Luna，檔位背後跑的是 Sol，要自己挑階層得走 ChatGPT Work、Codex 或 API。
Luna 現在是不是比 Gemini 3.5 Flash-Lite 便宜
以價目表單價來說是。Flash-Lite 是 $0.30／$2.50，Luna 降價後是 $0.20／$1.20，兩項都比較低。不過實際帳單還受推理 token 用量、快取命中率與各家計費規則影響，同一份工作在不同模型上消耗的 token 數不一定接近，決定搬家之前用實際樣本各跑一輪比較準。
為什麼 Terra 只降 20%
官方沒有拆解各階層的成本結構。從結果推測，Luna 這一段面對的是價格競爭相對激烈的區間，需要靠幅度拉開差距；Terra 的定位是日常主力，本來就有能力上的優勢，20% 已經足以維持吸引力。這次調整之後 Sol 與 Terra 的價差從 2 倍變成 2.5 倍，Terra 的相對划算程度也跟著上升。
參考資料
- Advancing the price-performance frontier with GPT-5.6 — OpenAI 官方公告
- OpenAI drops GPT-5.6 Luna and Terra API prices by up to 80% — InfoWorld
- OpenAI cuts prices for two of its GPT-5.6 AI models — CNBC
- AI price wars: OpenAI cuts GPT-5.6 Luna prices by 80% — VentureBeat
- GPT-5.6 Terra & Luna Price Cuts — 完整計費項目對照
- GPT-5.6 Sol vs Terra vs Luna — 三階層評測與選用建議
GPT-5.6 三個階層的完整規格、命名邏輯與 API 端的新功能，在 GPT-5.6 發表｜Sol、Terra、Luna 三階齊發 有更詳細的整理。