大模型卷完参数，开始卷价格。这一次带头降价的，是两家最不缺客户的公司。
美国时间9月22日，Anthropic发布Claude Opus 5.5。约一个半小时后，OpenAI推出GPT-6 Sol和GPT-6 Luna。
两家都把便宜当作卖点。GPT-6 Sol每百万输入、输出Token分别降至2美元和10美元，是上一代GPT-5.6 Sol的一半。OpenAI表示，新价格是长期定价，不是促销价或首发优惠价。Luna的输入价格从0.2美元降到0.1美元，输出从1.2美元降到0.5美元，最高降幅58%。Opus 5.5的输入、输出价格分别降至4美元和20美元，比Opus 5低了20%。
光降价还不够，便宜模型开始抢高价模型的活。按照两家公布的基准测试，Sol在部分任务中能以更低成本达到高价模型的表现；Opus 5.5则在多项测试中超过了Fable 5.1。
省下的还不只是单价。OpenAI改进了缓存，让模型少做重复劳动。Opus 5.5完成任务用的Token更少，算上降价，典型任务的整体成本比Opus 5低约40%。对用户来说，同样一笔预算，能做更多事。
一个是估值万亿美元、拥有最多用户的AI公司，一个是在美国企业中付费采用率最高的模型厂商。两家本不缺愿意支付高价的客户，为什么会在同一天主动降价？降价能换来用量，但能让它们持续*吗？
01.贵的模型，不再是默认选项
从这次新模型的表现看，两家公司都在让用户花更少的钱，买到过去更贵的能力。
Anthropic的Opus 5.5，主要在编程、智能体、计算机使用、数学与科学推理等方面有所提升，更擅长需要持续执行的开发任务，在整理资料、分析信息并完成报告等工作中的表现也得到改善。在Anthropic公布的9项基准测试中，Opus 5.5超过了三周前发布的Fable 5.1，标价却只有Fable 5.1的四成。Anthropic也提醒，实际使用中两者的差距比跑分显示的要小。
OpenAI的GPT-6 Sol和Luna，是把旗舰的本事下放到便宜型号。两款模型沿用了与GPT-6 Astra相似的训练方法，把Astra在专业工作、编程、计算机使用等能力带到更便宜的系列中。Sol的事实错误数量约为上代一半，编程、计算机使用测试接近或追平更高价模型。
新模型为什么没有卖得更贵？
先看这两家的产品线本身。Fable是Anthropic最贵的系列，面向复杂、需要长时间运行的任务，但企业并不太买账。企业支出管理平台Ramp的数据显示，Fable 5上线一个月后，只占企业从Anthropic购买Token的6%。
这等于承认，大多数工作用不着为最高档付费。对用户来说，一项工作如果用Opus就能做好，就没有必要再为Fable多付钱。Fable要想继续卖高价，就得证明它在最难的那部分任务上值这个差价。
OpenAI走的是分档路线，用不同档位的模型，承接不同难度的任务。Astra保留最高能力定位，Sol和Luna则承接更广泛的日常工作。比如，同一个编程任务中，复杂方案可以交给Astra，要求明确的代码修改和批量检查，就可以试试其他型号。
这样一来，最高档模型只需要在少数环节出场。Sol和Luna要争取的，是那些数量更多、反复发生的日常调用。这类任务单次价值不高，对价格却很敏感。费用降下来，企业才愿意把它们接进日常流程，长期用下去。
再看市场，企业给AI花钱越来越精打细算。
Ramp9月的报告显示，在它追踪的数据中，每百万Token的有效价格从今年3月的1.15美元降至0.68美元，半年下降41%。拉动用量增长的主要是GPT-5.6 Terra、Claude Sonnet这类标准模型。Opus、Fable、Sol等前沿模型的Token调用量占比，从8月约53%的高点回落到45%。
Ramp还提到，一些企业已经把标准模型设为公司内部的默认选项。这类模型的表现已经足够好，成本也更低。
这意味着，企业不会仅仅因为新模型能力更强，就增加预算。模型厂商需要让客户看到，同样的钱可以完成更多工作，或者同样的工作可以花更少的钱。新模型的升级，才更容易变成实际采购和使用。
更大的压力在财务上。
两家的收入都在飞速增长。据公开报道，OpenAI的年化收入8月超过400亿美元，约为去年底的两倍。Anthropic的年化收入7月底达到650亿美元，有媒体称其今年有望突破1000亿美元。两家的估值也已突破万亿美元，并都已向美国证监会秘密递交上市申请。
与此同时，OpenAI仍在大额亏损，2026年第二季度，其经营亏损从93亿美元增加到123亿美元。Anthropic虽然首次实现调整后营业利润转正，但要撑起万亿美元的估值，同样离不开持续的高增长。
两家这次降价，赌的就是用量涨得能比价格降得快。
OpenAI已经在上一代产品上尝到了甜头。OpenRouter公布的数据显示，7月27日至8月14日的折扣期内，GPT-5.6 Luna的日均Token用量达到促销前的13.8倍，Terra达到5.6倍。两款模型新增的用量份额中，约四分之三来自其他厂商。这说明，降价确实吸引了一部分用户换模型。
Anthropic的处境稍好，它要做的，是在已有的企业客户里找增量。Ramp统计的8月美国企业样本中，Anthropic的付费采用率为43.8%，高于OpenAI的39.8%。它的增长还可以来自已有客户，让原本只有部分员工使用Claude的企业，把它铺到更多部门和业务中去。Opus 5.5同时提高能力、降低成本，目标正是提高留存、扩大部署。
02.*优势，还能撑多久
降价能拉来用户，但用户能不能留下，要看模型在实际工作中好不好用，能不能持续省下时间和费用。
OpenAI和Anthropic面前的压力是，能接手这些工作的模型，越来越多了。
开源阵营里，月之暗面的Kimi K3已经展现出竞争力。今年7月发布时，它在Artificial Analysis综合智能指数中拿到57分，排名第三，在开源模型中*。在Arena的前端编程榜单上，它位列*，超过Fable 5和GPT-5.6 Sol，这也是开源模型*次登上该榜榜首。
不过，开源和闭源比的不只是跑分。
开源模型的优势在于可控。权重公开，企业可以在自己的服务器上运行，数据不出企业；同一个模型有多家推理服务商在卖，企业不会被单一供应商锁定，价格也更透明。
闭源阵营里，Grok和Muse Spark也在吸引用户尝试。
SpaceX收购Cursor后，Grok系列模型保持高频更新。Cursor手里握着大量开发者与代码、工具交互的数据，可以为训练模型提供帮助。最新的Grok 4.7在Artificial Analysis的编程智能体评测中比上一代提高9分，已超过GPT-5.6 Sol。持续更新的模型，加上Cursor已有的开发者用户，让Grok已经有了争夺编程业务的底气。
Meta则靠连续更新缩小了差距。9月发布的Muse Spark 1.3，是它五个月内第四次更新Muse Spark模型。其中公开可用的版本在Artificial Analysis综合智能得分上追平GPT-5.6 Sol，平均任务的成本还更低。这一表现，被外界视为Meta正式进入前沿阵营。
对客户来说，可以比较的对象更多了。竞争对手只要能接手其中一部分工作，就有机会分走预算。
OpenAI和Anthropic手里仍有两项筹码：已经积累的企业客户和复杂任务上的交付质量。
先看企业客户。Ramp的9月报告显示，使用开源平台的企业只占AI付费企业的6.4%，而Anthropic和OpenAI的付费采用率都在四成左右。这类平台也提供闭源模型，所以真实的开源采用率还要更低。至少到目前，开源的追赶还没有明显动摇两家的客户基础。
降价能帮两家守住这部分客户，服务用得顺手，费用又降了，企业换供应商的动力自然会减弱。但拥有客户基础只是提高了更换的门槛，企业最后去留，看的还是实际效果。
另一项筹码，是复杂任务的交付质量。处理大量文件、修改复杂代码，模型不仅要给出答案，还要完整执行要求，做出成果。高端模型如果能在这些工作中做得更稳、更快，就仍然有收费空间。
两家要守住生意，得同时做好两件事：用便宜型号留住日常调用，用高端模型的交付质量守住复杂任务。前者可以通过降价解决，后者只能靠持续提高能力。
接下来，两类玩家更有机会分走市场。
*类是手握企业入口的大厂，例如Google。它手里握着办公和云服务客户，Gemini Enterprise又能连接Google Workspace、Microsoft 365、Jira等工具和数据。企业可以把AI接入已有的文档、邮件和项目流程。
这类厂商的优势是，客户本来就在它的服务里工作，模型只要能满足日常工作需求、接入方便就可能被企业采购。
第二类是包括深度求索、阿里、智谱、月之暗面在内的开源厂商。
它们能争取两种客户。一种是调用量大、对价格敏感的业务，看重长期费用；另一种希望模型在自己内部运行，在可控的环境里运行，看重数据安全和部署方式。
过去，开源厂商要拿下这些客户，还要面临部署和信任两道关。现在，云厂商正在替它们补上这块短板。月之暗面近期和亚马逊云服务的合作，就是一条现成的路径。9月18日，亚马逊云科技在旗下大模型服务平台Bedrock接入了Kimi K3，企业不用自己部署，可以直接通过AWS调用模型，沿用平台的访问控制、加密和审计机制。
这件事的分量在于，Bedrock本身也是Claude面向企业的重要销售渠道。开源模型以同样的安全标准、同样的采购流程，把竞争摆到了Claude面前。
一边是拥有企业入口的大厂，一边是借助云平台进入企业的开源厂商。降价可以缩小价差，但要留住企业预算，两家还得在客户看重的工作上持续做得更好。
对即将上市的两家公司来说，这道题的答案，最终会体现在公开市场给它们的估值上。