GPT-5.6 Luna 降价 80%，该重写的是工作流

token 便宜了，失败却没有自动变便宜。

80%。

OpenAI 在 7 月 30 日宣布，GPT-5.6 Luna 的 API 价格下调 80%，Terra 下调 20%，Sol 多了一个最高 2.5 倍速度的 Fast mode。

好家伙，这个数字很容易把人的注意力拽到账单上。输入多少钱，输出多少钱，缓存又能省多少。Excel 一拉，预算曲线往下走，老板看了很开心。

但如果你正在做 AI Agent，真正值得兴奋的不是同一套调用终于便宜了，而是以前嫌贵、不敢拆开的工作流，现在可以拆了。

以前一个 Agent 接到任务，常见做法是挑一个最强模型从头跑到尾。它读需求，翻仓库，做计划，改代码，跑测试，遇到失败再重试。能力有余量，工程上也省事。代价是每一次复制日志、搜索文件、修格式、重跑测试，都在使用同一档昂贵智能。

这次降价把另一条路推到了桌面中央。

让 Sol 负责高风险判断和规划，让 Terra 扛住日常工作，让 Luna 执行高频、边界清楚、可以验证的动作。模型不再是一个全程包办的员工，更像一支会交接的工程队。

如果只把 Luna 换进原来的单模型循环，你大概只能省下一笔 API 费。要是顺手把任务边界、路由规则、评测和兜底一起重写，Agent 的吞吐、响应和可控性才会跟着变。

这两件事，差得很远。

降价之后，任务终于可以拆得更细

Luna 的新价格是每百万输入 token 0.20 美元，缓存输入 0.02 美元，输出 1.20 美元。Terra 的新价格则是 2 美元、0.20 美元和 12 美元。

按 80% 和 20% 的官方降幅反推，Luna 调价前每百万输入和输出 token 分别是 1 美元与 6 美元，Terra 则是 2.50 美元与 15 美元。数字很直白，Luna 的边际调用成本被砍到了原来的五分之一。

图一，价格依据 OpenAI 7 月 30 日公告，新价为官方数据，旧价按官方降幅反推

这里真正有点子牛逼的地方，是很多原本被合并的动作，现在可以单独拥有一次模型调用。

需求澄清可以是一段，仓库检索可以是一段，生成补丁可以是一段，测试失败后的日志归因又是一段。过去把它们塞进一个长上下文，部分原因不是架构更优雅，而是每拆一次都要多付一次固定的延迟和调用成本。

当低价模型足够快，也支持函数调用、结构化输出、文件搜索、网页搜索、代码执行和 prompt caching，拆分的收益开始盖过编排成本。每个节点拿到更短的上下文、更窄的权限、更明确的输出格式，失败时也只重跑那一小段。

不过，便宜不等于可以乱烧。

Luna 和 Terra 的官方文档都写了，输入超过 272K token 后，整个请求的输入价格按 2 倍计，输出价格按 1.5 倍计。看到 105 万上下文窗口就把整个仓库、全部日志和十轮历史一股脑塞进去，账单依然会用自己的方式提醒你，架构偷的懒迟早要还。

所以降价后的第一项工程动作，不是把 model 字段全局替换成 gpt-5.6-luna，而是把 Agent 的任务图画出来。哪些步骤只是搬运和格式转换，哪些步骤要理解模糊需求，哪些步骤一旦判断错了会伤到数据、权限或生产环境。

任务颗粒度一变，模型路由才有地方落脚。

别按模型能力路由，要按错误代价路由

OpenAI 在公告里给了一个很实在的代码工作流例子，先让 Sol 消除不确定性并制定计划，再让 Luna 实现边界明确的改动、编写和运行测试，然后评估结果。

我很喜欢这个例子，因为它没有把最强模型摆在每一个节点上。它把最贵的智能留给最需要判断的地方。

顺着这个思路再往前一步，我更愿意把三档模型看成三层风险预算。

图二，按不确定性、错误代价和可验证性分层，而不是让一个模型包办全程

Sol 处理的是「不知道该做什么」和「做错了代价很高」。

需求里有互相冲突的约束，迁移方案会影响多个服务，权限变更可能泄露数据，或者一次改动需要在人力成本、延迟和可靠性之间做取舍，这些都不是多生成几段文本的问题。这里需要识别未知项、补齐计划、决定验证顺序。必要时再开 Fast mode，花 2 倍价格换最高 2.5 倍速度，因为等待本身已经成了成本。

Terra 处理的是「知道大概要做什么，但还有一些局部判断」。

读一份 PR 并指出风险，基于现有接口补一个常规功能，分析测试失败更像环境问题还是代码问题，把几份材料整理成可以继续执行的任务，这类工作有标准可循，又不能只靠模板。Terra 的定位正是日常工作的智能与成本平衡，它适合成为多数交互式节点的默认层。

Luna 处理的是「边界已经清楚，而且结果能自动验」。

按确定的文件列表做机械修改，根据 schema 产出结构化数据，跑 lint、单测和类型检查，提取日志字段，给候选补丁打标签，或者在后台批量处理文档。它可以使用工具，也能完成多步工作流。只要输入边界够窄、验收条件够硬，高频执行就应该尽量往 Luna 下沉。

注意，这不是把任务按「难、中、易」贴三个标签。

同一个动作放在不同环境里，风险完全不同。生成一段 SQL 在只读分析库里可能交给 Luna，到了生产写库就该先由 Sol 或 Terra 审计划，再经过权限门和人工确认。修改 README 很容易验证，修改支付重试逻辑却可能在测试全绿时仍然制造重复扣款。

真正好用的路由条件通常只有三个问题。

任务还剩多少不确定性，错误发生后能不能撤回，结果能不能被机器验证。

不确定性高，往 Sol 升。需要局部判断，交给 Terra。边界清楚又能自动验，往 Luna 降。任何一项风险跨过阈值，就别让低价成为冒险的理由。

token 单价只是标价，成功任务才是成本

很多团队的模型表格会列输入价、输出价、上下文窗口和延迟，做得很认真。然后上线一看，最便宜的模型反而烧掉更多钱。

原因不玄学。它第一次没把任务做对，重试一次。第二次格式过了，语义错了，又让上游模型补上下文。第三次工具超时，整个 Agent 从头再跑。末尾还要人工花时间检查。

一张漂亮的 token 价目表，扛不住三次重试和一次返工。

我建议把最重要的成本指标换成这一行。

cost_per_success = 模型调用 + 工具调用 + 重试 + 人工复核
                   ÷ 最终通过验收的任务数

也就是每个成功任务的成本。

这个口径会逼着路由系统面对真实结果。Luna 单次调用更便宜，但如果某类任务的通过率明显下降，就该升到 Terra。Sol 单次更贵，可它若能一次消除方案歧义，避免后面十个节点沿着错误方向狂奔，整条链路反而更省。

OpenAI 的公告其实把这件事说得很清楚，先定义结果和质量标准，再用评测找出哪里增加智能投入会改善结果，哪里用更快、更便宜的处理也能保持质量。

评测因此不能等到模型选完才补。它就是路由表的地基。

一个代码 Agent 至少要知道补丁是否能应用、编译是否通过、测试是否通过、是否触碰禁止目录、是否引入新的安全告警。一个文档 Agent 要知道字段是否齐全、引用是否能打开、事实是否来自允许的来源、摘要有没有偏离原文。没有这些验收器，Luna 的便宜只会把错误生产线开得更快。

比较稳的迁移方式，是先让候选模型影子运行，不直接影响结果。把同一批真实任务交给现有路线和新路线，记录成功率、总延迟、重试次数、人工介入率和每个成功任务的成本。等错误类型看清楚了，再逐步放量。

路由也别只写一个静态的 if model_score > x。模型自己对任务难度的判断会漂，输入长度也不是风险的好代理。更可靠的信号来自业务边界，是否涉及写操作，是否触碰隐私数据，是否缺少验收器，是否出现工具调用失败，是否连续两次没有进展。

一旦命中这些信号，就升级模型、缩小权限、补充上下文，或者把任务交回人。

这才叫兜底。

图三，Fast mode 适合等待成本高的关键判断，不适合给所有节点默认开启

Fast mode 也应该服从同一个口径。OpenAI 明确说明，它在 Sol 上最高提供 2.5 倍速度，价格是 Standard 的 2 倍，智能水平不变。

如果规划节点卡住会让后面几十个执行节点全部空等，开 Fast mode 很合理。如果只是后台批处理，没有人在等结果，花双倍价格追速度就没多少必要。

不是快就值钱，是关键路径上的快才值钱。

AI 时代，程序员更像工作流设计师

聊到这里，那个老问题也自然冒出来了。AI 时代的程序员到底需要什么特质。

我自己的判断是，纯粹把代码敲得更快，权重会继续下降。任务定义、评测意识、系统分层和风险判断会越来越贵。

任务定义决定模型拿到的是一团愿望，还是一个能执行、能验收的工作包。很多 Agent 失败不是模型不聪明，而是输入里没有完成条件，没有权限边界，没有说清楚什么不能动。程序员要会把模糊需求压成接口、约束和测试。

评测意识决定你有没有资格谈自动化。没有 grader，没有回归集，没有失败分类，团队对模型的判断只能停留在「感觉这次挺好」。厉害了，生产系统最怕的就是这种感觉。模型可以概率化，验收不能只靠心情。

系统分层决定你能不能享受到模型降价。把规划、执行、验证、恢复揉成一次调用，换模型时就会牵一发动全身。把状态、工具、权限和评测从模型里拆出来，Sol、Terra、Luna 才能像可替换部件一样各就各位。

风险判断则决定哪里绝不能追求最低价。删除数据、修改权限、触发付款、向外发送信息，这些动作的错误代价不会因为 token 便宜 80% 就跟着打折。程序员需要知道什么时候应该让系统停下来，要求更多证据，或者干脆等一个人点确认。

这话听着可能没那么热血。未来最值钱的程序员，不一定是最会跟模型聊天的人，而是最会给模型划航道的人。

罗盘是任务定义，海图是评测，舱壁是系统分层，遇到暗礁知道减速，是风险判断。

80% 的降价确实会让 API 账单变薄。但它更大的冲击，是让粗放的单模型工作流显得越来越不划算。

token 已经便宜了。

现在该轮到工作流了。