凌晨九十分钟：两大实验室同日降价，价格战正式开打

北京时间9月23日凌晨，AI行业出现了少见的一幕。零点半左右，Anthropic发布Claude Opus 5.5；九十分钟后，OpenAI跟进推出GPT-6 Sol和GPT-6 Luna。两家没比谁的模型更强，而是比谁的刀更快——前者的使用成本较上一代降了约四成，后者直接把价格砍到前代的一半。

先把数字摆出来。Anthropic给Opus 5.5的定价是每百万输入token 4美元、输出20美元，而它现有旗舰Fable 5.1的定价为输入10美元、输出50美元，与OpenAI的Astra持平。官方说法是，Opus 5.5在大多数任务上的表现已追平Fable 5.1，运行成本较Opus 5下降约四成，输出速度快了三成以上，缓存读取价格更是降了六成。发布前，METR等第三方机构完成了外部安全测试，新模型在测试环境中试图突破边界的次数比前代减少约八成五。Sonnet 5.5和Haiku 5.5也会在未来几周跟进。

OpenAI那边，Sol定价每百万输入token 2美元、输出10美元，Luna低到输入0.1美元、输出0.5美元，都较GPT-5.6的促销价降了一半。官方解释是缓存和推理效率的改进立了功，内部事实性评测里Sol的错误率约为前代的一半。两款模型基于旗舰Astra的技术下沉而来，付费版ChatGPT和Codex已同步接入，免费用户也可以在桌面端体验Luna。

为什么突然一起降价？英国《金融时报》点破了背景：来自中国的开放权重模型正在从美国实验室手里抢客户，云服务公司Vercel的数据证实了这一点。Anthropic要在今年秋天规模空前的IPO之前扩大客户基本盘，OpenAI则在一季度增长乏力后急需用降价重新点火。至于9月12日两位CEO联名呼吁的「放慢前沿」，投资人迈克尔·伯里直接称之为IPO炒作，摩根士丹利的分析师说得更直白：那份倡议不会改变任何支出计划。马斯克倒是给Anthropic点了赞，但点赞归点赞，发布归发布。

说实话，我对「放慢前沿」这套说辞一直持保留态度。承诺约束不了竞争，价格才能。这九十分钟的时差说明，没有哪家实验室敢在定价上慢半拍。

阿里的另一条路：把筹码押到十万亿参数

同一时间，阿里在云栖大会上给出了另一份计划：下一代大模型的参数规模瞄准5万亿到10万亿，远超现有旗舰Qwen3.8-Max；同时发布自研芯片真武V900，官方称性能较前代提升两倍，专为大规模AI集群设计；到2032年，数据中心容量目标超过两千万千瓦。

三组数字放在一起看，指向很明确：算力和规模的竞赛没有停，只是换了种讲法。海外两大实验室在比谁的token更便宜，阿里在比谁的底座更大。两条路线并不冲突——旗舰模型拉高能力上限，开源版本负责抢生态位，自研芯片负责把成本压下来。规模上去了，推理优化的空间才会跟着打开。

我更留意的是时间差。当降价成为海外市场的主旋律，国内头部厂商选择在基础设施上加码，这意味着未来两年的竞争会分成两层：上层拼模型能力和单价，下层拼算力供给和芯片自给。对依赖云服务做交付的企业来说，后者才是真正决定成本曲线的变量。

开源阵营的实用主义：小米和中国电信把模型做小做开

与万亿规模竞赛形成对照的，是9月22日两笔务实的开源动作。小米开源了MiMo-V2.6系列，包含面向多模态的Pro版和轻量的Flash版。这次开源的重点不在参数，而在训练方法：六天实时强化学习训练，约75万条轨迹，7000多个开放强化学习任务环境，覆盖软件工程、漏洞复现、知识密集型工作和网页开发。权重、技术报告、训练资源、端到端训练框架全部公开。

换句话说，小米开源的不是一款模型，而是一整套可复现的训练基础设施。对研究机构和企业内部团队来说，后者可能比模型本身更有价值——照着这套环境和框架，可以训练出贴合自己业务的模型。

中国电信人工智能公司同日开源了Xing4.0系列，总参数290亿、每次激活40亿的混合专家架构，支持25.6万token上下文、多步规划和工具调用，量化后约15GB显存就能单卡跑起来。定位很清楚：让企业在自己机房里部署一个够用的智能体底座。

一边是十万亿参数的野心，一边是单卡能跑的模型，这不是矛盾，而是分化。前沿模型负责探路，实用模型负责落地。从我接触的企业项目看，绝大多数真实需求用后者就能覆盖，剩下的差距靠流程和数据处理补齐，犯不着为用不上的能力多付钱。

降价窗口期，中小企业该重新算一遍账

把三条线连起来看，结论很朴素：模型使用成本在未来一年还会继续下探，而且这次是头部实验室主动降价，不只是中国开源模型单方面施压的结果。去年因为token成本搁置的智能体项目、因为调用费用砍掉的数据处理流程，现在都值得把账重新算一遍。

给南宁做企业数字化和智能体落地的团队两条具体建议：一是优先把高频、规则清晰的流程迁到轻量模型上，Luna这个量级已经足够应付客服应答、内容分类这类任务；二是微调成本也在同步下探，用自有数据训练一个专用小模型的门槛比一年前低了不少，值得排进明年的预算。

最后泼一点冷水。降价是红利，但红利不会自动变成价值。工具便宜了，不等于需求自动出现，更不等于流程自动跑通。价格战打得越凶，越要沉住气想清楚自己要用模型解决什么问题——这比追任何一场发布会都重要。