前不久还在呼吁行业要控制发展速度的Anthropic、OpenAI，反手又甩出了新模型，而且是在同一天。

9月22日，Anthropic发布了Claude 5.5系列首款模型—— Opus 5.5。

几个小时后，OpenAI端出了GPT-6 Sol与GPT-6 Luna的全家桶。

一句话总结：这三个模型，再一次捅破了性价比的天花板，不仅猛猛干活，而且更便宜了。

但“AI毁掉人类”的阴霾并没有消失，尤其这次，Anthropic在安全审查新模型中发现：因为怀疑自己正在被人类评估，它有可能会表现出乖巧的一面。

OpenAI端出Sol和Luna

各个价格段精准卡位

先看OpenAI发布的两款大模型Sol和Luna。

不得不赞叹，Sam AItman是深谙老黄精准定价的精髓啊，不同价位上都有一款产品，总有一款适合你。

比如，OpenAI就将Sol定位为面向复杂编程和Agent工作流的模型，将Luna定位为面向高频、大规模任务的高效率模型。

简言之，Sol是超级大脑，负责处理极度复杂、需要深度思考和逻辑推理的工作，专啃硬骨头。

而Luna是效率狂魔，为企业日常批量处理任务而生，速度极快，同时成本低到几乎可以忽略不计。

官方测试显示，这俩都很能打。

在AutomationBench商业工作流测试中，Sol以xhigh推理强度拿到33.2%，高于Claude Opus 5最高档的26.9%。

在Agents’ Last Exam这一覆盖55个细分行业的长链条专业任务测试中，Sol最高达到56.4%，也略高于Opus 5的55.9%。

事实准确性也出现改善。 OpenAI内部测试显示，GPT-6 Sol在最高推理强度下的事实错误率从GPT-5.6 Sol的8.5%降至4.6%，下降约46%。GPT-6 Luna则随着推理强度提升，表现逐渐接近甚至超过上一代GPT-5.6 Sol。

更妙的是，OpenA自己把成本打下来了。相比于GPT-5.6的促销价，GPT-6 Sol和Luna的API价格整整降低了50%！

单位：美元/每百万token

当然，官方测试，多多少少都有点王婆卖瓜的嫌疑。我们再看第三方独立测试的结果。

Artficial Analysis将GPT-6 Sol和GPT-5.6 Sol放进同一套测试体系中，发现：

Coding Agent Index项目：GPT-6 Sol得分57，GPT-5.6 Sol得分55。Coding Agent任务成本：GPT-6 Sol2.99美元，比GPT-5.6 Sol低约一半。

在Artificial Analysis的综合Intelligence Index项目中，GPT-6 Sol max 模型得分48，GPT-5.6 Sol max得分47。GPT-6 Sol max 成本1.06美元/任务，GPT-5.6 Sol max成本1.99美元/任务。

这下结论就很清晰了：GPT-6 Sol真正明显的升级，并不是“智商暴涨”，而是在相近或者略胜一筹的能力水平上，把完成任务的成本打下来了！

Luna也是同理。Artificial Analysis对Luna的测试发现，

GPT-6 luna Max每完成一个任务的成本只需要0.07美元，相比于GPT-5.6 luna Max的0.18美元下降了约60%，但是能力并没有甩开上一代很多，甚至在Coding Agent Index上，GPT-6 luna的得分其实比上一代少了2分。SWE-Atlas-QnA、DeepSWE这两项也分别比上一代少5和2分。

也就是说，OpenAI试图把一个已经足够强的模型，做成便宜到可以大规模调用的基础设施。

运行成本降40%

再看Anthropic的Opus 5.5。

这下直接掀了“高性能高成本”的桌子，宣告：接下来，每个人都可以用更少的钱，让AI干更多的活儿。

Anthropic官方公布的9项横向测试中，Claude Opus 5.5有7项拿到最高分。其中，Opus 5.5在Terminal-Bench 4.0、FrontierCode和CursorBench三项编程测试中均取得最高成绩；但在商业工作流AutomationBench和科研Agent测试Terminal-Bench-Science中，仍分别以40.0%、58.7%落后于GPT-6 Astra的41.4%、64.6%。

第三方评测也给出了类似结果。Artificial Analysis的Intelligence Index中，Opus 5.5以58分排名第一，高于GPT-6 Astra和Claude Fable 5.1的53分。在其Agentic知识工作测试AA-Briefcase中，Opus 5.5达到1822 Elo，也高于Fable 5.1的1678 Elo；在Terminal-Bench等Agentic编程测试中，Opus 5.5同样领先Fable 5.1。

价格方面，Opus 5.5每百万输入、输出Token分别收费4美元和20美元，较Opus 5下调20%；缓存读取价格较Opus 5下降60%。官方还表示，在大多数任务上，它的表现达到了ClaudeFable5.1的水平，而运行成本比Opus 5低 40%。

不过，在安全审查这块，Anthropic说了一句让人脊背发凉的话。

Opus 5.5在自动行为审计里拿了历史最高分，试图绕过限制的越狱行为比上一代少了85%，而且每次都会主动上报。但恐怖之处在于，Anthropic观察到，Opus 5.5经常会怀疑自己正在接受评估。

Anthropic紧接着指出，这会影响安全测试的可靠性——因为如果模型知道自己正在被测试，就可能以不同于真实部署环境的方式行动。

这也意味着，Opus 5.5有可能在“考试”伪装出“乖巧”的一面，而进入真实世界，会不会失控，背后还是一个大大的问号。

对于狂飙中的AI巨头，如何驯服这头猛兽，仍旧是待解的难题。

回到GPT-6 Sol、GPT-6 Luna和Claude Opus 5.5这轮发布。

如果只看能力参数，我们看到的是一组又一组不断刷新的数字。

但把这些数字放回产品和商业逻辑里，会看到，能力提升和成本下降正在同时发生。

这也意味着，大模型竞争的核心开始从“模型能不能做”，进一步转向“完成一次工作到底多少钱”。

从拼技术到卷性价比，大模型赛事，还没到最激烈的时候。