昨天，我们分享了GPT‑5.6如何帮助自己更高效地运行。今天，我们将这些成果转化为客户的利益，降低了GPT‑5.6 Luna（在新窗口中打开）和Terra（在新窗口中打开）的价格，并提高了API中GPT‑5.6 Sol的性能。这些更新使客户在每一美元的AI投资中获得更多，并在时间紧迫时加快进度。从今天开始，GPT‑5.6 Luna——我们最快、最实惠的模型，价格降至原来80%——而GPT‑5.6 Terra——我们针对日常工作的平衡模型，价格降至20%更低。这些对于Luna和Terra的价格下降，在使用Codex和ChatGPT Work时也反映在付费订阅的使用计数中。Luna为企业提供了一种成本效益更高的方式，以高品质处理高量工作。它可以使用工具并完成多步骤工作流，使更广泛的AI应用在规模上变得切实可行。使先进智能变得更丰盛和可负担是OpenAI使命的核心，目的是确保AGI惠及全人类。这些变化将这一承诺付诸实践。它们反映了我们模型构建、服务和应用方面多年的改进。我们还在API中引入了快速模式，替代了我们的优先处理服务。对于GPT‑5.6 Sol，快速模式现在可以提供比标准处理快2.5倍的速度，价格却是其两倍，智能水平没有变化。快速模式向后兼容：标记为优先的请求将自动使用快速模式。 智能与结果的匹配 高效使用AI始于结果。风险、错误成本、紧迫性和规模决定了智能、速度、可靠性和成本之间的平衡。这个平衡可能会在工作流的每一个步骤中有所不同。GPT‑5.6为企业优化这一方程式提供了更多空间。Luna提供了与一年前的前沿级模型相当的性能，每个任务大约6美分，速度接近九倍。在以“Agents’ Last Exam”衡量的专业工作中，Luna的每个任务成本估计比Fable 5低近99%。在实践中，企业可以定义所需的结果和质量标准，然后利用评估来确定额外智能在何处切实改善结果，以及在何处更快、更低成本的处理可以提供相同的质量。例如，一个编码工作流可能会使用Sol来解决不确定性并定义计划，然后使用Luna实施明确的变更，编写和运行测试，并评估结果。另一个工作流可能需要不同的平衡。GPT‑5.6系列扩展了这些选择的范围。企业可以在每个阶段应用最大有用智能，同时为创造的价值支付合理的价格。提供这种灵活性始于让模型背后的每一层都更高效。 我们如何推动效率边界 我们的效率优势来自于改善模型、运行这些模型的推理系统以及将它们与工具和上下文连接的智能框架。GPT‑5.6模型通过工作采取了更直接的路径。更好的路由保持了硬件的生产力，经过优化的生产软件更高效地生成令牌，更智能的上下文管理帮助代理避免重复已完成的工作。这些改进使我们能够以相同的计算完成更多有用的工作，减少每个结果所需的时间、令牌和成本。GPT‑5.6 Sol正在不断帮助我们寻找和实现下一轮的收益。在一个由人主导的过程中，Sol自主重写和优化了生产内核，设计并运行了数百个实验以提高令牌生成，并在问题出现时进行监控和干预。这项内核工作帮助将提供模型的端到端成本降低了20%，而其实验将令牌生成效率提高了超过15%。这一工作正在继续创造一个更紧密的反馈循环：随着我们模型的改善和能够更自主的工作，我们提升效率的能力加快。阅读更多关于GPT‑5.6背后的工程。 构建可扩展的计算策略 满足对丰富智能的需求需要更多的计算和更高效的计算。我们正在建立一个弹性的基础设施组合，并将每个工作负载与最佳运行它的系统相匹配。这种方法支持价格-性能曲线的两个端点。在低成本的端，新推出的Luna和Terra价格使得高量工作在更大规模上变得经济。在前沿端，快速模式通过更快的访问Sol（当响应时间重要时）为API客户提供服务。企业可以将更多的AI融入日常运营，而不牺牲它们最重要工作的速度。大规模的文档分析、客户交互分类和常规实施可以广泛经济地进行，同时复杂的Sol工作负载可以在需要时更快处理。