一位用户前一晚用AI做了些内容。他的体会是，如今模型不但越来越贴近人的使用习惯，花费也在走低：做PPT时模型会标出哪些地方该调整，按标注提出修改要求，它便能顺着改到位。
这次他试的是GPT的Luna版本，按他自述“非常省钱”，整晚个人使用消耗不到10%。需要说明的是，这是他个人的使用感受，并不等同于公开API单价；但确实让他觉得做内容时可以多试几轮，不必每一步都死盯消耗。
GPT-Luna公开定价：输入0.10美元、输出0.50美元每百万token
公开价格方面，GPT-Luna为每百万输入token 0.10美元、输出0.50美元。OpenAI给出的说法是，这比GPT-5.6的促销价低50%——这里比较的对象是促销价，而非日常原价。
降的不只OpenAI一家。Anthropic的Opus 5.5在输入与输出两项价格上均比Opus 5低20%，官方还提到常见用法的运行成本大约能降40%。一个说的是价格，一个讲的是运行成本，统计口径并不一致，但指向同一件事：用起来越来越便宜。
国内厂商四种打法：分时计价、永久降价、订阅额度与创业赠额
国内公司的手段则各有不同。DeepSeek采用高峰与低峰分时段计价，低峰费率相当于高峰的一半；小米的MiMo公布过永久降价；MiniMax推出按月付费、附带token额度的Token Plan；智谱（Z.ai）则为通过审核的创业项目提供最高10亿token的API额度。
下调API价格、按时段计价、订阅额度、创业者赠额，这几类做法性质不同，但共同效果是压低了用户开始调用模型的门槛。同样的智能水平，价格仍存在继续下探的空间；同样的预算，能够换取的智能能力也会越来越高。
模型选择变多，但复杂任务仍有差距
以GPT-6.1为例，该用户的实际感受是，一些原先会优先交给GPT-6.1的任务，现在用价格更低的模型也能完成。不过他强调，这只能说明部分任务的可选项变多了，不能推断所有模型都已达到GPT-6.1的整体水平；在复杂任务的稳定性、工具调用以及长任务处理能力上，模型之间依旧存在差距。
推理算力扩容，是价格继续下行的前提
他认为训练成本相对稳定，推理成本则有下行趋势。原因在于推理卡会越来越多：能跑得动旧模型的存量卡可以转去做推理，新卡又会持续加入；伴随服务中心与算力中心数量增长，算力成本有望降下来。
当然，并非所有旧卡都能承载所有新模型；但部分推理任务确实不必依赖最新硬件。只有算力价格降下来，模型价格才具备继续下调的可能。
算力便宜之后，才谈得上更活跃的AI生态，AI也才真正落地成应用。到那个阶段，行业重心会从技术导向、模型导向逐步转向需求导向：模型是否聪明仍会被人拿来比较，但最终还是要回到用户究竟需要什么。
小结：价格下行不等于能力趋同
按梁宁在《真需求》中的观点，落脚点始终是用户需求，AI时代同理——先弄清用户需要什么，再看模型能否解决，需求才是最终的壁垒。
小结：GPT-Luna以输入0.10美元、输出0.50美元每百万token的定价，与Claude Opus 5.5降价20%形成同一轮降价潮，国内厂商则以分时计价、订阅额度等方式跟进。但价格走低不代表能力拉平，复杂任务稳定性与工具调用仍是分水岭；文中“消耗不到10%”只是个人体验，不构成统一额度或API计价结论。