GPT-5.6降价20%-80%，旗舰智能成本四个月降13倍

[AINews] GPT-5.6价格下调20%-80%：由于GPT-5.6递归自我优化，GPT-5.4智能的成本在4个月内下降了13倍。蒸馏就是一切！

一年前，我们的一张重要“英雄图表”（最终被Demis采用）得出了一个惊人的观察：在LMSys Elo保持不变的情况下，GPT-4级别的智能在18个月内下降了1000倍。

当时，尚不清楚这些是否是“新手收益”——从未优化到优化、从补全到推理、从密集到MoE，所有低垂的果实都已摘取。又过了18个月，答案似乎是否定的：恒定级别的智能继续急剧降价。昨天，OpenAI发布了关于GPT-5.6如何优化自身服务的研究结果：1. 推理加速。

为了在同一硬件上提供更多token而不牺牲质量，OpenAI专注于几项系统性升级：自我优化：GPT-5.6 Sol被积极用于分析生产流量、调整负载均衡，并自主用OpenAI自己的Triton和Gluon语言重写生产内核。

这种自主内核优化将端到端服务成本降低了20%。

推测解码：改进了自身的草稿模型（通过设计和运行数百个架构实验，测试大小、结构和特征的变化，同时监控投机者训练过程，在出现问题时（包括硬件故障和训练不稳定）自主干预），将token生成效率提高了15%以上。

KV缓存：针对不同工作负载（主要是Codex中的Sol）优化了批处理、分片和缓存管理，以从现有硬件中提取更多推理能力。2. 智能体框架改进。

为了简化Codex和ChatGPT Work等工具中复杂的多步骤任务，OpenAI优化了其Rust编排层，以减少重复计算成本：避免上下文膨胀：工具、技能和插件仅在需要时才会出现（延迟发现），工具输出默认限制为10,000个token，以防止上下文窗口不必要地扩展。

提示词缓存：为避免重复处理相同的指令和历史记录，该框架将所有模型可见的历史记录视为仅追加。这保留了提示词前缀，使系统能够重用先前计算的数据并保持高缓存命中率。今天，他们证明了这不仅仅是理论，宣布对较小模型进行大幅降价，并推出新的2.5倍更快模式。

Sol中的5倍更快模式（尽管不是7月承诺的10倍更快的Cerebras驱动模式）：这是一条美丽的帕累托曲线——如果AA的每任务成本反映了现实世界的任务，那么OpenAI甚至击败了DeepSeek、GLM和MiniMax等开放模型，

以及Gemini Flash-Lite等专门便宜且优秀的模型。很好，但真正令人瞠目结舌的是Nicdunz的观察：GPT-5.4完整版在xhigh下得分51，正是Luna max今天的位置。GPT-5.4成本为$2.50/$15；

Luna现在成本为$0.20/$1.20。换句话说，大约四个月后，OpenAI以约十三分之一的token价格出售三月份的完整旗舰智能。

这相当于年化约2000倍，自我们上次观察以来是一个巨大的加速——但你应该对此打折，因为所有公共基准（如AA）都在一定程度上被训练，而Elo则不太容易被直接训练。

虽然领先的中国和美国开放模型（如Poolside的Laguna和Thinky的Inkling）提供完全的控制权和主权，但如果你唯一的目标是成本效益高的非微调智能，你会发现现在很难击败OpenAI。

AI新闻2026年7月29日至7月30日。我们检查了12个subreddits、544个Twitter账号，没有进一步的Discords。AINews网站允许您搜索所有过去的问题。提醒您，AINews现在是Latent Space的一部分。

您可以选择加入/退出电子邮件频率！AI Twitter回顾：OpenAI降价、框架语义和ARC-AGI-3记忆争论。OpenAI削减了GPT-5.6的价格。

6价格激进并添加了更快的Sol层级：OpenAI将GPT-5.6 Luna降价80%，Terra降价20%，同时推出Sol Fast，延迟降低最多2.5倍，价格为标准价格的2倍，且“智能无变化”，据@OpenAIDevs。

下游效应对于智能体工作流尤为显著：ChatGPT应用和Codex CLI中的自动审查正在从GPT-5.4迁移到Luna，OpenAI预计成本降低约10倍。多位观察者（包括@sama、@nicdunz和@kimmonismus）将此视为价格/性能前沿的重大转变。

OpenAI还将降价与“模型、推理栈和智能体框架”的系统级效率改进联系起来，据@OpenAIDevs。ARC-AGI-3重新强调“模型”并非整个系统：最技术性的评估讨论集中在框架设计、记忆保留和上下文压缩上。

François Chollet澄清了ARC的规则：不允许定制的基准特定框架，但如果报告了设置和成本，所有用户可用的通用API功能是可以接受的。

@kimmonismus的详细总结将Opus 5在官方半私有ARC设置上的30.2%与GPT-5.6 Sol在标准框架下的7.8%进行对比，同时指出OpenAI内部使用Responses API保留推理+压缩将Sol的公共集得分提升至38.3%。

@gneubig、@scaling01等人也赞同这一观点：长期评估越来越多地衡量完整的智能体系统——推理保留、截断策略、压缩、工具编排——而不仅仅是基础权重。

Thinking Machines的Inkling-Small和持续的开源权重推动：Inkling-Small将Inkling级能力压缩到更小的活动足迹中：Thinking Machines发布了Inkling-Small，这是一个开放权重、原生多模态MoE模型，

总参数276B，活动参数12B，定位为提供与原始Inkling相当的性能，尺寸约为四分之一。该公司表示，它联合处理音频和图像与文本，并支持在多模态设置中推理期间基于Python的图像检查，据其后续说明。

该发布立即在开放推理栈中落地：vLLM宣布第0天支持，Modal强调单B300部署，LMSYS/SGLang报告了解码吞吐量数据，Unsloth发布了本地运行/GGUF指南。

基准测试表明这是一个异常高效的编码和多模态开放模型：Artificial Analysis将Inkling-Small置于其智能指数40分——与旗舰Inkling相差一分——在Humanity's Last Exam、GPQA Diamond、

CritPt和SciCode上表现优异，尽管在某些智能体任务和事实知识上较弱。社区总结强调，较小的模型在多项编码任务上可以击败或匹配较大的Inkling，包括@kimmonismus和@mervenoyann。

开放权重、多模态输入、部署栈中的1M上下文支持以及12B活动算力的结合，使其成为该批次中实际更重要的开放发布之一。

Google的Gemini Robotics 2和具身智能的加速：Gemini Robotics 2从桌面操作扩展到全身控制和多机器人协调：Google DeepMind发布了Gemini Robotics 2，将其描述为“任何机器人的一个大脑”，演示涵盖全身人形控制、

高级灵巧性和多机器人协作。Google AI补充说，该栈包括Gemini Robotics ER 2，一个高级具身推理模型，可以观察、规划、与VLA模型协调、跟踪进度，并在多分钟任务中从失败步骤中恢复。

演示强调了非平凡的电机任务，如打结、拧灯泡、弯腰捡起物体以及协作车库清理。

实际的故事是异质性和适应性，而不仅仅是更好的演示：技术评论强调，同一个checkpoint控制多种硬件类型，据报道On-Device 2可以适应新的双臂机器人，只需不到200个示例，由@kimmonismus总结。

@Of