GPT-5.6 降价 80% 把竞争拉进「同等智能成本」：DeepSeek V4 Flash 接招，国产模型卡出双线赛道
7 月 30 日晚，OpenAI 一刀把 GPT-5.6 Luna 的 API 价格砍掉 80%、Terra 下调 20%。这家在 2025 年还在用「订阅席位」卡企业账户的厂商，第一次把旗舰模型放进「两折价格战」赛道（36 氪报道；希鸥网同步转载）。这件事的冲击力不在于 Luna 本身便宜了多少，而在于它把 2026 年下半年的大模型竞争轴心从「智能上限」切换到了「同等智能成本」。
OpenAI 把「价格」打成主战场
按华泰证券研报口径，GPT-5.6 Luna 在 Artificial Analysis Intelligence Index 上以 51 分领跑、DeepSeek V4 Flash 0731 紧随其后拿到 50 分。换句话说，能力差距只剩 1 分。但价格侧的落差要陡得多：DeepSeek V4 Flash 的混合价格约 0.06 美元 / 百万 Token，比 Luna 低约 65%；平均任务成本约 0.03 美元，低约 57%。当「1 分智商差」和「六折单价差」摆在同张 PPT 上，企业采购的算术题几乎只有一种写法。
这一步并不是 OpenAI 自愿做慈善。2026 年 7 月微软内部要求工程师「不要最大化 token 使用」并把 Copilot 默认模型切到 GPT-5.6 Sol（CNBC 报道），意味着 OpenAI 自家最大客户已经在按 token 算账。Luna 降价是把账本压力转嫁到 API 收入上、以量补价的典型操作。
DeepSeek V4 Flash：只换后训练、权重不动的反击
DeepSeek V4 Flash 0731 之所以被关注，不是因为它换架构，而是它根本没换。V4-Flash-0731 的权重相对 V4 Flash 没有任何变化，唯一动过的是后训练流程（DeepSeek 官方更新说明）。结果就是同样的 284B/13B MoE 在 Artificial Analysis Intelligence Index 上跳了 10 分，Agent 评分打到了 V4-Pro 之上（Artificial Analysis 评估）。
这背后是一套「不烧预训练，也能在 benchmark 上抢分」的工程逻辑：当 scaling law 的边际收益递减、预训练成本已经逼近百亿人民币量级，把同一组权重换一套后训练配方往往比再训一个万亿模型划算得多。DeepSeek DSpark 在生产环境跑出 60%–85% 端到端提速（GitHub 仓库）也是同一个逻辑——把推理侧的成本极限压到和上一代预训练持平。
国产阵营的双线打法
华泰证券把目前国产开放权重模型分成两条赛道：
- 强能力上限这条线由 Kimi K3 守门。K3 以 57 分的 Intelligence Index 领跑国产开源阵营，背后是 2.8 万亿参数 MoE + Kimi Delta Attention 线性注意力（Moonshot AI 官方博客）；MoonEP/FlashKDA/AgentEnv 三个开源训练栈在 7 月底交底，把整个后训练栈开放给社区复现（GitHub 仓库）。
- 高性价比底线这条线由 DeepSeek V4 Flash 守门，0.06 美元 / 百万 Token 的混合价格直接对标 Luna，但成本低了六成多。
这两条线不是同一条线：K3 在「同等 50–57 分区段」的卡位看的是能力，V4 Flash 看的是单 token 价格。对企业来说，他们现在可以拼一个「强能力模型做规划 + 高性价比模型做执行」的混合管线，而不必再被「单一最强模型」绑架。
投资视角的两个共识
华泰证券在研报里给出的两条主线——「AI 应用」和「国产模型」——其实是同一件事的两端：
- 应用端承接 token 价格雪崩。8 月 4 日 A 股 AI 应用概念股集体异动，汉仪股份、易点天下、蓝色光标、华胜天成等多只个股涨停或涨幅超 10%（搜狐金融界报道），触发点正是 Luna 降价 80% 这条新闻。摩根士丹利邢自强把它总结为「AI 投资进入『半场休整』，从算力上游转向 AI 应用与 HALO 资源配套」（搜狐报道）。
- 国产模型端承接能力上限上探。Kimi K3、DeepSeek V4 Flash、字节正在训练的 10 万亿参数模型（Financial Times 报道）形成了一条「能力 + 规模 + 性价比」的三段防线。10 万亿参数模型一旦交付，意味着中国 LLM 正式进入与 Anthropic Mythos 5 同量级竞争。
「同等智能成本」时代的下一步
「同等智能成本」不是一个临时促销名词，它意味着 2026 下半年的大模型竞争会出现三种新的张力：
- 架构层：当 scaling law 收益递减，注意力机制多样化（线性注意力、稀疏注意力、MoE）成为降本主战场。Kimi K3 的 KDA 和 DeepSeek V4 的 CSA + HCA 都是这条线的产物。
- 训练层：后训练范式（GRPO/OPD、speculative decoding、Agentic RL）会替代预训练成为新的「能力护城河」。DSpark、CURE（arXiv 论文）等端到端推理加速方案会批量进入生产。
- 商业层：OpenAI 必须用「降价换生态密度」，DeepSeek 用「不换权重换后训练」保住利润率，而国产开放权重阵营则用「能力 + 价格」双线卡位——任何单点领先都很难撑过一个季度。
所以下一个值得盯的信号不是「谁的 benchmark 又涨了几分」，而是「谁的同等智能成本又降了一个数量级」。当 0.03 美元 / 百万 Token 的平均任务成本成为新基准，企业采购的话语权就从「模型选型」变成「管线编排」——而这正是 Kimi K3 + DeepSeek V4 Flash 这类双线产品存在的全部理由。
写在最后：OpenAI 砍价 80% 不是大模型泡沫破裂的信号，反而是泡沫从「能力估值」迁移到「能力 / 价格比估值」的信号。下一轮洗牌，看的不是谁更聪明，而是谁能在同等聪明的前提下把账算得更便宜。