GPT-5.6 Luna 降价 80%：重置路由层级决策的定价级联

OpenAI 于 2026 年 7 月 30 日将 GPT-5.6 Luna 定价下调 80%，同时以向后兼容的 API 变更将 Priority Processing 更名为 Fast mode。对于路由团队而言，这两项调整共同改变了驱动 GPT-5.6 全系列层级选择的成本计算逻辑——Luna 首次在价格上与中国主流模型提供商形成直接竞争。

运营影响不容忽视：若你的路由策略建立在 7 月 9 日发布时的原始 Luna 定价之上，决定何时从 Terra 回落到 Luna 的成本阈值已经位移了一个数量级。尚未重新计算的运营者，正在将流量路由到比实际需要更昂贵的层级。

每条路由策略依赖的新旧定价对比表

GPT-5.6 7 月 9 日与 7 月 30 日的定价（标准处理，每百万 token）：

以上为 https://developers.openai.com/api/docs/pricing 的原始价格。Sol 和 Terra 的长上下文输入输出适用 2× 倍率。

Sol:Luna 的输入价格比现在是 25:1（此前为 5:1），Terra:Luna 为 10:1（此前为 2.5:1）。若你的路由逻辑曾基于旧比值判断何时 Luna"足够好"，这些阈值已过时 4–5 倍。

Fast mode 取代 Priority Processing：每个代理层必须了解的 service_tier 更名

同日，OpenAI 将 Priority Processing 正式更名为 Fast mode。API 变更向后兼容，但引入了新的规范值：

// 此前：仅支持优先处理
{ "service_tier": "priority" }

// 此后：两者对 gpt-5.6 效果相同
{ "service_tier": "fast" }
{ "service_tier": "priority" }  // 仍然有效

对于 gpt-5.6-sol，Fast mode 的延迟最高比标准处理快 2.5 倍，价格为 2 倍。对于早期 GPT 模型，响应对象中的 service_tier 字段无论请求时发送 "fast" 还是 "priority"，都仍返回 "priority"——因此下游解析响应 service_tier 字段的逻辑需要同时兼容这两个值。

不更新会产生什么问题：

• 对 service_tier 值进行白名单校验的路由代理需要将 "fast" 加入白名单，否则会拒绝采用新名称的客户端请求。
• 按 service_tier 聚合的日志管道将看到历史 "priority" 事件与新 "fast" 事件分裂——两者映射到同一层级。
• Fast mode 有自身的流量爬坡速率限制：若短时间内流量超过 100 万 token，部分请求可能被降级为标准处理并按标准费率计费。响应中返回 service_tier: "default" 表示此情况发生。你的重试和计费对账逻辑应处理此场景。

跨提供商路由决策：Luna vs DeepSeek V4 Flash vs Qwen

这是只有路由器才能看到的视角：Luna 在 $0.20/$1.20 的价格下，首次进入与中国主流模型相同的成本区间。

撰写本文时各模型的参考定价（每百万 token，输入/输出）：

Luna 与 DeepSeek V4 Flash 的成本差距已缩小至 1.25–1.5 倍，与 Qwen-Plus 相差 1.5–2 倍——这还未计及区域延迟、合规要求和各提供商可靠性差异。对于全球路由的团队，这将 Luna 的定位从"溢价国内选项"转变为"高吞吐量工作负载的价格竞争选手"，尤其适合需要 OpenAI API 语义或 OpenAI 基础设施数据驻留的场景。

TheRouter 此前关于 GPT-5.6 发布的文章已建立了 Sol、Terra、Luna 的路由策略。该框架依然适用，变化的是驱动层级选择的输入数据：Luna 不再是比 Sol 低 5 倍成本的备选——现在是低 25 倍成本。

今天需要更新路由配置的三件事

1. 重新计算层级阈值。 任何基于成本阈值将请求路由至 Terra、以 Luna 为备选的规则都需要重新验证。Luna:Terra 的输入成本比现在是 10:1，而非 2.5:1。

2. 将 "fast" 加入 service_tier 白名单。 若你的 gateway 校验或记录 service_tier 值，需将 "fast" 与 "priority" 和 "default" 并列加入。在聚合和计费逻辑中将两者视为同义词。

3. 监控 Fast mode 爬坡降级。 对来自 Fast mode 请求的 service_tier: "default" 响应实现处理逻辑。这不是失败——而是一个计费事件：该请求以标准速度处理，应按标准费率而非 Fast mode 费率计费。记录并对账。

OpenAI 的工程文章描述 Luna 在专业任务（Agents' Last Exam）上的表现超越 Fable 5，成本低约 99%。对运营者而言，真正的问题不是 Luna 是否优于 Fable 5——而是 Luna 是否已足够胜任你当前路由至 Terra 的任务，以及 10 倍的成本差异是否值得开展评估工作来确认这一点。

TheRouter 用户应关注什么

如果你通过 TheRouter 路由至 GPT-5.6 系列，请使用上述新价格更新你的模型层级选择逻辑。Luna 在 $0.20/$1.20 的价格下，对于高吞吐量 agent 工作负载而言是一次实质性的成本变化——尤其适合上下文较短、任务明确、模型主要负责执行而非规划的场景。请对照 文档 检查你的路由规则，确保层级选择条件已反映更新后的 Terra:Luna 成本比。

值得注意的是，这次降价发生在 OpenAI 内部效率改进之后。官方描述的工程路径——更高效的训练、更优化的推理服务——意味着成本下降有结构性支撑，而非临时的竞争定价策略。对于在路由层做多提供商成本优化的团队，这是一个值得建立长期 benchmark 跟踪的信号：随着模型厂商效率持续提升，各家的价格区间正在压缩，跨提供商套利空间在某些任务类型上可能会随之收窄。现在建立基于实际工作负载的评测基准，比单纯跟踪标价更能驱动长期的路由决策质量。