古董级程序员大厂出来后一直在创业公司现在仍在一线做 AI 相关开发。这个专栏补的是 AI 时代程序员容易忽略的硬底座这篇从账单出发把模型路由这件事讲成一道成本工程题。2026 年 7 月 30 日OpenAI 调整 GPT-5.6 系列 API 价格轻量级 Luna 输入从每百万 token 1 美元降到 0.2 美元降 80%输出从 6 美元降到 1.2 美元均衡档 Terra 输入从 2.5 美元降到 2 美元、输出从 15 美元降到 12 美元降 20%旗舰 Sol 不降价但新增 Fast 模式处理速度最高 2.5 倍、收费 2 倍。到 8 月初OpenAI 宣布月活用户破 10 亿、企业客户 200 万。对写代码的人来说这条新闻值得拆成两件事看一是同一个任务用哪档模型成本差一个数量级这是路由问题二是单价越便宜总需求反而可能越大这是杰文斯悖论。这篇先把第一件事做成能复算的账本再讲第二件事为什么影响你的架构判断。先摆价格三档模型不是三个版本是三条产品线模型定位输入每百万 token输出每百万 token本次调整Luna高频、低延迟、量大$0.20$1.20降 80%Terra均衡日常负载约 GPT-5.5 性能、一半成本$2.00$12.00降 20%Sol旗舰推理、复杂编码与科学计算约 $5未变约 $30未变新增 2.5x Fast 模式收费 2 倍注意 Sol/Terra/Luna 是三条各自迭代的产品线不是同一个模型的“大中小杯”。OpenAI 的意图是让每个档位按自己的节奏升级价格锚定的是使用场景而不是版本号。这对工程选型是好事你可以把“精度”和“成本”解耦按任务特性路由。成本模型两行公式先算清楚再选型一个 API 调用的成本由输入和输出分开计价单次成本 输入 token × 输入单价 输出 token × 输出单价真实账单通常还要乘上重试次数Agent 场景还要把每一轮重发的上下文算进去Codex 这类 Agent 每轮都会重发整个上下文缓存命中率直接决定真实单价——我们之前跑 deepseek-v4-flash 时缓存命中 94%靠的就是这个。先把不命中缓存的基准算明白再把缓存当作折扣项。拿一个月 5000 万输入 token、1000 万输出 token 的固定流量算模型月成本降价后相对 LunaLuna50 × 0.2 10 × 1.2 $221xTerra50 × 2 10 × 12 $22010xSol50 × 5 10 × 30 $55025x同一个流量Luna 和 Sol 相差 25 倍。放到 Agent 场景更直观一次典型步骤 6 万 token 上下文进、3000 token 计划补丁出Luna 约 1.6 美分Terra 约 15.6 美分Sol 约 39 美分。一天一千个步骤Luna 16 美元Terra 156 美元。选错档位的代价是按天计而不是按月计。路由决策按任务特性分流而不是按模型名气路由不是“贵的模型永远更好”。同一个任务能不能被便宜模型高质量完成取决于任务的可验证性和失败代价任务特性建议档位理由复杂重构、跨模块设计、高风险变更Sol一步到位比十轮返工便宜错误直接进主干日常 CRUD、单文件改动、有测试兜底Terra性价比均衡约 5.5 级性能半价批量分类、抽取、重试次数多的任务Luna量大、可重试、失败代价低单价决定总成本需要 2.5 倍速的交互/同步场景Sol Fast延迟敏感才值得付两倍价伪代码可以这样写def route(task: Task) - str: if task.requires_deep_reasoning or task.failure_cost high: return sol if task.is_batch or task.retryable: return luna return terra真正的路由逻辑不会只有三行但核心判断就两个问题这一步错了会怎样以及这一步能重试多少次。能重试的交给便宜的不能重试的交给贵的其余按延迟要求排。失败场景账单爆炸的三个典型写法无上限重试把 Luna 用在抽取任务上解析失败就重试 3 次等于把 4 倍成本写进代码。重试要带退避、上限和降级。上下文重发不看缓存Agent 每轮重发 10 万 token 上下文不命中缓存时Luna 每轮光上下文就 2 美分一万轮就是 200 美元。路由之前先确认 API 的缓存输入档位和命中率。全员 Sol团队习惯性把复杂任务默认给旗舰模型账单按 25 倍跑。先用 Terra 跑通、用测试兜底只有测试证明 Terra 不够才升级。验收清单部署前逐条勾每个调用点标注了预期模型档位而不是全局默认重试有上限、退避和降级路径输入/输出 token 有埋点月账单可以按任务类型拆分批量任务先在小样本上对比 Luna 与 Terra 的质量差异缓存命中率进入监控指标低于阈值报警杰文斯悖论单价下降为什么会让总需求上升接下来是产业层面。摩根士丹利 8 月 3 日发布报告《开放权重模型与三种未来情景》核心观点是开放权重模型不会削弱 AI 算力需求反而可能推高总需求。这正是不懂经济学的人容易反直觉的地方——杰文斯悖论19 世纪经济学家威廉·斯坦利·杰文斯发现瓦特改良蒸汽机让煤炭效率大幅提升后煤炭总消耗不降反升因为更便宜的能源催生了更多用途。同样的逻辑套在 token 上单次推理变便宜企业会把 AI 塞进更多任务——日志分类、客服首响、代码预检、数据清洗、边缘设备——每个新用途都产生新的 token 和算力需求。摩根士丹利特别强调两点开放权重不等于开源许可证和再分发规则完全不同开放权重也不等于免费运行它仍需 GPU、电力和运维。所以“开源模型便宜 → 闭源完蛋”是错误推论更准确的推论是“便宜 → 普及 → 总用量上升”。同期的数字在互相印证微软、亚马逊、谷歌、Meta 四家 2026 年合计 AI 基础设施投入约 7000 亿美元中信证券 8 月 4 日也判断开源模型能力提升带来“智能平权”和“Token 平价”。DeepSeek V4-Flash 免费、Meta Muse Code 贡献者档输出 0.2 美元/百万 token——闭源厂商的降价不是慈善是在给整个市场“以价换量”赌的是杰文斯悖论在自己这边成立。对程序员的两条判断第一条模型路由会成为新的基本功。就像早年开发要懂缓存和索引一样现在每个 AI 功能上线前都要回答“为什么用这个模型、贵在哪、错了会怎样”。这不是选型洁癖是成本工程。第二条别因为单价降了就放松用量管理。杰文斯悖论的工程版是token 便宜到一定程度团队会忍不住把一切任务都交给 LLM然后总账单和延迟预算一起失控。降价放大了“用量管理”的重要性而不是取消了它。架构上值得做的动作是给模型调用加配额、把批量任务和交互任务分流、让便宜模型成为默认、让贵模型成为例外。观察点放在三件事上Sol 维持原价但新增 2.5x Fast 模式说明高端推理和低延迟需求仍然稀缺开放权重模型的“Token 平价”会继续挤压闭源入门档以及——当 Luna 和 DeepSeek V4-Flash 都便宜到可以忽略单价时真正决定账单的变量就只剩缓存命中率和重试次数了。