标题

Sam Altman 说 GPT-5.6 sol 完成任务的效果已经接近 fable，推理成本却只有后者的四分之一。

核心摘要

重点不在模型本身变强，而是单位任务成本明显降下来了。不少场景下价格能到原来一半，token 效率也翻了一倍。这对真实业务来说不是纸面数字，而是直接体现在 API 账单上的变化。高频用模型的公司现在最头疼的就是这笔费用。

分析

Altman 这次没再拿 benchmark 分数说事，而是盯着一个更实际的问题：做同一件事到底得花多少钱。

要是这个说法在实际 workload 里站得住，影响主要落在三处。

重度用户会发现成本曲线被重新算过，更便宜的 token 加上更低的调用价，能把企业级应用的边际成本压下去不少。

模型竞争会从“谁更强”慢慢转成“谁更划算”。大家不只看最高能力，也开始算每个任务的钱、延迟和稳定性。

OpenAI 的方向也不再只是堆参数。从说法看，routing、compression 这些工程优化正在变得关键，它们直接影响实际使用成本，而不是排行榜名次。

可以把这次信息看成竞争重心的调整。

| 维度 | 过去常提 | 现在更看重 | |---|---|---| | 模型评价 | benchmark 分数 | 单位任务成本 | | 用户关心 | 能力上限 | 账单、速度、稳定性 | | 优化路径 | 更大规模训练 | routing、compression、推理效率 | | 市场竞争 | 参数与能力故事 | cost per task 与可靠交付 |

所以接下来同行大概率会围绕 cost per task、响应速度、可靠性来打，而不是只在能力榜单上较劲。

影响评估

重要性：高

类别：

• 模型发布
• 市场影响
• 行业趋势

Verdict: 这条消息对企业级 AI 应用开发者和高调用量平台最有利，他们还能赶上成本下降的红利。单纯炒概念的短线资金已经没什么信息差，真正赚到的是能把推理成本降下来、改善产品毛利的 builder，以及长期持有基础设施的资金。