我们听到企业对人工智能成本的担忧，5.6 sol 是每任务美元的巨大进步，terra 和 luna 也是如此

一句话看懂：OpenAI CEO Sam Altman 于 2026 年 7 月 9 日透露，企业客户反馈 AI 推理成本过高，为此团队在推理效率上取得突破——以“5.6 sol”为单位的每任务成本（美元）大幅下降，同时新模型 terra 和 luna 也显著降低了单位任务的算力开支。

事件核心：发生了什么

Sam Altman 在 X 平台上直接回应企业客户对 AI 成本的担忧。他指出，当前推理成本的优化方向是“每任务美元”（dollars-per-task），而新引入的算力计量单位“5.6 sol”代表着在该指标上的巨大进步。同时，他点名了 terra 和 luna 两个新模型，称其也实现了类似的成本改善。该信息发布于 2026 年 7 月 9 日，截至目前尚未公布具体的 API 定价或规模商用时间表，但透露了明确的成本优化策略。

为什么重要

传统上，AI 模型的推理成本往往以 token 单价（每千 token 美元）来标定，但企业客户更关心完成一个具体任务（如生成一份报告、处理一条客户查询）的总花费。Altman 此次明确使用“每任务美元”作为标准，并搭配新算力单位 sol，暗示 OpenAI 正在从“卖算力”转向“卖完成任务的能力”。这种计价方式若落地，将直接改变 AI 应用的商业模式：开发者不再需要纠结于 token 预估，而是按业务结果付费。此外，terra 和 luna 两个新模型被并列提及，说明它们可能是针对不同任务场景（如长上下文、低延迟或低成本）的专用推理模型，而非通用大模型。

对用户/开发者/创作者的影响

企业采购决策者：可更精准地做 ROI 计算。过去需要估算整个对话长度，现在可直接用“每任务成本”对比不同模型，有助于将 AI 嵌入高频率业务场景（客服、审核、报告生成）。
API 开发者：如果 terra 和 luna 上线 API，现有应用可能需要调整任务拆分逻辑，以适配更优的成本结构。建议关注 OpenAI 后续发布的定价细则和任务单元定义。
内容创作者：对于单次生成（如多图生成、长文总结）的单价下降是直接利好，但需注意“每任务”对应的算力配额可能与当前按 token 计费不同，使用时需重新测试。

值得关注的后续

terra 和 luna 的发布时间与定价：目前仅有名称曝光，尚无具体发布日期。需要观察它们是否作为独立 API 端点推出，还是仅作为某个已有模型的优化版本。
sol 单位与实际算力的关系：目前公开信息显示，sol 并非行业标准单位。OpenAI 是否会开源或公开 sol 与标准算力（如 TFLOPs）的对应关系，将影响开发者信任度及第三方测试。
竞品跟进：Google、Anthropic 等对手可能迅速推出类似“按任务计价”方案，引发 API 定价模式的全面调整，对推理市场格局产生直接影响。