作者：數字生命卡茲克

人麻了，前幾天不是都喊著模型要放慢嗎。怎麼這模型跟不要錢一樣往外扔啊。昨天Grok 4.7 PK MiMo v2.6，是給今天這兩大哥演個前戲是吧。今天凌晨，OpenAI的GPT-6 Sol和GPT-6 Luna，以及Anthropic的Claude Opus 5.5，都正式發布。

我真的挺想問問，天天一個個說著放慢，放慢在哪了這都是。全是渣男。而且這個劇情，我總感覺莫名眼熟，然後翻了一下歷史文章。

上一次，GPT-5.3 Codex對轟Claude Opus 4.6，今天直接歷史重演了。。。只不過，Claude Opus 4.6，變成了Claude Opus 5.5。

GPT-5.3 Codex，變成了GPT-6 Sol。

兩家公司還是這兩家公司，還是那個不服就幹的死對頭。

一個一個說吧。

一. Claude Opus 5.5

先說Claude。

坦率的講，我再怎麼討厭Anthropic，再怎麼覺得這家公司是個傻逼，他們在再怎麼封我號，客觀的講，Claude依然是我心中最好、最全面的那一檔模型。

我至今依然記得我用Claude Fable 5給我帶來的震撼。

而這次Claude Opus 5.5，是Anthropic全新的Claude 5.5系列裡的第一個模型，而且我印象中，很少Claude會一次性跨這麼多的版本號。

並且我自己臨時體驗下來（不要問我為啥封號了還能用，直接買的次拋號，用個2小時就會被封的那種。。。），Opus 5.5在整個的溝通上，讓我有一種，回到了Opus 4.6的感覺，活人感很強。

雖然他們給這玩意的定位，其實就是Claude系列的性價比模型，但是確實有一種讓我想起了當年的白月光。

基本信息我總結了一下，大概是這樣的：

相比上一代Opus 5，整體的工作成本，可以直接下降40%。

同時，輸出速度相比Opus 5還快了30%以上。

目前在一些非大型的工作上，Opus 5.5已經可以做到Fable 5.1級別的表現，大型高難工作，依然需要Fable級模型上場。

在Coding任務上，基本就是現在的SOTA了。

比如Terminal-Bench 4.0這種反映在真實終端環境裡完成複雜、多步任務的能力，Opus 5.5刷新了最高分66.4%。

只要涉及到Coding的，基本上都SOTA了，很像最開始Opus 5出來的時候，在Coding的執行上全面超越Fable 5一樣。

但是有兩個東西不太一樣，Terminal-Bench-Science這個任務是偏科研任務，Opus 5.5是58.7%，這裡Astra反而更高，64.6%。

AutomationBench也一樣，這個任務其實就是跨軟件工作，Opus 5.5是40.0%，GPT-6 Astra是41.4%。

還有那個Computer Use，雖然GPT-6 Astra沒分，但是所有人都知道這玩意不可能會差，它是絕對的SOTA。

從這些地方也能看出來Anthropic和OpenAI這兩家公司卷的一些差異化發展方向，Anthropic更偏向於Coding能力，同時審美極強，他們也相信Coding才是通往AGI之路的基石，但是OpenAI更加專注的是全面的Agent能力，包括推理、軟件操作、科研等等。

但坦率的講，單純的去看某一個維度的評測集，我覺得是完全無法去評估一個模型真正的質量的。

就像你知道，即使是開發產品，還有一個很核心的東西，是你最前面的規劃和架構設計能力，這玩意Fable就是神，它依賴於你的大參數，依賴於你的世界知識，依賴於你的智能湧現。

你說Opus 5.5確實是能在某些特定的執行上面超過Fable，但是你整體說Opus 5.5要比Fable強？那我覺得你不如信我是秦始皇。

整體上Claude Opus 5.5，基本上就是Fable 5.1自家的官方蒸餾模型了。

在很多垂直的場景裡面可能會更強，並且參數量更小，速度更快，更加便宜，但同時也會帶來Token的浪費，這裡其實是一個陷阱，一旦在高難任務上，一些非旗艦模型反而會持續不斷的瘋狂思考，瘋狂嘗試，但是又出不去一直解決不了問題，反而會比旗艦模型更加燒錢。

就像Opus 5.5確實很強，但是他的每任務輸出Token數直接爆炸了，所以其實他的很多的智力是靠用超長的推理來去換來的，這個弊端就是，一旦陷入困境，就原地爆炸。

所以Anthropic也是如此提示的。

當你的結果很重要的時候，一定要用最高級的模型。

然後可以看看X上大佬們跑的Claude Opus 5.5的case，還是蠻驚艷的，特別是在審美和細節上，有了巨幅加強。

來自@notjazii的對比GPT-6 Astra和Claude Opus 5.5的測試，在部分場景下，甚至比GPT-6 Astra更加精細一點：

但代價就是，相比於GPT-6 Astra，更慢更貴。

不過對於Opus 5.5來說，將其與GPT-6 Astra相比，這本身就是一種讚譽了。

Opus 5.5這次還強化了溝通。

Anthropic說他們收到Opus 5最多的反饋之一，就是，有時候寫東西比較繞、術語多、表達不夠直接。

5.5會把最重要的信息放在前面，減少奇怪措辭和沒必要的解釋。

同時在創作上，也有Claude 4.6的感覺了。

所以呢，總結來說，Claude Opus 5.5是一個我覺得非常棒的模型。

Anthropic把很多過去只有旗艦模型才能幹的活，下放到了一個終於可以常駐使用的價位上，估計也是過去OpenAI給的壓力太大了。

他們自己的成本指南直接建議：

日常你盯著幹的Feature、Debug、Code Review，用Opus 5.5。

真正結果比Token價格更重要、長時間無人監督、或者Opus 5.5連續失敗的，再切Fable 5.1。

Fable開始越來越像專家級顧問。

Opus 5.5更像主力員工。

這就是Claude今天的新模型。

二. GPT-6 Sol和Luna

終於到我能正常用的東西了。

GPT-6 Sol和Luna。

因為你claude再怎麼好，我也就是一個次拋，也不是常年能用的東西，沒有用啊。

所以呢，沒有辦法，主力依然還是GPT-6。

特別巧的是，我前幾天寫GPT-6 Pro+MCP那篇文章的時候，還專門寫了一句：

「GPT-6 Sol大概率馬上就上了，上了以後執行這塊，我可能會無腦切GPT-6 Sol，只有高難任務才切GPT-6 Astra。」

然後，終於來了。

目前，Codex中已經上線，直接可用。

過去GPT-6 Astra最被人詬病的就是太貴，額度完全不夠用。

那這次，GPT-6 Sol和Luna，就是直接奔著降成本來的。

Astra依然是OpenAI最強的模型。

最困難、最重要、不想做任何妥協的工作，繼續用Astra。

但是現實世界裡的工作，有不同的規模、節奏和預算。

所以GPT-6 Sol和Luna存在的意義，跟Fable 5.1和Claude Opus 5.5的關係一樣：

把Astra這代訓練方法帶來的能力，下放到更快、更便宜的模型。

和Claude幾乎是在同一天，講同一件事情。

誰能用更少的錢，買到更多智能。

這就是帕累托前沿。

價格上面，新一代定價如下。

Sol和Luna，比GPT-5.6的同款模型，還要便宜50%。

最離譜的是這個Luna，如果我們單看輸入和輸出價格，其實已經比Deepseek還要便宜了。

當然我們都知道，真正的大頭其實是緩存，嗯，可以看到這個緩存的價格還是要比Deepseek高了3倍左右。

不過Luna最適用的場景，我覺得其實是各種應用背後的自動化任務，就像我的AIHOT背後掛著的十幾個需要大模型的信息處理任務一樣，每天請求都是上萬次。

這種場景下，其實緩存有時候的命中率不是特別高，綜合來看能到30%就不錯了，那在我看來，Luna的優勢就會變得比較明顯了。

其他的基本信息如下。

這些知識截止日期居然都不一樣。

Luna最新，到了5月18號。

然後就是大家最關心的GPT-6 Sol了，坦率的講，在能力上，比我預期的會差一些，但是在成本的降幅上，又比我預期的強一些。

可以看到，在AA上，它只比GPT-5.6 Sol強了一點，但是Opus 5.5，是直接斷崖式拿下了第一。

雖然說AA現在的基準有的時候也被很多人詬病，在很多的細節上沒有那麼準，但是大的方向不會差特別多。

所以GPT-6 Sol更多的還是基於新模型新架構，盡量保持比GPT-5.6 Sol好一點，然後大幅度降成本。

比如這個AutomationBench，就是在上面我們說Claude的時候，比Claude那邊要強的那個基準，這個Benchmark測的是Agent跨47種工具，去執行銷售、營銷、運營、客服、財務、HR這些真實業務流程。

GPT-6 Sol xhigh：

33.2%。

每個任務平均成本：

0.27美元。

GPT-6 Astra low是30.3%，但是任務成本是Sol的3.9倍。

Fable 5.1加Opus 5 fallback是31.4%，成本至少是Sol的8.9倍。

注意這裡對比的還是Claude Opus 5，因為Opus 5.5跟GPT-6 Sol幾乎同一時間發布，所以OpenAI的圖裡根本來不及放進去，放進去，其實也不是很好看，對於OpenAI來說不是很有利。

但是這張圖已經非常清楚地解釋了Sol的定位。

不過GPT的強悍就在於它的Token效率實在是太離譜了，說是省錢，那是真的能省下來。

而且這一次相比於之前，有一個我覺得很棒的更新點，就還是事實錯誤率，我自己一直說，GPT都快成為我的事實核查器了，就是它是真的幾乎沒什麼幻覺，在這個點上還是太強了，過去我一直覺得5.6已經很不錯了，那這一次他們又進行了大幅的優化，基本都已經處於GPT-6 Astra的級別了，在這裡其實也可以看到推理等級，如果你開的是輕度或者是中的話，很多時候會犯一些事實錯誤的，這也是為什麼我一直推薦大家在日常裡面開的是高，甚至如果你是Luna，你得開最高才可以。

然後我自己也實測了一下，在審美和一些細節上，是有明顯降級的。

比如操控Blender建摩托車，這個就能看到，在細節的完成度上，是差的非常遠的。

這是GPT-6 Astra的天壇。

而這，是GPT-6 Sol的天壇，很多細節都是有問題的，門直接就出bug了。

但是成本上，大概降了70%，所以整體也可以接受吧。

我寫稿的時候，GPT-6 Sol和GPT-6 Luna已經開始在ChatGPT Work和Codex推送。

但是比較尷尬的是，OpenAI居然說這些模型尚未在Chat上提供，也就是說，聊天模式下，還是給大家提供的是GPT-5.6 Sol。

這一塊是我有點不理解的，明明你的成本都已經大幅下降了，那你為什麼不在聊天上面也給大家換成本更低的模型呢？

寫在最後

我知道，大家看到這裡，最後肯定還是會問一個問題。

所以到底我要怎麼選？

現在模型實在是太多太多太多太多了，每天都有新模型發，真的好累啊。

我只能說，盡可能的給大家描述我的選擇。

1. 如果你可以訂閱Claude不會被封號。

從情理上來說，我真的很討厭Anthropic這個XX公司。但是從用戶體驗角度來說，如果你可以訂閱Claude，且不會被封號，能長久使用。我還是推薦你訂閱Claude。

複雜規劃和計劃使用Claude Fable 5.1去做，任務執行用Opus 5.5，這可能是目前確實是最好的組合。

2. 如果你被Claude封號，但可以訂閱海外模型。

那就無腦訂閱ChatGPT，GPT在模型層面，坦誠地講，還是比claude要差那麼一小截，無論是創作，還是認知洞察，還是coding。

但它有幾乎最好的C端體驗，有無限額度的聊天模式，有最好用的客戶端Codex，並且GPT-6在這個世界上還是T0級別的強。

複雜規劃和計劃使用GPT-6 Astra或者邪修GPT-6 Pro去做，使用GPT-6 Astra high或者GPT-6 Sol xhigh去執行，GPT-6 luna用來跑大規模的批量自動化任務，會非常的香。

3. 如果你只能訂閱國產模型。

坦率的講，Qwen、Kimi、GLM、MiMo、DeepSeek這幾家，都沒有那種說斷代的區別，用的習慣哪家就用哪家吧，唯一麻煩的是模型梯隊沒有那兩家強，Kimi K3和Qwen 3.8 Max更加適合做規劃和方案，GLM-5.3和Mimo v2.6 Pro、DeepSeek V4.1 Flash更加適合做執行。

只是謹記，永遠只訂閱1個月就行，不要太長，最多買季卡，千萬不要買年卡。

OpenAI和Anthropic還是太成熟了，現在的環境跟之前還不太一樣。

以前呢，是這兩家負責做前沿的智能上線，換句話說，就是做高端。

然後呢，國產模型來去做中端和性價比。

但是現在，人家供應鏈好像更加成熟了，就跟蘋果一樣，也開始全域通吃，你的中端，甚至你的超低端，我全都要。

不過，對於所有用戶來說，這也是一種好事吧。

因為現在的智能終於好像變得越來越便宜了。

過去我們同等的AI性能，它的成本幾乎是每季度會下降47%，智能，再過幾個月到半年時間，它可能真的就會像煤水電一樣，成為每一個人都能用得起的資產。

那時候，可能就是真正的，大繁榮時代了。