作者： 数字生命卡兹克
人麻了，前几天不是都喊着模型要放慢吗。怎么这模型跟不要钱一样往外面扔啊。昨天Grok 4.7 PK MiMo v2.6，是给今天这两大哥演个前戏是吧。今天凌晨，OpenAI的GPT-6 Sol和GPT-6 Luna，以及Anthropic的Claude Opus 5.5，都正式发布。
我真的挺想问问，天天一个个说着放慢，放慢在哪了这都是。全是渣男。而且这个剧情，我总感觉莫名眼熟，然后翻了一下历史文章。
上一次，GPT-5.3 Codex对轰Claude Opus 4.6，今天直接历史重演了。。。只不过，Claude Opus 4.6，变成了Claude Opus 5.5。
GPT-5.3 Codex，变成了GPT-6 Sol。
两家公司还是这两家公司，还是那个不服就干的死对头。
一个一个说吧。
一. Claude Opus 5.5
先说Claude。
坦率的讲，我再怎么讨厌Anthropic，再怎么觉得这家公司是个傻逼，他们在再怎么封我号，客观的讲，Claude依然是我心中最好、最全面的那一档模型。
我至今依然记得我用Claude Fable 5给我带来的震撼。
而这次Claude Opus 5.5，是Anthropic全新的Claude 5.5系列里的第一个模型，而且我印象中，很少Claude会一次性跨这么多的版本号。
并且我自己临时体验下来（不要问我为啥封号了还能用，直接买的次抛号，用个2小时就会被封的那种。。。），Opus 5.5在整个的沟通上，让我有一种，回到了Opus 4.6的感觉，活人感很强。
虽然他们给这玩意的定位，其实就是Claude系列的性价比模型，但是确实有一种让我想起了当年的白月光。
基本信息我总结了一下，大概是这样的：
|
模型名 |
claude-opus-5-5 |
|
上下文 |
1M Token |
|
最大输出 |
128K Token |
|
可靠知识截止 |
2026年6月 |
|
思考 |
Adaptive Thinking，始终开启 |
|
默认努力等级 |
medium |
|
输入价格 |
4美元 / 百万Token |
|
输出价格 |
20美元 / 百万Token |
|
缓存读取 |
0.2美元 / 百万Token |
|
5分钟缓存写入 |
5美元 / 百万Token |
|
1小时缓存写入 |
8美元 / 百万Token |
相比上一代Opus 5，整体的工作成本，可以直接下降40%。
同时，输出速度相比Opus 5还快了30%以上。
目前在一些非大型的工作上，Opus 5.5已经可以做到Fable 5.1级别的表现，大型高难工作，依然需要Fable级模型上场。
在Coding任务上，基本就是现在的SOTA了。
比如Terminal-Bench 4.0这种反映在真实终端环境里完成复杂、多步任务的能力，Opus 5.5刷新了最高分66.4%。
只要涉及到Coding的，基本上都SOTA了，很像最开始Opus 5出来的时候，在Coding的执行上全面超越Fable 5一样。
但是有两个东西不太一样，Terminal-Bench-Science这个任务是偏科研任务，Opus 5.5是58.7%，这里Astra反而更高，64.6%。
AutomationBench也一样，这个任务其实就是跨软件工作，Opus 5.5是40.0%，GPT-6 Astra是41.4%。
还有那个Computer Use，虽然GPT-6 Astra没分，但是所有人都知道这玩意不可能会差，它是绝对的SOTA。
从这些地方也能看出来Anthropic和OpenAI这两家公司卷的一些差异化发展方向，Anthropic更偏向于Coding能力，同时审美极强，他们也相信Coding才是通往AGI之路的基石，但是OpenAI更加专注的是全面的Agent能力，包括推理、软件操作、科研等等。
但坦率的讲，单纯的去看某一个维度的评测集，我觉得是完全无法去评估一个模型真正的质量的。
就像你知道，即使是开发产品，还有一个很核心的东西，是你最前面的规划和架构设计能力，这玩意Fable就是神，它依赖于你的大参数，依赖于你的世界知识，依赖于你的智能涌现。
你说Opus 5.5确实是能在某些特定的执行上面超过Fable，但是你说整体Opus 5.5要比Fable强？那我觉得你不如信我是秦始皇。
整体上Claude Opus 5.5，基本上就是Fable 5.1自家的官方蒸馏模型了。
在很多垂直的场景里面可能会更强，并且参数量更小，速度更快，更加便宜，但同时也会带来Token的浪费，这里其实是一个陷阱，一旦在高难任务上，一些非旗舰模型反而会持续不断的疯狂思考，疯狂尝试，但是又出不去一直解决不了问题，反而会比旗舰模型更加烧钱。
就像Opus 5.5确实很强，但是他的每任务输出Token数直接爆炸了，所以其实他的很多的智力是靠用超长的推理来去换来的，这个弊端就是，一旦陷入困境，就原地爆炸。
所以Anthropic也是如此提示的。
当你的结果很重要的时候，一定要用最高级的模型。
然后可以看看X上大佬们跑的Claude Opus 5.5的case，还是蛮惊艳的，特别是在审美和细节上，有了巨幅加强。
来自@notjazii的对比GPT-6 Astra和Claude Opus 5.5的测试，在部分场景下，甚至比GPT-6 Astra更加精细一点：
但代价就是，相比于GPT-6 Astra，更慢更贵。
不过对于Opus 5.5来说，将其与GPT-6 Astra相比，这本身就是一种赞誉了。
Opus 5.5这次还强化了沟通。
Anthropic说他们收到Opus 5最多的反馈之一，就是，有时候写东西比较绕、术语多、表达不够直接。
5.5会把最重要的信息放在前面，减少奇怪措辞和没必要的解释。
同时在创作上，也有Claude 4.6的感觉了。
所以呢，总结来说，Claude Opus 5.5是一个我觉得非常棒的模型。
Anthropic把很多过去只有旗舰模型才能干的活，下放到了一个终于可以常驻使用的价位上，估计也是过去OpenAI给的压力太大了。
他们自己的成本指南直接建议：
日常你盯着干的Feature、Debug、Code Review，用Opus 5.5。
真正结果比Token价格更重要、长时间无人监督、或者Opus 5.5连续失败的，再切Fable 5.1。
Fable开始越来越像专家级顾问。
Opus 5.5更像主力员工。
这就是Claude今天的新模型。
二. GPT-6 Sol和Luna
终于到我能正常用的东西了。
GPT-6 Sol和Luna。
因为你claude再怎么好，我也就是一个次抛，也不是常年能用的东西，没有用啊。
所以呢，没有办法，主力依然还是GPT-6。
特别巧的是，我前几天写GPT-6 Pro+MCP那篇文章的时候，还专门写了一句：
“GPT-6 Sol大概率马上就上了，上了以后执行这块，我可能会无脑切GPT-6 Sol，只有高难任务才切GPT-6 Astra。”
然后，终于来了。
目前，Codex中已经上线，直接可用。
过去GPT-6 Astra最被人诟病的就是太贵，额度完全不够用。
那这次，GPT-6 Sol和Luna，就是直接奔着降成本来的。
Astra依然是OpenAI最强的模型。
最困难、最重要、不想做任何妥协的工作，继续用Astra。
但是现实世界里的工作，有不同的规模、节奏和预算。
所以GPT-6 Sol和Luna存在的意义，跟Fable 5.1和Claude Opus 5.5的关系一样：
把Astra这代训练方法带来的能力，下放到更快、更便宜的模型。
和Claude几乎是在同一天，讲同一件事情。
谁能用更少的钱，买到更多智能。
这就是帕累托前沿。
价格上面，新一代定价如下。
Sol和Luna，比GPT-5.6的同款模型，还要便宜50%。
最离谱的是这个Luna，如果我们单看输入和输出价格，其实已经比Deepseek还要便宜了。
当然我们都知道，真正的大头其实是缓存，嗯，可以看到这个缓存的价格还是要比Deepseek高了3倍左右。
不过Luna最适用的场景，我觉得其实是各种应用背后的自动化任务，就像我的AIHOT背后挂着的十几个需要大模型的信息处理任务一样，每天请求都是上万次。
这种场景下，其实缓存有时候的命中率不是特别高，综合来看能到30%就不错了，那在我看来，Luna的优势就会变得比较明显了。
其他的基本信息如下。
这些知识截止日期居然都不一样。
Luna最新，到了5月18号。
然后就是大家最关心的GPT-6 Sol了，坦率的讲，在能力上，比我预期的会差一些，但是在成本的降幅上，又比我预期的强一些。
可以看到，在AA上，它只比GPT-5.6 Sol强了一点，但是Opus 5.5，是直接断崖式拿下了第一。
虽然说AA现在的基准有的时候也被很多人诟病，在很多的细节上没有那么准，但是大的方向不会差特别多。
所以GPT-6 Sol更多的还是基于新模型新架构，尽量保持比GPT-5.6 Sol好一点，然后大幅度降成本。
比如这个AutomationBench，就是在上面我们说Claude的时候，比Claude那边要强的那个基准，这个Benchmark测的是Agent跨47种工具，去执行销售、营销、运营、客服、财务、HR这些真实业务流程。
GPT-6 Sol xhigh：
33.2%。
每个任务平均成本：
0.27美元。
GPT-6 Astra low是30.3%，但是任务成本是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。
注意这里对比的还是Claude Opus 5，因为Opus 5.5跟GPT-6 Sol几乎同一时间发布，所以OpenAI的图里根本来不及放进去，放进去，其实也不是很好看，对于OpenAI来说不是很有利。
但是这张图已经非常清楚地解释了Sol的定位。
不过GPT的强悍就在于它的Token效率实在是太离谱了，说是省钱，那是真的能省下来。
而且这一次相比于之前，有一个我觉得很棒的更新点，就还是事实错误率，我自己一直说，GPT都快成为我的事实核查器了，就是它是真的几乎没什么幻觉，在这个点上还是太强了，过去我一直觉得5.6已经很不错了，那这一次他们又进行了大幅的优化，基本都已经处于GPT-6 Astra的级别了，在这里其实也可以看到推理等级，如果你开的是轻度或者是中的话，很多时候会犯一些事实错误的，这也是为什么我一直推荐大家在日常里面开的是高，甚至如果你是Luna，你得开最高才可以。
然后我自己也实测了一下，在审美和一些细节上，是有明显降级的。
比如操控Blender建摩托车，这个就能看到，在细节的完成度上，是差的非常远的。
这是GPT-6 Astra的天坛。
而这，是GPT-6 Sol的天坛，很多细节都是有问题的，门直接就出bug了。
但是成本上，大概降了70%，所以整体也可以接受吧。
我写稿的时候，GPT-6 Sol和GPT-6 Luna已经开始在ChatGPT Work和Codex推送。
但是比较尴尬的是，OpenAI居然说这些模型尚未在Chat上提供，也就是说，聊天模式下，还是给大家提供的是GPT-5.6 Sol。
这一块是我有点不理解的，明明你的成本都已经大幅下降了，那你为什么不在聊天上面也给大家换成本更低的模型呢？
写在最后
我知道，大家看到这里，最后肯定还是会问一个问题。
所以到底我要怎么选？
现在模型实在是太多太多太多太多了，每天都有新模型发，真的好累啊。
我只能说，尽可能的给大家描述我的选择。
1. 如果你可以订阅Claude不会被封号。
从情理上来说，我真的很讨厌Anthropic这个XX公司。但是从用户体验角度来说，如果你可以订阅Claude，且不会被封号，能长久使用。我还是推荐你订阅Claude。
复杂规划和计划使用Claude Fable 5.1去做，任务执行用Opus 5.5，这可能是目前确实是最好的组合。
2. 如果你被Claude封号，但可以订阅海外模型。
那就无脑订阅ChatGPT，GPT在模型层面，坦诚地讲，还是比claude要差那么一小截，无论是创作，还是认知洞察，还是coding。
但它有几乎最好的C端体验，有无限额度的聊天模式，有最好用的客户端Codex，并且GPT-6在这个世界上还是T0级别的强。
复杂规划和计划使用GPT-6 Astra或者邪修GPT-6 Pro去做，使用GPT-6 Astra high或者GPT-6 Sol xhigh去执行，GPT-6 luna用来跑大规模的批量自动化任务，会非常的香。
3. 如果你只能订阅国产模型。
坦率的讲，Qwen、Kimi、GLM、MiMo、DeepSeek这几家，都没有那种说断代的区别，用的习惯哪家就用哪家吧，唯一麻烦的是模型梯队没有那两家强，Kimi K3和Qwen 3.8 Max更加适合做规划和方案，GLM-5.3和Mimo v2.6 Pro、DeepSeek V4.1 Flash更加适合做执行。
只是谨记，永远只订阅1个月就行，不要太长，最多买季卡，千万不要买年卡。
OpenAI和Anthropic还是太成熟了，现在的环境跟之前还不太一样。
以前呢，是这两家负责做前沿的智能上线，换句话说，就是做高端。
然后呢，国产模型来去做中端和性价比。
但是现在，人家供应链好像更加成熟了，就跟苹果一样，也开始全域通吃，你的中端，甚至你的超低端，我全都要。
不过，对于所有用户来说，这也是一种好事吧。
因为现在的智能终于好像变得越来越便宜了。
过去我们同等的AI性能，它的成本几乎是每季度会下降47%，智能，再过几个月到半年时间，它可能真的就会像煤水电一样，成为每一个人都能用得起的资产。
那时候，可能就是真正的，大繁荣时代了。
