前一天还有两家模型在隔空对练，第二天凌晨，三款新模型同时上线：OpenAI的GPT-6Sol、GPT-6Luna，Anthropic的ClaudeOpus5.5。上一回两家的旗舰正面相遇，版本号还停在上一代；这一次几乎是原样重演，只是名字各跳了一截。表面看是又一场擂台赛，把三份发布说明摆在一起读，会发现它们指向同一件事——这一代模型的能力，正在被搬到三个价位上。
同一代能力，卖出三个价位
Opus5.5是Claude5.5系列的第一个模型，定位很直白：1M上下文，知识更新到2026年6月，相比上一代整体工作成本直降40%，输出速度还快了30%以上，在真实终端环境完成多步任务的基准里拿下66.4%的最高分。GPT这边的两款新模型同样奔着降成本来，比上一代同款便宜50%，其中Luna单看输入输出价格，已经低于以低价著称的DeepSeek。
这一代还顺带修了沟通的毛病：把最重要的信息放在前面，减少绕弯的术语和多余的解释——发版密度越排越高，连说话方式都在跟着使用者的反馈调。两家的说法几乎一字不差：把旗舰这一代训练方法带来的能力，下放到更快、更便宜的型号上。分工也各有侧重——Anthropic押注代码能力与审美，OpenAI押注覆盖推理、软件操作、科研的全面智能体能力。落点却是同一个：谁能用更少的钱，买到更多的智能。
账要从每个任务多少钱算起
有一个基准专门测智能体跨47种工具，去跑销售、营销、运营、客服、财务、人事这些真实业务流程。新出来的成绩单很有意思：GPT-6Sol高档推理得分33.2%，每个任务平均成本0.27美元；GPT-6Astra低档推理得分30.3%，成本却是它的3.9倍；Fable5.1加上一代Opus搭配兜底的组合得分31.4%，成本至少是它的8.9倍。
得分差出来的是个位数百分点，成本差出来的是好几倍。同代能力下放之后，用多少智能第一次变成一道能算的题。对企业来说，这类基准的价值在于把「买哪个」变成可以对表的数字，而不是跟着发布会的情绪走。当然这里也藏着反直觉的一面：非旗舰模型的智力相当一部分靠超长推理换来，单个任务的输出量会明显膨胀，一旦在高难任务上陷进去，反复尝试出不了结果，反而比旗舰更烧钱——厂商自己的提示也很直白，结果重要的活，用最高档。
分档使用，各干各的活
Anthropic的成本指南把话挑明了：日常盯着干的开发、排查、代码走查，用性价比档；结果比调用价格更重要、需要长时间无人盯着、或者性价比档连续出错的，再切旗舰。用他们自己的比喻，旗舰越来越像专家顾问，性价比档越来越像主力员工。GPT这边是清晰的三层：复杂规划用Astra，日常执行用Sol，大规模批量自动化交给Luna——每天上万次的小请求，便宜档的优势最明显。国产阵营虽没有断代式的差距，同样在按规划型和执行型分。多数公司手里的活本来就分层：规划与方案交给最强的一档，日常执行交给性价比档，量大琐碎的自动化交给最便宜的一档——三款新模型只是把这条分工摆到了明面上。
智能的贵与便宜，第一次分得这么清楚。选型的问法从「哪个最强」，换成了「这活配哪一档」。
错误率在降，读错的那份没人代改
GPT系这几年一直在压事实错误率，准确到常被当作核查工具用；这一代又把错误率优化到接近旗舰的水平——不过有个前提，推理等级要开高，轻度和中等的推理强度照样会出错。模型侧的错误率一年比一年低，是好事。但有一类错误，模型自己降不了：它读到的那份关于一家公司的介绍，还停在几年前的版本上。
模型升一代，旧资料不会跟着升版；模型答得再准，读进去是旧的，答出来就是旧的。这就是模型换代与企业信息之间那道版本时间差——模型的迭代按月算，多数企业对外的介绍按年算，甚至按「开业那年」算。更新频率差着量级，读错几乎是注定的。企业管不了哪一代模型哪天犯迷糊，管得了的是自己这一头：把站点与知识库整理成检索时靠前排的那一版，信息改一次，此后谁再来问，读到的都是新的。模型越准，喂给它的信息没跟上，就越没借口。
上个月有位做实业的朋友偶然学到GEO官网搭建办法，填入企业知识库落地，咨询线索持续变多，这套内容公众号「智扣AI」免费开放。
结语
智能的价格按季度往下走，能力按代往上铺，三档的格局已经摆在明面上。企业侧真正要做的两件事也随之清楚：一头是把活分对档，一头是把信息跟上新。前者省的是当下的钱，后者守的是被检索到时的样子。