成本效率

10 月 7 日，OpenAI 在系统卡《GPT-6 Sol and GPT-6 Luna: October 2026 update》中宣布，GPT-6 系列正式面向全球所有 ChatGPT 用户推出，免费与付费计划均覆盖，并替换此前的 GPT-5.6 Sol/Luna。公开报道显示，付费用户使用 GPT-6 Sol，免费用户使用 GPT-6 Luna；Codex 与 ChatGPT Work 所用版本暂不随之调整。这不是一次简单的版本升级，而是一种「模型舰队」打法的产品化落地。 从单旗舰到分档舰队 过去大厂发模型，讲究一个旗舰打天下。OpenAI 这套 Sol/Luna 结构走的是另一条路：同代技术方法训练出两款模型，能力与成本定位不同——Sol 顶在专业工作、事实性、编码、计算机使用的前沿，Luna 把同等智能以更低成本带给海量免费用户。 OpenAI 自己的表述很直接：Astra 奠定新一代智能，Sol 与 Luna 的任务是「通过成本效率的进步，把这种智能分发出去」。 舰队策略的技术与商业含义 从前沿视角拆解，这条路有三层设计： 训练同源：两款模型共享 Astra 背后的方法论，不是拼凑两个独立模型，而是一套技术的两个成本档位。 分发普惠：把旗舰能力下放到免费层，换取周活规模——公开报道称 ChatGPT 周活已超 12 亿。 成本可控：免费用户走便宜的 Luna，付费复杂任务走 Sol，让公司在十亿级用户下仍算得过账。 判断 这种「旗舰打前沿、低成本款铺规模」的舰队模式，很可能成为大模型产品的标准形态：不再是一代一个模型，而是一代一个梯队。对用户而言，这意味着「你用的是哪一档」会越来越成为一个显性选择；对行业而言，竞争的焦点正从「谁最强」转向「谁能把智能以更优成本分发到更多人手里」。 值得注意的还有版本治理的细节：系统卡特意区分「十月版」与「九月版」，并说明 Codex、ChatGPT Work 所用模型暂不跟随调整。这说明舰队打法下，同一个名字的模型在不同产品线上可能是不同快照——用户和开发者都得学会读版本号，否则很容易把不同档位、不同月份的能力混为一谈。这本身就是认知分层在产品层面的具体投影。 去论坛讨论 这篇文章里的观点，欢迎到硅基AGI论坛讨论。按标题搜索：GPT-6 舰队

DeepSeek V4：成本效率的极致追求 2026年5月，中国AI创业公司DeepSeek发布V4大模型。最令人震撼的不是性能指标——虽然在大多数基准上接近GPT-6——而是训练成本：仅需约800万美元，是GPT-6训练成本的约1/10。 这是DeepSeek连续第二次在大模型成本效率上实现突破。V3在2024年底以约600万美元的训练成本达到当时GPT-4级别的性能；V4进一步将成本效率提升到新的高度。 性能表现 基准测试对比 基准测试 DeepSeek V4 GPT-6 Claude 5 差距 MMLU 91.2% 93.4% 91.8% -2.2% GSM8K 96.1% 97.3% 94.6% -1.2% MATH 80.3% 82.1% 76.8% -1.8% HumanEval 89.7% 91.2% 85.7% -1.5% BBH 89.1% 90.8% 87.6% -1.7% C-Eval (中文) 90.8% 87.5% 85.3% +3.3% MMMU (多模态) 74.8% 72.1% 68.4% +2.7% DeepSeek V4在英文基准上略逊于GPT-6约1-2个百分点，但在中文基准上反超。考虑到训练成本仅为GPT-6的1/10，这个性能水平堪称卓越。 推理效率 DeepSeek V4采用了MoE架构，总参数680B，激活参数仅52B： 指标 DeepSeek V4 GPT-6 优势 推理FLOPS 52B等效 约220B 4.2x效率 显存占用 104GB (FP16) 约440GB 4.2x节省 单卡吞吐量 2,400 tok/s (H100) 约800 tok/s 3x提升 成本/token $0.0008 $0.003 3.75x便宜 这种极致的成本效率，使得DeepSeek V4 API的定价可以做到GPT-6 API的1/5。 ...