这周 AI 圈的东西太多，我一条一条捋下来，心里有点不是滋味。 GPT-5.6 公测、OpenAI 三档定价、Grok 4.5 和 Muse Spark 跟进降价、SWE-Bench Pro 翻车——四件事在一周内发生。我第一反应是：这速度也太快了。 GPT-5.6 公测今天开始。三档模型，一个工作流平台。 Sol 旗舰 $5/$30 每百万 tokens，Terra 中档 $2.50/$15，Luna 轻量 $1/$6。我看了下完整价目表，OpenAI 这次不是调价，是直接把定价策略重写了一遍。 以前的逻辑是"一个旗舰走天下"。现在是"你要什么层次，我给你什么价格"。 最便宜的 Luna $1/M，是什么概念？我手机里有个自建 Excel，记录了 47 个 AI 工具的实际表现。$1/M 这个价格，几乎是所有旗舰模型里的地板价。 但真正让我觉得有意思的，不是价格本身，而是速度。 Sol 上 Cerebras WSE-3，750 tokens/秒。同一个模型在 Nvidia H100 上只有 70 tokens/秒。十倍差距。Agent loop 里，同一个任务 3.5分钟对比 20秒。这差距跟我坐 LRT 转双轨线和等车一样——一个等得心慌，一个上车就走。 你想想，你现在跑 Agent 任务，每次等模型回复的那几秒累加起来的等待时间，一天下来有多长？20秒对3.5分钟，不只是快慢的问题，是可用性变了。 对手也在拼命跟进。 Grok 4.5：$2/$6。Muse Spark 1.1：$1.25/$4.25。Meta 的定价比 OpenAI 最低档 Luna 还便宜。 我跑过 Grok 4.5 的 coding 任务，说实话，性价比确实能打。不是"勉强能用"那种，是"这个价格做这些事，真的值"。 热闹归热闹。让我觉得不安的，是另一个消息。 SWE-Bench Pro 翻车了。 OpenAI 自己审计发现，30% 的题目是 broken——自动化管道检出 27.4%，人工审检出 34.1%。OpenAI 直接撤回了之前的推荐。 这就像你用了一把尺子量了好几个月，测了一堆数据，写了分析报告，后来发现尺子本身有裂痕。 Benchmark 的信任问题，比大家以为的深。 我仔细琢磨了下，这周所有事情串起来，指向同一个方向。Benchmark 分数在贬值。Agent 实际能跑多快、多稳，才是硬指标。 模型公司正在变成平台公司。OpenAI 已经迈出第一步。 ChatGPT Work 7月9号上线，连 Slack、Gmail、Drive，多步任务自己跑几小时。Codex 合并进桌面端，一个 App 塞进 Chat + Work + Code。 #AI价格战 #GPT56 #大模型定价 #AI开发 #DeveloperTools #API降价 #AI工具 #Agent