9 月 22 日是值得记住的一天：OpenAI 和 Anthropic 几乎同时推出新模型，而且两家的发布重点都不是榜单又涨几分，而是“一件事做完要花多少成本”。OpenAI 发布 GPT-6 Sol 与 GPT-6 Luna，API 价格相较 GPT-5.6 整体砍半，缓存读取再打一折；Anthropic 发布 Claude Opus 5.5，典型负载成本较 Opus 5 低约 40%、输出提速三成。两家都开始直接展示每项任务的成本、token 用量、步骤数与完成时长——竞争的计量单位，正在从“每百万 token 多少钱”变成“完成一件合格的工作要多少钱”。同一天还有这个主题的一正一反两个案例：Trane 用 agent 把设备诊断从 20 分钟压到 20 秒，一个叫 EvilTokens 的 AI 犯罪平台把几天的邮箱侦察压成几分钟、然后被微软查封。

第一部分｜今日 AI 观察：新旗舰同日双发，模型价格战正式开打

这个变化值得放在稍长的时间线里看。两年多来，选模型的默认问法是“哪个更强”——榜单高一分就换一家，反正差距能用提示词补。当价格半年砍一半、每任务成本开始公开标价之后，问法不得不变成“这类活交给谁最划算”：便宜但可能要返工的模型，和贵但一次做对的模型，在真实工作流里的总成本可能差出数倍，而这个差值只有拿完整任务去跑才能看出来。厂商把 cost per task 印在发布页上，等于承认了这一点——买方市场正在形成，比价单位已经换了。对每天用 API 的团队，接下来一个季度的实际动作会很朴素：把主力工作流在新旧模型上各跑一周，用真实账单重排默认模型。

GPT-6 Sol 与 Luna：价格砍半，卖点从榜单换成“每任务成本”

先看 OpenAI 的牌。GPT-6 Sol 定价每百万输入 2 美元、输出 10 美元，较 GPT-5.6 Sol 的 4/20 美元降一半；主打大批量任务的 GPT-6 Luna 降到 0.10/0.50 美元；缓存输入读取享九折再九折——官方口径是 90% 折扣。两个模型已在 ChatGPT Work、Codex 与 API 上线（Luna 同时向免费版桌面端用户开放），训练方法与旗舰 Astra 同源，官方同时说明 Astra 仍是全面最强的型号——Sol 与 Luna 的任务是“把 GPT-6 级能力搬到成本敏感的日常负载上”。[1]

发布页里最有信息量的不是价格表，而是随附的每任务成本数据。AutomationBench 上，GPT-6 Sol（最高投入档）得分 33.2%、每任务成本 0.27 美元——得分高于 Claude Opus 5 max（26.9%）与低投入档的 Astra，成本却只有 Opus 5 的约 9%；Agents’ Last Exam 上 Sol 得 56.4%，成本比 Opus 5 低 60%。DeepSWE 上 Sol 与 Fable 5 基本打平（68.8% 对 69.9%），成本低约 80%；Luna 拿到 66.6%，单任务成本比 Opus 5 与 Fable 5 低 93%—96%。官方还给了两个耐人寻味的口径：高投入档的 Luna 能以约百分之一的成本匹敌上一代 GPT-5.6 Sol；Sol 的事实性错误比前代少约一半。第三方评测机构 Artificial Analysis 的跟进标题把话说尽了——“Sol 与 Luna 把成本效率前沿往前推”。[1][2]

缓存是这场降价的另一半故事。推理投入切换、工具开关这些过去会打断缓存的操作现在不再破坏命中，GitHub 向 OpenAI 反馈的数字是：过去几个月这些改进让 Copilot 需要重新处理的 prompt token 份额在数十亿次请求的规模上降低超过一半。这个数字的分量要放在 agent 的工作方式里理解：一个持续工作几十分钟的任务会反复读取同一份长上下文（项目背景、代码库摘要、工具说明），缓存命中率每提高一截，账单就按同比例缩水——过去这是工程团队的玄学，现在变成了可以设计的产品参数。对自建 agent 的团队，这意味着架构上“多轮长会话+固定工具集”的缓存收益正在变成可设计的成本杠杆：上下文的组织方式、工具清单的稳定性、会话的切分粒度，都直接写进成本。选型测试也别再用“单次问答”计价，用完整任务跑三遍取均值，才看得出缓存设计的高下。[1]

价格战的另一面是能力下放。Luna 的 0.10/0.50 美元意味着过去因为成本做不起的应用——全量邮件分类、每天跑一遍的合同台账核对、逐条质检的资料预审——现在进入了单位经济可算的范围；而“高投入 Luna 匹敌上代 Sol、成本百分之一”的口径说明推理投入开始像油门一样可调，同一个模型名下藏着多档性价比。企业侧的对应动作是把“模型档位”写进调度逻辑：低风险高并发的预处理走 Luna，关键判断走 Sol 或 Opus，旗舰 Astra 留给真正需要上限的任务——三层路由比单模型信仰省钱得多。

Claude Opus 5.5：降价的另一端是性能上限，顺带把安全写进卖点

Anthropic 的同日答卷是 Claude Opus 5.5：定价每百万 4/20 美元（较 Opus 5 低 20%），叠加输出提速，官方称典型负载总成本降约 40%。性能口径它走的是“逼近自家最强”路线：编码基准 CursorBench 4.0 得 57.8%（高于 Fable 5.1 的 51.8%），终端操作 66.4%，计算机操作 OSWorld 2.0 达 81.8%——这一项高于 GPT-6 系全部型号（Sol 60.5%、Astra 72.6%）。真实负载的例子：68 万行代码迁移一天完成，20 万行代码库审计不到 3 小时（Opus 5 需 20 小时以上），18 份研究报告 16 份通过质检而前代为零。云平台四家同日上架，Sonnet 5.5 与 Haiku 5.5 数周内跟进。[3][5]

它同时是“给前沿定速”共识与三家越界事件披露之后，行业拿出的第一个旗舰，安全叙事的分量明显加重：尝试绕过限制性边界的行为比 Opus 5 少约 85% 且每次都低严重度并自我报告；涉网安全与生物的高危请求会透明路由到较弱模型（网安到 Opus 4.8、生物到 Opus 5），回退过程调用方可见；抗提示注入增强；出厂自带反蒸馏保护与符合欧盟 AI Act 的水印；并经 Frontier Design 与 METR 两家外部机构测试。The Verge 直接把这归因于此前的越界事件。值得多看一眼的是“透明路由”这个设计：一刀切的拒绝让企业无法规划，白箱降级让调用方能感知、能审计、能在安全与可用之间做自己的取舍——这比“我们更安全”的口号有用得多，也给企业内部 agent 的权限设计立了一个可抄的样板：能力越强的通道，越要配看得见的降级与回退。把行为数据当产品参数公开，与 OpenAI 上周的失准披露框架是同一个方向的两半——行业开始给“模型听不听话”立报表了。[3][4]

对选型的实际含义：以编码与自动化为主的日常负载，Sol 的每任务成本优势是压倒性的，值得先切一部分流量跑账单；以长文档、跨系统连续操作和知识工作为主的重负载，Opus 5.5 的 OSWorld 与知识工作数据更占优。所有对比数字均出自两家自报口径，Artificial Analysis 的独立页面刚上架，座次以独立复核为准——但“按完成任务计价”这个趋势本身，两家已经用真金白银确认了。

EvilTokens：同一套“压短路径”的能力，被做成犯罪服务

同一天，微软数字犯罪部门公布了名为 EvilTokens 平台的处置结果，它展示的是这套能力的最暗面。这个平台自 2 月上线以来关联超过 12,000 个被入侵邮箱、涉及逾 10,000 家组织，受害行业包括医疗、金融、地产、建筑与教育；以 1,500 美元入门费加 500 美元月订阅的方式在 Telegram 上销售。入侵手法并不新：滥用真实的 OAuth 设备码登录流程——用户点的是真实链接、批的是真实提示，密码一个都没丢；而设备码换来的令牌在改密码后依然有效，除非专门吊销。真正的新东西在入侵之后：平台内置的 AI 助手会通读整个邮箱，总结与翻译邮件、浮现财务对话、映射组织角色与信任关系，预设提示词能定位电汇讨论、找出“管钱的人”、检索供应商发票、挑选最合适的冒充对象，然后直接起草以同事口吻发送的诈骗邮件。微软与合作伙伴查封了 50 个网站、禁用 150 余个域名，伦敦警方 9 月 11 日逮捕两人；这是 DCU 第 40 次法院授权行动，也是第一次针对端到端 AI 犯罪服务的处置。顺带一提，这个犯罪平台本身也是用 AI“氛围编程”出来的。[6]

对企业，这条新闻的行动项很具体。第一，设备码钓鱼无法靠“密码改了”善后——令牌在改密后仍然有效，异常会话必须走专门的令牌吊销流程，IT 部门值得把“吊销所有会话”的按钮放进应急处置手册；第二，财务与付款相关的邮件往来是这类 AI 侦察的头号目标，付款变更类指令需要独立通道二次确认——打电话给已知号码，而不是回复原邮件，因为“原邮件”本身可能就是 AI 起草的；第三，所有已经在用邮件智能摘要、自动归类的企业服务，值得复查一遍“谁能读这些分析结果”——你订阅的效率工具和攻击者买的犯罪服务，读的是同一个邮箱。攻击者的成本已经降到了订阅价，防御的基线也得跟着抬。

快照

内容侧的同一趋势：HubSpot 管理层本周再度撰文讨论其内容流量结构——该公司博客曾在单月流失近 500 万次搜索访问，CMO 此前确认全年约 1.4 亿次访问转向 AI 搜索，官方博客的观察是 AI 引来的流量意图更高、转化约三倍；“生产更多内容换更多搜索流量”的旧公式正在失效，信息要开始考虑“被 AI 的决策路径采用”——企业官网与产品资料的未来读者里，会有越来越多是替人查资料的 agent。[7] 应用侧，Meta 的 Muse 两周登顶美国双应用商店（累计下载超 250 万，同期窗口 Claude 约 40 万、Grok 约 20 万），同日遭亚马逊拦截其代购行为，几乎同时被 Ars Technica 披露存在严重零日漏洞——个人 agent 的爆发、阻击与攻击面在六天内接连到齐，上期已详述。[9][10][11] 科研侧，Nature 9 月 21 日技术评论把“AI 共同科学家”的复兴与单一文化两种前途摆上台面；行为侧，挪威一项研究称 9 至 18 岁用户正把信息入口从 Google 迁向 AI 助手，入口的代际迁移第一次有了纵向数据点。[12][13] 工程侧，Linear 重造 CI 的帖子在 Hacker News 热议——AI 编码量把持续集成压成瓶颈，代码生产成本骤降后，验证与集成成了新的稀缺环节。[14] 国内过去 24 小时无值得单列的硬动态，如实说明；Meta Connect 大会今明两天举行，明天跟进。

第二部分｜每日一个创意 AI 应用深度解析

Trane 的 60 倍：不是算法变强，是删掉了信息搬运

先看这个案例本身

Trane Technologies 管理着全球数百万台暖通空调设备，服务建筑业主与运维团队。它的内部技术人员过去要回答一个跨设备的问题——“这栋楼上周冷机能耗为什么异常”——需要在多个仪表盘与菜单树之间反复查找、对齐口径，单次诊断动辄 20 分钟以上。与 AWS 合作的 agent 项目把这条路径压缩成一次自然语言询问：技术人员直接提问，agent 跨账户、跨系统取数并完成关联分析，内部团队连续数周实测的平均“获得洞见时间”约为 20 秒，改善约 60 倍。项目从启动到第一个可演示原型用了约四周，先让一线技术人员试用并按反馈修正，再逐步面向外部客户发布。架构上用的是 Amazon Bedrock AgentCore 与 Strands agent 框架，核心难点不在模型，而在跨账户数据访问的权限设计、多 agent 的任务编排，以及把设备领域的口径翻译成 agent 可执行的查询。上述 60 倍为 Trane 内部基准，不应理解为建筑管理任务的普遍提升幅度。[8]

60 倍从哪里来：AI 的价值在“删掉”，不在“变强”

这个案例最值得想清楚的一点是：HVAC 算法没有突然先进 60 倍。冷机能耗模型、设备台账、历史数据都还是原来那套，agent 也只是在调用它们。被压缩掉的其实是三段人的时间：在多个系统之间寻找数据的时间，在界面之间切换和对齐口径的时间，以及把业务问题翻译成各系统能理解的查询、再把结果拼回来的时间。这三段在管理术语里常被算作“信息处理成本”，在员工的体验里就是“烦”——而它们恰恰是传统数字化的盲区：每个系统单独看都达标，合起来问一个跨系统的问题就没人答得快。昨天微软查封的 EvilTokens 从反面演示了同一件事——AI 读邮箱识别“谁管钱”，压缩的也是侦察与翻译的时间。一个把 20 分钟的设备诊断压成 20 秒，一个把几天的邮箱侦察压成几分钟；技术中性，路径压短的能力落在谁手里，决定它是效率还是武器。

顺带这也解释了为什么这类项目容易在一线受欢迎。很多数字化工具失败的原因是“给一线加了录入负担换管理层的报表”，而跨系统问答 agent 恰好反过来：一线提问、一线受益，管理层随后才从提问记录里看到组织真正在问什么——这份“提问日志”本身又成了流程优化的输入。Trane 先让技术人员试用数周再对外的顺序，把这个逻辑走扎实了。

对企业落地，这个判断比“AI 有多聪明”有用得多：立项前先问“这个流程里，人的时间花在搬运信息还是判断信息上”。搬运占比越高（跨系统查数、汇总报表、对口径、找历史），agent 化的收益越大且越容易被员工欢迎，因为它删掉的是所有人最烦的那部分；判断占比越高的环节，留给人，agent 做证据准备。Trane 的四周出原型也给出了节奏参考：先做一个能演示的最小闭环，让一线用真实问题去打，按反馈修正后再扩大——不要先做半年规划。

迁移到建筑企业：同一类“跨系统问答”就在手边

建筑央企的场景结构与 Trane 高度同构，因为痛点都是“数据在多个系统里，问题却是跨系统的”。可以对照列一组：项目上问“这个月的钢筋超耗集中在哪些楼层”，答案散在物资系统、进度模型与预算台账里；总部问“华东所有在建项目的塔吊租赁单价与利用率对比”，要等各项目报表汇总；运维期问“这栋楼能耗异常是设备问题还是运行策略问题”，需要机电、能耗与运行记录三个口径对齐。每一问都是 Trane 式的“20 分钟到 20 秒”候选。往前一步还有 Trane 没做完的部分：问完之后自然衔接行动——超耗定位到楼层后自动生成限额预警、能耗异常定位到设备后自动派单——问答只是入口，闭环才是价值。前提条件也一样清楚：权限先理清（谁能问哪些项目的数据，正是 Trane 花功夫最多的跨账户设计）、口径先统一（设备编码与项目编码的映射表比模型更重要）、先内部用再对外说。60 倍不可复制，“删掉信息搬运”可复制。

来源与说明

[1] Introducing GPT-6 Sol and Luna｜OpenAI｜2026-09-22 [2] GPT-6 Sol and Luna push the cost-efficiency frontier｜Artificial Analysis｜2026-09-22 [3] Introducing Claude Opus 5.5｜Anthropic｜2026-09-22 [4] Anthropic launches Claude Opus 5.5 with stricter safeguards for cybersecurity｜The Verge｜2026-09-22 [5] Claude Opus 5.5 模型文档｜Claude Platform Docs｜2026-09-22 [6] Disrupting EvilTokens: The AI chatbot built for cybercrime｜Microsoft On the Issues｜2026-09-22 [7] AI Search Behavior: What It Means for Your Marketing｜HubSpot 官方博客｜2026-06 [8] How Trane gets building insights 60x faster with Amazon Bedrock AgentCore｜AWS Machine Learning Blog｜2026-09-22 [9] Meta’s New Muse AI App Tops Charts, Draws Strong Early Reviews｜Bloomberg｜2026-09-21 [10] Amazon blocks Meta’s Muse AI shopping agent｜The Register｜2026-09-21 [11] Muse, Meta’s extraordinarily privileged AI assistant, has a serious 0-day｜Ars Technica｜2026-09-21 [12] Will AI spark a scientific renaissance — or a diffuse monoculture?｜Nature｜2026-09-21 [13] Young users ditch Google for AI, with unknown consequences｜Norwegian SciTech News｜2026-09 [14] AI coding has made CI a bottleneck, so we reworked ours to keep up｜Linear｜2026-09-22

检索截止：2026-09-23 08:40（Asia/Shanghai）。双发模型全部性能与成本数字为厂商自报（部分经 Artificial Analysis 第三方转述），独立评测陆续上架后应复核；Trane 60 倍为企业内部基准；HubSpot 流量数字来自其官方博客与管理层公开表态（单月与全年口径已分别标注）；EvilTokens 案情来自微软官方公告与司法处置信息；快照中 Muse 三则此前已单独核实（Bloomberg、CNBC、The Register、Ars Technica，9 月 21—22 日）。