九月里OpenAI、Anthropic、Google接力发了五次新模型：GPT-6 Astra最贵也最强，Sol与Luna价格压到五分之一以下；Claude Opus 5.5的看点是写代码直接生成视频与3D，建议按任务出错代价选型。

选错模型，有时比不用更麻烦。

国庆节前，有用户在群里问我：「刀哥，最近我看国外新模型怎么发布这么多，你能聊聊这个吗？」

确实，整个9月就是新模型的密集发布期。说实话，我也跟得气喘吁吁。每款新模型出来，我都要拿一些自己常用的问题去试试看。

结果最后我发现，最苦恼的是，靠我自己的能力已经分辨不出哪个模型的答案最厉害了，感觉各有千秋。

我先跟你掰着指头数一数，光传统上的AI御三家都发布了哪些新模型：

9月3日，OpenAI发布新一代旗舰GPT-6 Astra，综合能力目前最强。

19天后，9月22日，OpenAI又发了两个：GPT-6 Sol和Luna，一个中端，一个轻量。同一天，Anthropic发布Claude Opus 5.5。

再过7天，9月29日，OpenAI在开发者大会上推出GPT-6.1 Sol，编程能力直追Astra，价格却只要自家旗舰模型的五分之一。

第二天，9月30日，Google发布Gemini 4 Argon。

一个月，五次发布，三家公司。上一个模型还没搞明白，下一个就来了。

我感觉这三家在玩「斗地主」：每个人都在出牌，但每个人手里都还捏着一个炸弹。你不出我就不出，你一出，我马上就跟上。

这期我就从几个实际问题来聊：这些模型各自强在哪，贵不贵，普通人用得上吗？

把它们放在一起看，也能看出几个正在影响我们怎么选、怎么用AI的趋势。

咱们先从最近非常活跃的OpenAI说起。

GPT-6 Astra是OpenAI的新一代旗舰，也是目前最强的通用模型之一，比上一代GPT-5在复杂推理和长上下文处理上都有明显提升。

但它也是最贵的，API价格是每百万token输入10美元、输出50美元。普通开发者用它做一次深度对话或者研究报告，花费就相当可观，很容易打爆账单。

它适合处理那些你没法自己验证结果、出错代价又很高的任务，比如复杂的代码架构设计、一份几十页合同的风险分析、多步骤的研究推演。

如果你的日常工作不需要这种精度，其实有更合适的选择。

并且这个模型，我自己用下来会发现，有时候你问一些简单的问题，它很容易把问题想复杂。这有点像我们上学时班里那种惹人讨厌的学霸：

拿到一张简单的卷子，或者发现最后一道大题很简单，他不会开心，而是紧皱着眉头说：「老师应该不会布置这么简单的题吧？我是不是想简单了？」

大模型有时就是这样。我可能只是想问问一加一等于几，它以为我在跟它讨论终极的哲学问题。

就在旗舰模型Astra发布19天后，OpenAI同一天推出Sol和Luna两个型号。

Sol是中端定位，大多数日常任务的表现接近Astra，但价格只有它的五分之一。Luna的价格就低得多了，输入0.1美元、输出0.5美元，比Astra便宜了整整100倍。

Luna适合那些需要大批量调用、对质量要求没那么高的场景，比如客服、摘要、分类这类重复性工作。

毕竟100倍的价差，适合做的事情当然不同。

不过，同样花Luna这个价位的钱，今天能买到的能力，一年前我觉得连全世界最好的模型都达不到这个水平。

同样是9月22日，Anthropic发布了Claude Opus 5.5。从我的体感上，如果只看文字对话能力，Opus 5.5和上一版Opus 5的差距不算特别大。

Anthropic自己说得很直白：Opus 5.5在多数工作上达到了自家Fable 5.1的水平，同时典型任务的运行成本比Opus 5低了大约40%。

不过，这个模型刚出来的时候，大家没有太关注。因为除了Opus 5之外，Anthropic旗下还有Fable这样之前断档领先的选择，它少了些让人眼前一亮的感觉。

让Opus 5.5在社交媒体上刷屏的，是另一种玩法：用纯代码直接生成视频和3D内容。

Opus 5.5自己写代码，代码运行出来就是视频和3D场景，过程中不需要调用视频生成模型。这样一来，语言模型也能做视觉创作了。

过去，「写代码」和「做视频」是两个完全不同的工种，现在同一个模型能把这两件事接起来做。

我看到不少博主就用这个模型来做广告片，质量非常高。而且这些人里，很多之前都不是传统的AI视频工作者。

其实这对很多人来说，是一次非常大的能力横向拓展。我觉得，这种底层能力的变化，可能比跑分的提升更值得关注。

紧接着，9月29日，OpenAI在开发者大会DevDay上发布了GPT-6.1 Sol。

要知道，距离Astra发布，只过了26天。GPT-6.1 Sol在编程能力上已经打平Astra，API价格是输入2美元、输出10美元，恰好是Astra的五分之一。

只过了26天，价格降到五分之一，编程能力就接近旗舰了。这两个数字放到一起，很能说明这一轮更新有多快，简直就是「我狠起来连自己都打」的真实写照。

9月30日，Google发布了Gemini 4 Argon，多项基准测试超过了Astra，输出上限更是提升到了100万token，理论上可以一次性输出一本书。

不过，Gemini 4 Argon目前只向少量合作伙伴开放，咱们普通用户暂时体验不到。

我觉得，Google是着急了，先把实力展示出来。免得就像很多经典的管理学案例一样：一个市场上，老大和老二打架，然后发现老三死了。

如果Google再不发布点新东西，它的模型相比OpenAI或者Anthropic，确实会让人感觉已经不是一个时代了。

不少同学可能还会好奇，那国内的情况怎么样？

同样在提速。Kimi K3、GLM-5.3、DeepSeek V4.1，最近几个月密集更新。在节前的云栖大会上，千问的一批模型也都全线更新，基本上都是更强、更便宜。

除了发布得更勤，哪些模型用得最多，也值得看看。

根据OpenRouter平台最新数据，全球周Token消耗量前四名，有三个都是咱们国内的轻量Flash类模型。

排第一的模型是个厂商匿名未公开的模型；DeepSeek V4.1 Flash排第二，一周消耗25.6万亿token；GLM 5.3 Flash排第三，9.63万亿；MiMo-V2.6-Flash排第四，9.63万亿。

前十名里，中国公司出的模型也占了大半。

当然，虽然很多都是国内模型，但不代表使用它们的都是国内用户。因为现在有非常多欧美初创企业，在日常业务场景中，直接使用咱们的轻量级开源模型。

用量跑在最前面的，反而是便宜的模型，旗舰模型排在了后面。就这，DeepSeek还推出了闲时半价策略，把本来就不高的价格再砍一半。

说到这里，9月这一轮密集发布，如果把前面这些模型放在一起看，至少能看出三个变化。

最直观、最显而易见的一条，是过去很贵的AI能力正在迅速降价。

要知道，2021年，GPT-3刚开放API的时候，每百万token收费60美元。到2026年，同等能力水平的模型，价格降到了0.06美元。五年，降了1000倍。

整个行业的价格都在往下走，这不能用某一家公司的促销来解释。a16z的研究算过，大模型推理成本正在以每年10倍的速度下降，比摩尔定律还快。

这些账，如果我们只以月为单位来看，可能还没那么震撼。但如果回头看一年前、两年前的AI能力和价格，你就会对这个迭代速度非常惊讶。

李开复在《AI未来已来》里也算过一笔账，能帮我们理解这个降价速度：在相同智能水平下，AI推理成本两年降了99.4%。如果一辆特斯拉Model Y也经历同样幅度的降价，25万的车现在只要1428块钱。

回头看9月的发布就能理解了。Astra刚出来26天，GPT-6.1 Sol就用五分之一的价格追平了它的编程能力。Luna更夸张，价格只有Astra的百分之一。

第二个变化是，新模型的研发过程里，已经有旧模型在帮忙了，而且起到的作用越来越大。

这也是我和罗老师8月份去硅谷的时候，好几个AI公司的科学家都在说的趋势。

OpenAI在技术博客中提到，GPT-6的训练流程中使用了AI辅助的数据生成和评估。Anthropic的研究报告也显示，Claude参与了自身下一代模型的安全测试和红队演练。

在硅谷调研时，我们采访了一位Anthropic做预训练的专家。那天坐下来，他就跟我和罗老师说：「按照现在AI的迭代速度，我觉得一年半之后，我可能就要退休了。」

他这么说，就是因为看到了AI在训练AI的过程中，发挥的作用越来越大。

不过，「AI参与研发」，现在离「AI自己造出下一代」还差得很远。

目前AI做的更多还是辅助性工作：生成训练数据、做初步评估、加速测试流程。核心的架构设计、训练策略制定，仍然是人类研究员的工作。

但就是这些非常耗时间的辅助工作，已经足够让研发速度快起来很多。

我看到日经中文网的一个统计数字，2023年初到2026年3月，中美头部AI企业发布高性能模型的平均间隔是125天；而2026年4月到9月，这个数字已经缩短到了44天，只有原来的三分之一。

还有一个变化是，这些模型并不是刚研发完就立刻发布的。

我的感觉是，这几家公司内部往往储备了多个已经训练好的模型，选择什么时候发布，本身也是一个商业决策。

最典型的例子是OpenAI。GPT-6 Astra、Sol、Luna、GPT-6.1 Sol，四个模型在一个月内发布。

它们不太可能是在这一个月里先后完成的，更合理的解释是：公司已经备好了这些模型，再根据市场竞争的情况决定什么时候发布。

再看Anthropic在9月22日发布Opus 5.5，OpenAI一周内就跟上了GPT-6.1 Sol。能这么快跟上，说明模型很可能早就准备好了，就等着对手出牌的时候扔出来。

哪怕不能抢走市场，至少也能抢走媒体和大众的注意力。

不过，手里有几个没发布的模型，不等于领先了几代。有些模型是平行分支，测试不同方向，有的适合视频，有的适合代码；有些效果不够好，可能永远不会发布。

这三个变化，让我们能用上的AI能力越来越多。直觉上，模型越来越便宜，对普通人来说应该是纯粹的好消息，咱们选个最便宜的用就行了，反正都挺聪明的。

可便宜的模型和贵的模型，擅长的事不一样。

特别是，选错了模型，有时候比不用模型更麻烦。因为你会拿到一个看起来像回事、但经不起推敲的结果，而且你可能根本意识不到它错了。

写一封邮件，Luna够了。分析一份复杂合同的风险，可能得用Astra。帮你整理会议纪要，Flash模型绰绰有余。

但如果你要让AI帮你做一个关键决策的推演，就值得选最好的模型，也得知道怎么用它。

怎么选，要看出错的代价。

一封邮件措辞不够精准，影响有限；一份合同的关键条款被漏掉，后果可能不可逆。越是你没法自己验证结果的任务，越需要用好模型。

反正现在我建议大家多去尝试不同的模型，不要太专一了。我拿自己节前做的一个特别小的需求来举例。

不少朋友都知道，我们跨年演讲已经做了11年。过去每年的活动都会有至少几千张高清照片，都散落在一些云相册的链接里。

现在想找一些历史素材，翻起来不仅花时间，很多时候也压根记不清楚了。

所以我就用OpenAI的便宜模型Luna，帮我批量按年份下载照片、整理文件夹；用GPT-6.1 Sol对每张照片进行重命名和打标签。

然后，用Anthropic的Opus 5.5做了一个查询历年素材照片的本地网页。之所以用Opus，是因为他们家做网页的审美一直在线。

在这个需求里，我还使用了马斯克的Grok bot。你肯定好奇，既然已经用了前面两家的模型，为什么还要用这个？我再把具体场景描述一下，你就理解了。

虽然AI下载了很多照片，但我希望命名和标签能精准到这种程度：这是罗老师在台上鞠躬致意，这是脱不花在彩排时巡场。

但是，当我扔给OpenAI和Anthropic的模型几张罗老师的照片，让它们帮我找出这个人的所有照片时，这两家的模型都拒绝了我。

给出的理由也差不多，说这涉及用户肖像和人脸识别，不能拿一张照片去判断其他照片里是不是同一个人。

这时，我就想到了马斯克的Grok bot。因为他家的模型一向以肆意妄为而著称。

果然，我把需求跟它一说，它压根没跟我扯这些，直接开始从几万张图片里干活。我把我和Grok bot的对话截张图，你可以看一下。

你看，就这么一个小需求，我调用了三家公司的AI来处理。

不过，因为现在还都是我自己在创建阶段，接下来如果真给跨年项目组用，我肯定会把背后的模型换成DeepSeek或者智谱的GLM，因为省钱、速度也快。

但我想说的是，目前AI还没法替咱们做这种判断，也不会主动告诉你「这个问题，你应该去问一个更贵的模型」。

它更新得再快，能做的事情再多，这三秒钟的判断，还得咱们自己做。