OpenAI 在 2026 年 7 月 30 日調降 GPT-5.6 系列的 API 價格：中階的 Terra 降 20%，最小的 Luna 直接降 80%。我要下的判斷是：這是今年到目前為止，對台灣中小企業與接案者最實用的一則 AI 新聞。 因為卡住多數人導入 AI 的，從來不是「模型夠不夠聰明」，而是每個月那張 API 帳單——Luna 降八成之後，批次處理、客服分類、文件萃取、標籤標註這種「量大但不難」的任務，成本被打到了另一個級距。原本算不過來的自動化，現在算得過來了。
官方掛牌價：先把數字擺清楚
以 2026 年 8 月 1 日查證的 OpenAI 官方定價頁為準，三款 GPT-5.6 的標準計價（每百萬 token）如下：
- GPT-5.6 Sol（旗艦）：輸入 5 美元、輸出 30 美元，快取輸入 0.5 美元。
- GPT-5.6 Terra（中階）：輸入 2 美元、輸出 12 美元，快取輸入 0.2 美元。
- GPT-5.6 Luna（最小）：輸入 0.2 美元、輸出 1.2 美元，快取輸入 0.02 美元。
官方 changelog 只寫了降幅、沒有列出舊價。若照「Luna 降 80%、Terra 降 20%」回推，降價前約是 Luna 輸入 1 美元／輸出 6 美元、Terra 輸入 2.5 美元／輸出 15 美元——這組舊價是依官方降幅推算，不是官方公布的數字，只拿來理解量級。
同一天還有一個很容易被混為一談的變動：Priority Processing 更名為 Fast mode，官方稱在 Sol 上最高比標準處理快 2.5 倍，但價格是兩倍（Sol 的 Fast mode 為輸入 10 美元、輸出 60 美元）；原本標記 priority 的請求會自動沿用，向下相容（官方 changelog、定價頁）。這是加價買速度，跟這次降價是兩回事，別把它算進省錢那一欄。
一個你可以套自己數字的試算
以下全部是示範用假設，實際金額依你的用量、提示詞長度與輸出格式而定，請把數字換成自己的再算一次。
假設一家公司每天要處理 2,000 份文件（客服信分類、發票欄位萃取這類），每份輸入約 1,500 token、輸出約 300 token，一個月 30 天。換算下來，每月輸入約 9,000 萬 token、輸出約 1,800 萬 token。套上面的官方掛牌價：
- 用 Sol 跑：450 + 540 = 每月約 990 美元
- 用 Terra 跑：180 + 216 = 每月約 396 美元
- 用 Luna 跑（降價後）：18 + 21.6 = 每月約 39.6 美元
- 用 Luna 跑（依降幅回推的降價前）：90 + 108 = 每月約 198 美元
同一份工作量，Luna 的月成本大約是 Terra 的十分之一、Sol 的二十五分之一；光是這次降價，就讓它從近 200 美元掉到 40 美元以下。這就是我說的「換了一個級距」——不是省了幾成，是原本要開會討論的支出，變成不必開會的支出。（以上皆為美元計價，實際帳單依你當期匯率換算。）
對台灣的意義：哪些任務屬於「量大又不難」
外電不會替台灣算的是這一段。台灣中小企業真正卡住的自動化，通常是這幾種：客服信件分類與初步回覆、發票與報價單的欄位萃取、電商評論的情緒判定與標籤標註、大量 PDF 或會議記錄的摘要、舊資料的清理與正規化。它們的共同點是：量很大、單題不難、對錯標準寫得出來。
這類專案過去卡住的點很現實：老闆問「這個自動化一個月要多少錢」，答案是三、四百美元起跳，而它取代的可能只是半個工讀生的工時，於是專案就停在試算表裡。現在同一筆帳重算，數字會完全不一樣——像智能客服與知識庫這種一直被嫌太貴的題目，最值得重新翻出來算。
想再往下壓，還有兩個官方機制值得先了解，但都有前提。Batch API 對非即時任務提供 50% 折扣、24 小時內完成，而且不吃你原本的速率限制——上面那個 Luna 的例子用批次跑，大約落在每月 20 美元的量級。Prompt Caching 讓重複的長前綴以快取價計費，但前綴要至少 1,024 token 才會啟用，而且在 GPT-5.6 上寫入快取要付 1.25 倍的輸入費，重複命中夠多才划算。更完整的省錢盤點我整理在 AI 月費完整省錢手冊；還沒決定該從哪個任務開始省的，先看中小企業用 AI 省錢。
兩件事，我不建議你省
第一，吃推理深度的任務別硬省。 這裡有個很容易誤判的細節：根據 OpenAI 官方模型頁，Sol、Terra、Luna 三款的脈絡窗都是 105 萬 token、單次輸出上限都是 12.8 萬 token、知識截止都是 2026 年 2 月 16 日——規格欄看起來一模一樣，差的是能力層級與價格。 官方對 Luna 的定位也寫得很直白：為「對成本敏感的工作負載」而生。所以「Luna 也塞得下同樣長的文件」不等於「Luna 做得對同樣難的判斷」。複雜程式重構、多步推理、法遵與合約判斷這類任務硬省，省下來的錢會用「錯一次要人工重做三小時」還回去。
第二，別再盯著每百萬 token 多少錢。 真正該量的指標是每完成一件正確任務花多少錢。一個便宜五倍、但要重跑兩次還得人工修一次的模型，總成本可能更高。務實做法是挑一個量大、對錯標準清楚的任務做 A／B，跑一到兩週，比較含返工的總成本，確認沒退步再擴大——別因為降價就整批遷移，提示詞重調與評估重跑本身就是成本。這跟我在 Gemini 3.6 Flash 降價那篇給的框架是同一套。
一句話的判斷
把這次降價、Google 一口氣推三款 Gemini 並調降輸出價、Fireworks 押注特化小模型募到 15 億美元這三件事擺在一起讀，訊號很一致：2026 下半年模型競爭的主戰場，已經從「誰更聰明」變成「同一件事誰更便宜」。
我不預測下一輪還會不會降——那不是你能規劃的事。你現在能做的，是把去年因為「算不過來」而擱置的自動化清單重新翻出來，用今天的掛牌價重算一次。有些案子會直接從紅字翻成黑字，而那才是這則新聞對你真正的價值。
常見問題
OpenAI 這次 API 降價，Luna 到底便宜到什麼程度？
官方 changelog 寫明從 2026 年 7 月 30 日起，GPT-5.6 Luna 降 80%、Terra 降 20%。以 2026 年 8 月 1 日查證的官方定價頁為準，Luna 的掛牌價是每百萬 token 輸入 0.2 美元、輸出 1.2 美元。換算成實感：同一批工作量，Luna 的成本大約是中階 Terra 的十分之一、旗艦 Sol 的二十五分之一。
GPT-5.6 的 Sol、Terra、Luna 該怎麼選？
三款的脈絡窗、輸出上限與知識截止都相同，差別在能力層級與價格。官方把 Sol 定位為處理複雜專業工作的旗艦、Terra 是智慧與成本的平衡、Luna 則是為對成本敏感的工作負載而生。實務原則：對錯標準寫得出來、錯了只要重跑一次的高頻任務交給 Luna；會出帳、發信給客戶或影響法遵的判斷，往上升級。
Fast mode 是什麼？跟這次降價有關嗎？
沒有關係，方向還相反。Fast mode 是 7 月 30 日同步推出、用來取代 Priority Processing 的加速選項，官方稱在 Sol 上最高比標準處理快 2.5 倍，但價格是標準的兩倍。原本標記 priority 的請求會自動沿用 Fast mode，向下相容。這是花錢買延遲，只有在速度真的是你的瓶頸時才划算，別跟降價混為一談。
降價了，我該把現有流程整批換成 Luna 嗎？
不建議一次全換。換模型有實際的遷移成本：提示詞要重調、評估題要重跑、輸出格式可能要重新校準。務實做法是先挑一個量大、對錯標準清楚的任務做 A／B，跑一到兩週，比較的指標是「每完成一件正確任務花多少錢」而不是單價，確認品質沒退步再逐步擴大。最常見的做法是路由而非全押：八成的簡單請求交給 Luna，剩下兩成難題往上升級。
除了選便宜的模型，還有什麼方法可以再壓 API 成本？
兩個官方機制值得先看。一是 Batch API，非即時任務可享 50% 折扣、24 小時內完成，而且不佔用你標準的速率限制，很適合夜間跑的批次工作。二是 Prompt Caching，重複的長前綴能以快取價計費，但前綴至少要 1,024 token 才會啟用，且在 GPT-5.6 上寫入快取要付 1.25 倍輸入費，重複命中夠多才划算。
參考來源
- OpenAI 官方 API Changelog（2026-07-30 條目：Luna 降 80%、Terra 降 20%、Fast mode 取代 Priority Processing、Sol 最高 2.5 倍速兩倍價、
priority標記向下相容） - OpenAI 官方 API 定價頁（Sol／Terra／Luna 標準與快取掛牌價、Fast mode 為標準兩倍、Batch 50% 折扣；2026-08-01 查證）
- OpenAI 官方模型頁（三款定位說明、105 萬 token 脈絡窗、12.8 萬 token 輸出上限、知識截止 2026 年 2 月 16 日）
- OpenAI Batch API 指南（較同步 API 便宜 50%、24 小時完成窗口、不消耗標準速率限制）
- OpenAI Prompt Caching 指南（前綴需至少 1,024 token、GPT-5.6 快取寫入為未快取輸入價的 1.25 倍、快取前綴至少保留 30 分鐘）