GPT-5.6 API 降价与 Fast mode 指南：Luna、Terra、Sol 新价格

OpenAI 在 2026 年 7 月 30 日调整了 GPT-5.6 API 的定价和低延迟处理方式。 这次变化包含三件事：

• GPT-5.6 Luna 价格降低 80%；

• GPT-5.6 Terra 价格降低 20%；

• Priority Processing 更名为 Fast mode。 GPT-5.6 Sol 在 Fast mode 下最高可达到 Standard 处理速度的 2.5 倍，价格为 Standard 的 2 倍。 现有代码不需要立即改动。 请求中继续使用 service_tier: "priority"，会获得与 service_tier: "fast" 相同的处理行为。 官方来源：

• OpenAI 产品更新说明

• OpenAI API 最新价格

• Fast mode 使用文档 如果需要了解 Sol、Terra、Luna 的原始定位和发布背景，可先阅读：GPT-5.6 Sol 有限预览与模型分层。

先看结论：谁最受益

Luna 是这次降价幅度最大的模型。 它的 Standard 短上下文输入价格从每百万 token 1 美元降到 0.20 美元，输出从 6 美元降到 1.20 美元。 Terra 的 Standard 短上下文输入价格从 2.50 美元降到 2 美元，输出从 15 美元降到 12 美元。 Sol 的 Standard 短上下文价格仍为输入 5 美元、输出 30 美元。 它的主要变化不是 Standard 降价，而是 Fast mode 提速。 可以这样理解三档模型：

GPT-5.6 Standard 最新价格

官方价格以每百万 token 计费。 下面是短上下文 Standard 价格：

• 未缓存输入 token；
• 缓存输入 token；
• 缓存写入 token；
• 输出 token；
• Standard 与 Fast mode 的请求比例；
• 短上下文与长上下文请求比例。

Luna 降价 80% 后意味着什么

Luna 的输入和输出价格都变为原来的 20%。 旧的短上下文 Standard 价格是：

• 输入：$1.00 / 1M token；

• 输出：$6.00 / 1M token。 新的价格是：

• 输入：$0.20 / 1M token；

• 输出：$1.20 / 1M token。 假设一个批处理任务每月使用 1 亿输入 token 和 2,000 万输出 token： 旧价格估算：

1
2
3

输入：100 × $1.00 = $100
输出：20 × $6.00 = $120
合计：$220

新价格估算：

1
2
3

输入：100 × $0.20 = $20
输出：20 × $1.20 = $24
合计：$44

在 token 用量不变的情况下，这个示例的费用从 220 美元降到 44 美元。 但价格下降不代表所有任务都应该迁移到 Luna。 先用真实请求检查指令遵循、结构化输出、工具调用和错误率。 如果模型变便宜，却导致重试次数或人工修正增加，总成本未必真的下降。

Terra 降价 20% 后如何计算

Terra 的旧短上下文 Standard 价格是：

• 输入：$2.50 / 1M token；

• 输出：$15.00 / 1M token。 新价格是：

• 输入：$2.00 / 1M token；

• 输出：$12.00 / 1M token。 假设每月使用 1 亿输入 token 和 2,000 万输出 token： 旧价格估算：

1
2
3

输入：100 × $2.50 = $250
输出：20 × $15.00 = $300
合计：$550

新价格估算：

1
2
3

输入：100 × $2.00 = $200
输出：20 × $12.00 = $240
合计：$440

示例每月可减少 110 美元，降幅正好是 20%。 Terra 更适合已经把它作为默认生产模型的团队。 不需要改模型 ID，账单会按新价格计算。

Fast mode 是什么

Fast mode 是原 Priority Processing 的新名称。 它仍然是按量付费的低延迟处理方式，但官方把产品定位和参数名称变得更直观。 Fast mode 的目标是：

• 降低响应等待时间；
• 提供更稳定的延迟；
• 保留按量付费方式；
• 服务有稳定流量的高价值用户请求。 对 gpt-5.6-sol，Fast mode 最高可达到 Standard 的 2.5 倍速度。 “最高 2.5 倍”不是每个请求都固定提升 2.5 倍。 实际延迟仍与输入长度、输出长度、工具调用、网络和系统负载有关。

Fast mode 最新价格

当前短上下文 Fast mode 价格如下：

1
2
3

输入：10 × $5.00 = $50
输出：2 × $30.00 = $60
合计：$110

Fast mode：

1
2
3

输入：10 × $10.00 = $100
输出：2 × $60.00 = $120
合计：$220

是否值得多付 110 美元，要看延迟下降能否改善转化率、任务完成率或人工效率。

单个请求启用 Fast mode

Responses API 使用 service_tier: "fast"：

1
2
3
4
5
6
7
8

curl https://api.openai.com/v1/responses \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-5.6-sol",
    "input": "分析这段错误日志并给出修复顺序",
    "service_tier": "fast"
  }'

Python SDK 示例：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11

from openai import OpenAI

client = OpenAI()

response = client.responses.create(
    model="gpt-5.6-sol",
    input="分析这段错误日志并给出修复顺序",
    service_tier="fast",
)

print(response.output_text)

Fast mode 同时可用于 Responses API 和 Chat Completions API。

旧的 priority 参数需要修改吗

不需要立即修改。 下面的旧请求仍然有效：

1
2
3
4
5

response = client.responses.create(
    model="gpt-5.6-sol",
    input="检查这个发布方案",
    service_tier="priority",
)

对于受支持模型，priority 与 fast 会获得相同的处理行为。 建议新代码使用 fast，因为名称与当前文档一致。 旧代码可以按正常发布周期逐步迁移，不必紧急全量替换。 需要特别注意响应对象。 对 GPT-5.6 及更早模型，即使请求写的是 fast，响应里的 service_tier 仍可能返回 priority。 因此，监控系统不要把返回 priority 直接判断为配置没有生效。

在项目级别默认启用 Fast mode

如果项目中的大部分用户请求都需要低延迟，可以在项目设置中启用：

1. 打开 OpenAI API Platform 的项目设置；
2. 进入 General；
3. 找到 Project Service Tier；
4. 选择 Fast。 设置后，没有显式传入 service_tier 的请求会逐步转向 Fast mode。 官方说明项目请求会随时间渐进切换。 不要把设置保存后的第一分钟数据当作最终结果。 更稳妥的方式是先按请求启用，用功能开关控制少量流量，再决定是否改项目默认值。

速率限制并不会翻倍

Fast mode 和 Standard 处理共享同一个模型速率限制。 启用 Fast mode 不会自动增加 TPM 或 RPM 配额。 原有的重试、退避和并发控制仍然需要保留。 如果系统因为更快返回而立即发出更多后续请求，反而可能更快触发速率限制。 验证时应同时观察：

• 请求延迟；
• 429 响应；
• 每分钟 token；
• 并发任务数；
• 重试次数；
• 实际完成时间。

突发流量可能被降级到 Standard

Fast mode 有 ramp rate limit。 当流量至少达到每分钟 100 万 token，并且 15 分钟内 TPM 增长超过 50% 时，部分 Fast mode 请求可能被降级。 降级后：

• 请求按 Standard 速度处理；

• 费用按 Standard 价格计算；

• 响应中的 service_tier 为 default。 降低触发风险的方法包括：

• 切换模型或快照时逐步放量；

• 使用功能开关在数小时内迁移流量；

• 避免把大型 ETL 或批处理任务放进 Fast mode；

• 保留 Standard 降级路径；

• 按服务层级统计延迟和费用。

哪些场景不适合 Fast mode

Fast mode 适合延迟直接影响用户体验的请求，例如：

• 实时编码助手；

• 交互式 Agent；

• 用户正在等待的复杂分析；

• 高价值客服或销售流程；

• 对首字延迟和总耗时敏感的产品。 不适合的场景包括：

• 离线批处理；

• 夜间数据清洗；

• 对完成时间不敏感的队列；

• 可以使用 Batch 或 Flex 的任务；

• 大规模 ETL；

• 只为跑分而开启的全量流量。 如果用户不会感知几十秒的差异，支付 2 倍 token 价格通常没有必要。

Fast mode 当前功能限制

官方文档列出的限制包括：

• 不支持长上下文；
• 不支持微调模型；
• 不支持 Embeddings；
• 地区可用性取决于当地法律和监管；
• 不保证未来每个 GPT 模型都支持；
• Scale Tier 与 Fast mode 分开计费。 Fast mode 支持 Standard 模式已有的多模态能力，包括图像输入。 缓存输入仍然可以享受折扣。 Fast mode 兼容数据驻留、Zero Data Retention 和 BAA，但原有端点、工具、资格和合同要求仍然适用。

如何验证 Fast mode 是否真的更快

不要只执行一次请求就下结论。 准备一组真实业务样本，分别用 Standard 和 Fast mode 运行。 至少记录：

一套安全的迁移步骤

生产环境可以按以下顺序迁移：

1. 保留当前 Standard 基线数据；
2. 选择最依赖低延迟的一个接口；
3. 给 1% 流量设置 service_tier: "fast"；
4. 比较 P50、P95、成功率和单位任务成本；
5. 检查响应中的 priority 与 default；
6. 逐步扩大到 5%、10% 和 25%；
7. 观察是否触发 ramp rate limit；
8. 确认业务指标改善后再继续放量；
9. 不需要低延迟的任务继续使用 Standard、Batch 或 Flex；
10. 最后再考虑项目级默认启用。 不要只按模型名称统一切换整个组织。 同一个项目中的接口对延迟和成本可能有完全不同的敏感度。

如何在 Luna、Terra、Sol 之间重新分流

降价后可以重新设计任务路由：

• Luna：高吞吐、规则明确、可自动验收的轻量任务；
• Terra：默认生产流量和中等复杂度任务；
• Sol：复杂推理、困难编码和高价值失败重试；
• Sol Fast mode：用户正在等待且延迟会影响业务结果的复杂请求。 先由 Luna 或 Terra 处理，再把失败或低置信度请求升级到 Sol，通常比所有请求直接进入 Sol 更省钱。 Fast mode 应该是延迟路由，而不是能力路由。 它不会把 Luna 变成 Sol，也不会自动提高模型答案质量。

常见问题

Luna 和 Terra 的模型 ID 变了吗

没有。 仍然使用 gpt-5.6-luna 和 gpt-5.6-terra，价格从 2026 年 7 月 30 日起调整。

Sol 的 Standard 价格下降了吗

官方本次更新重点是 Luna、Terra 降价，以及 Sol 的 Fast mode 提速。 Sol Standard 短上下文价格仍是输入 5 美元、输出 30 美元。

priority 会被废弃吗

当前官方文档明确说明 priority 和 fast 都可使用。 新代码建议使用 fast，旧代码可以逐步迁移。

为什么请求写 fast，响应却返回 priority

这是 GPT-5.6 及更早模型的当前兼容行为。 不要仅凭响应名称判断请求未进入 Fast mode。

Fast mode 一定快 2.5 倍吗

不是。 官方表述是最高 2.5 倍，具体请求会受长度、负载、工具调用和网络影响。

Fast mode 会增加速率限制吗

不会。 Fast mode 与 Standard 共享模型速率限制。

突发流量降级后怎么收费

降级请求会按 Standard 速度和 Standard 价格处理，响应的 service_tier 会显示 default。

缓存输入还能享受折扣吗

可以。 Fast mode 仍适用符合条件的缓存输入折扣。

总结

GPT-5.6 的这次调整同时改变了成本和延迟策略。 Luna 降价 80%，让高吞吐轻量任务的成本明显下降。 Terra 降价 20%，直接降低默认生产流量的费用。 Sol Standard 价格不变，但 Fast mode 提供最高 2.5 倍速度，代价是 2 倍 token 价格。 旧的 service_tier: "priority" 仍然兼容，不需要紧急修改所有代码。 新接入建议使用 service_tier: "fast"，并按接口逐步放量。 真正需要验证的不是“速度是否更快”，而是更快的响应能否改善业务结果。 如果延迟收益无法覆盖价格溢价，继续使用 Standard、Batch 或 Flex 会更合理。