OpenAI 8 月 13 日发的不是一张新模型卡，而是一份”怎么把 agent 跑便宜”的施工手册。GPT-5.6 家族的卖点就四个字：价格性能。
成本账
最直观的一组对比：BrowseComp 这个搜事实的基准上，三个月前 GPT-5.5（Extra High）跑出 84.36% 花了 33.27 美元；发布时 GPT-5.6 Luna（Extra High）拿到 84.04%，只花 1.33 美元。Hypha 的工程负责人说得更狠：Luna 用十八分之一的成本保住了 GPT-5.5 的 98% 抽取准确率。
更关键的是”架构级省钱”。GPT-5.6 端到端训了三件套：推理跨轮持久化（保留 reasoning）+ 原生压缩（compact 长对话）+ 程序化工具调用（把过滤、聚合、编排移出模型上下文）。效果在 ARC-AGI-3 上炸裂：标准 harness 13.3%，开了”保留推理+压缩”后跳到 38.3%，还少用约 6 倍输出 token——模型没变，性能近三倍。Rogo 的金融研究场景，程序化工具调用把输入 token 砍了 21%。
省钱的边界
便宜有前提。OpenAI 反复强调”调低 reasoning effort”：GPT-5.6 Sol 在 low 档就能压过 GPT-5.5 high 档（harness 不变）。小模型 Luna/Terra 适合高吞吐、低延迟、agent 流程里的重复步骤——比如法律科技先用手写备忘录抽取，再进 frontier 分析。prompt 缓存 TTL 拉长到至少 30 分钟、可设确定性断点，又帮一批 startup 把未命中输入砍了 28%。
便宜不是终点，是拐点
这份指南真正在说的，是 agent 的经济学变了：曾经每步都得 frontier 模型的事，现在用小模型 + 调 reasoning + 架构取舍，就能拿到持平甚至更好的结果。当”贵”不再是做智能体的硬约束，赌注就转移到了谁能把 harness 设计得更省——成本，成了新一代 AI coding 的核心竞争力。