事实边界：本文按 2026-07-31 可访问的 OpenAI 公告、Luna 模型卡与 API 价格页核验。降价不代表模型权重改变，也不能推导 OpenAI 的单位推理成本或毛利率。
摘要
Luna Standard 短上下文输入、缓存读取、缓存写入和输出价格都降到了旧价的 20%。
所以在模型、服务层级、上下文区间和 Token 构成不变时，模型 Token 账单精确下降
80%。但 Agent 任务还包含工具调用、循环重试、长上下文阶跃、缓存失配和人工复核。
真正决定迁移价值的指标应是 cost_per_success。本文给出完整费率等式、工具成本
拐点、272K 阈值、100–500 个真实任务 A/B 和 Luna-first 条件升级方案。
一、80% 是严格等式，但有四个前提
OpenAI 当前列示的 Luna Standard 短上下文费率为：
| 计费项 | 旧价 | 新价 | 单位 |
|---|---|---|---|
| 未缓存输入 | 1.00 | 0.20 | 美元/百万 Token |
| 缓存读取 | 0.10 | 0.02 | 美元/百万 Token |
| 缓存写入 | 1.25 | 0.25 | 美元/百万 Token |
| 输出 | 6.00 | 1.20 | 美元/百万 Token |
设四类 Token 分别为 I、R、W、O：
old = 1.00I + 0.10R + 1.25W + 6.00O
new = 0.20I + 0.02R + 0.25W + 1.20O
= 0.20 × old这条等式只在四个条件同时成立时有效：同一个 Luna 模型、同一服务层级、同一 上下文费率区间、同一 Token 向量。工具、区域与第三方费用不包含在等式中。
二、模型费降 80%，任务总成本为什么未必
Agent 任务成本至少包含：
模型 Token
+ 工具调用
+ 外部服务
+ 重试与循环
+ 人工复核假设旧模型 Token 成本 0.10 美元，工具 0.03 美元，人工复核摊销 0.07 美元， 总成本是 0.20 美元。模型部分降 80% 后，总成本变成：
0.02 + 0.03 + 0.07 = 0.12 美元业务总成本只下降 40%。如果 Luna 需要更多轮次、搜索或人工介入，单次调用更便宜， 单次成功任务甚至可能没有更便宜。
三、Token 便宜后，工具更早成为成本中心
OpenAI 当前 Web Search 固定调用费为每 1,000 次 10 美元，即每次 0.01 美元， 搜索内容 Token 另计。
一次 20K 未缓存输入、2K 输出的 Luna Standard 请求：
20K × $0.20/M + 2K × $1.20/M = $0.0064一次 Web Search 的固定费已经高于模型 Token 成本。这不是让 Agent 停止搜索，
而是要求团队记录 tool_calls_per_success、重复搜索、无结果搜索和搜索后的成功率
提升。该搜的证据仍要搜，失控的循环必须被 Harness 截止。
四、272K 是完整请求的离散价格阶跃
Luna 支持 1,050,000 上下文，最大输出 128,000；但输入超过 272K 后，完整请求按 2 倍输入、1.5 倍输出费率计费。Standard 对应变为输入 0.40、缓存读 0.04、 缓存写 0.50、输出 1.80 美元/百万 Token。
平均上下文 200K 不能证明成本稳定。团队需要看 P50/P90/P95/P99、跨线比例以及 跨线前最后一次工具调用。可以在 240K–260K 预警并压缩已确认状态，但高风险任务 如果必须保留完整证据，就应接受长上下文费率。
五、缓存命中属于计费架构
缓存读取价格是普通输入的十分之一，但命中依赖稳定前缀。把时间戳、用户状态或 最新工具结果放在 Prompt 前部，会让后续稳定 instructions 无法复用。
更合理的顺序是：
稳定 instructions
稳定工具定义
稳定任务规则
动态用户状态
最新工具结果
当前请求缓存写入价格高于普通输入。只有前缀会被复用时，写入才可能有收益。因此需要同时 观察读取率、写入率、前缀复用次数和写后未读比例。
六、迁移主指标：cost_per_success
先为任务定义可验收的“成功”：代码任务可要求测试、静态检查和补丁审计；检索 任务可要求关键结论带可访问来源；结构化提取可要求 schema 与抽样共同通过。
然后计算：
cost_per_success
= 所有尝试的模型费
+ 所有工具费
+ 外部服务费
+ 人工复核摊销
--------------------------------
成功任务数对照表至少包含：
- 首次成功率与严重错误数；
- 单次成功成本；
- P50/P95 端到端延迟；
- 每次成功的重试、模型轮次、工具调用与输出 Token；
- 缓存读取率、人工复核分钟数和升级模型分布。
七、用 100–500 个真实任务做 A/B
样本应覆盖低风险可验证、中等不确定性、高错误代价、长上下文、重工具调用和历史 尾部失败任务。在相同 Harness、工具预算和验证器下比较：
A：当前生产路由
B：Luna-first + 相同验证器 + 条件升级通过条件不是“平均分不错”，而是成功率在容差内、P95 未超预算、
cost_per_success 稳定下降、严重错误为 0，且工具循环、人工复核和升级率没有
异常上升。
八、Luna-first，不是 Luna-only
低不确定性 + 可自动验证 + 高调用量
-> Luna first
中等不确定性 + 用户可见 + 验收标准明确
-> Luna / Terra A/B，失败时升级
高不确定性 + 高错误代价 + 难自动验证
-> Terra / Sol 规划终审，Luna 执行可验证子任务升级条件应能被系统观察：schema 或测试失败、来源冲突、置信不足、工具循环超限、 长上下文接近阈值且不可安全压缩，以及不可逆、财务、法律或安全风险。
九、30 天迁移节奏
- 第 1–3 天：导出模型、工具、重试和人工复核基线，统一成功定义。
- 第 4–10 天：低风险小流量对照，每日核对本地估算和真实账单。
- 第 11–20 天：纳入中等不确定性和长上下文，观察 P95 与尾部失败。
- 第 21–30 天：固化升级与回滚阈值，高风险任务保留 Terra/Sol。
任务量很小时，维护多模型路由的工程成本可能高于节省金额；继续使用单一强模型 是合理的更简单方案。自动验证器也不能替代高风险任务中的人工责任。
结论
可以精确说：同构 Luna Token 账单下降 80%。
必须通过实验回答：你的单次成功任务成本下降了多少。
Luna 的新价格让大量可验证任务具备 Luna-first 的经济性，但真正可持续的收益来自 成功定义、工具预算、上下文治理、真实任务 A/B、条件升级和可回滚的运行合同。