账单骤降82%背后：GPT-5.6在AWS平台的成本革命

同一个模型，官方价格只降了20%，账单却少了八成。8月24日，OpenAI公布与AWS的测试结果：在Terminal-Bench 2.1上，GPT-5.6 Terra在Kiro平台完成一个成功任务的成本降低约82%。Kiro是AWS的软件开发智能体平台，覆盖IDE、CLI和Web。GPT-5.6家族的Sol、Terra、Luna三款模型已在该平台运行一个多月。

这82%并非官方降价。Terra最近一次调价在7月30日，幅度为20%。单价仅降20%，账单却减少八成，中间约六十个百分点的差距来自效率优化。

效率优化：从token到调用次数的全面压缩

成本降低主要源于：模型生成token更少、工具调用次数减少、失败重试和路径偏差减少。省下的并非每次调用的单价，而是原本会浪费的调用开销。OpenAI指出，效率提升来自三层：智能体框架、编排系统和GPU模型本身。此外，模型分工也能省钱，如编码工作流可先用Sol规划，再用Luna实施。

GPT-5.6于今年7月登陆Kiro。7月13日，AWS宣布三款模型在Amazon Bedrock可用；次日，Kiro宣布三款模型上线。这是OpenAI模型首次进入Kiro，恰逢其公开预览一周年。经过一个多月的联合调优，单任务成本显著下降。

测试数据：成本差距惊人

Terminal-Bench 2.1测试将模型置于终端环境，考察其自主规划、调工具、处理报错的能力，成绩反映“智能体＋模型”组合表现。榜单显示：Claude Code配Fable 5得分83.8%，成本552.67美元；Codex配GPT-5.5得分83.1%，成本2059.19美元；Codex配GPT-5.6 Terra得分78.4%，成本421.15美元；Codex配GPT-5.6 Luna得分75.7%，成本241.45美元。前两者分数仅差0.7个百分点，成本却差近4倍。同一模型在不同框架下成本差异显著。

Kiro的spec-driven方法：减少返工是关键

Kiro的spec-driven方法强调先明确需求再写代码，避免模型跑偏返工，从而节省大量token。平台还设置人工审查和自动测试两道关卡，减少返工成本。

一年前，Kiro的模型选择以Anthropic为主；如今，AWS引入三档OpenAI模型，与Claude并列。此次为渐进式开放，面向Pro至Power用户，限于美国弗吉尼亚北部和欧洲法兰克福区域。模型采用隐藏思维链，用户看不到推理步骤，官方称不影响输出质量。

价格方面，7月14日上线时，Sol扣2.4倍、Terra扣1.2倍、Luna扣0.6倍；7月30日降价后，Luna降至0.1倍，Terra降至1.0倍，Sol未动。AWS表明平台不绑定单一模型，两家前沿模型开始互相压价。评价标准从“每百万token价格”转向“完成任务的总成本”。

这场成本革命不仅是数字游戏，更预示着AI编程的竞争焦点正从单价转向整体效能。当账单降幅远超官方降价，效率优化成为新的战场，而模型与平台的深度整合，或许才是未来成本曲线的真正拐点。