GPT-6双模型发布API降价50%，AI大模型集体降价潮来袭

过去24小时，AI行业迎来密集更新：OpenAI与Anthropic在同一天宣布模型升级并大幅下调成本，端侧大模型跑通300亿参数，AI硬件与安全治理同步推进。本文基于B站「明镜与点点」AI日报内容，梳理七条要闻并做延伸分析。

大模型双雄同日降价，成本战全面打响

最受关注的当属OpenAI与Anthropic的正面对决。OpenAI发布了GPT-6系列的Sol和Luna两款模型，采用与Astra同类的训练路线，API价格较此前GPT-5.6的促销价再降50%。在Automation Bench任务上，其调用成本仅为竞品Opus 5的9%，成本控制能力相当激进。

几乎同一时间，Anthropic上线Cloud Opus 5.5，能力已接近旗舰Fable 5.1，但成本下降40%，输出速度较Opus 5提升超30%。值得关注的是安全表现——新模型的越界尝试次数较前代减少85%，说明能力提升与安全对齐正在同步推进。

两家头部厂商在同一天集体降价，标志着大模型竞争已从单纯的能力比拼进入成本与效率的深水区。对开发者而言，API调用成本腰斩意味着更多应用场景变得经济可行；对行业而言，价格战可能进一步压缩中小模型厂商的生存空间。

AI安全治理提速，第三方评估与国际协作并进

安全议题在本轮更新中占据显著位置。OpenAI宣布允许第三方在训练阶段介入安全评估，评估范围覆盖训练、评估、部署全流程。对于最敏感的项目，甚至会邀请外部人员进入办公室开展合作，合作方包括METR与Redwood Research两家专注AI安全评估的机构。

这一举措打破了以往安全评估多集中在部署后阶段的惯例，将监督前移到模型训练环节，被视为AI治理透明化的重要一步。

国际层面同样有大动作。据路透社报道，DeepSeek^广告受邀在联合国安理会会议上就AI安全发表讲话，本周三的会议主题为「AI与国际安全」，月之暗面亦受邀发言，OpenAI的奥尔特曼也计划出席演讲。中国AI企业登上安理会讲台，反映出AI安全已上升为全球性治理议题，中国厂商的话语权正在提升。

METR（Model Evaluation & Threat Research）与Redwood Research是目前AI安全评估领域最具代表性的独立机构。METR专注于对前沿大模型进行「自主性与危险能力」评估，核心任务是判断模型是否具备自主复制、获取资源或实施网络攻击等高危行为；Redwood Research则在对抗性鲁棒性与可解释性方向深耕多年，致力于找到让AI系统在极端输入下依然可控的技术路径。将这类机构引入训练阶段，而非仅在产品上线前做最终把关，相当于在流水线源头就嵌入外部视角，可以更早发现潜在的对齐偏差。这种「红队前置」的做法此前在军事与网络安全领域有先例，但在大模型训练中大规模推行尚属首次，业界普遍认为这将成为未来高风险AI系统开发的行业基准。

端侧大模型突破，300亿参数跑上手机

芯片与端侧AI的进展同样亮眼。高通携手月之暗面，在骁龙8端侧平台上跑通了300亿参数模型，并联合无量火及江波龙完成内存适配，内存需求较常规方案降低超50%，预填充吞吐超过330 Token/s，可实现完全离线运行。

300亿参数模型在移动端离线运行，意味着更强的本地推理能力和更好的隐私保护——数据无需上传云端即可完成处理。这一突破为端侧AI应用（如离线助手、本地文档处理）打开了新的想象空间，也标志着大模型正从云端向终端下沉。

衡量端侧大模型性能的两个核心指标值得理解：**预填充吞吐（Prefill Throughput）**指模型处理输入提示词的速度，单位为Token/s，直接影响用户感受到的「首字延迟」；内存占用则决定能否在消费级芯片上加载模型权重。通常，300亿参数模型以FP16精度存储需约60GB内存，远超手机LPDDR容量上限，因此量化压缩（如INT4/INT8）和分块加载技术是端侧部署的关键。本次方案将内存需求压缩超50%，意味着有效参数精度控制在了较激进的量化区间，同时依赖骁龙8系列NPU对稀疏运算的硬件加速，才能将预填充吞吐维持在330 Token/s以上的可用水平。这一组合拳说明端侧大模型的突破本质上是算法压缩、编译优化与芯片架构三者协同的结果，单靠任何一方都无法实现。

AI硬件冷热不均：华为智能表开售，苹果吊坠搁浅

AI硬件赛道呈现两极分化。华为Watch 6鸿蒙AI手表于今日10点08分正式开售，售价2799元起，搭载HarmonyOS及万象AI助手，并联合瑞金医院推出24小时血压评估功能。医疗健康与AI助手的结合，成为可穿戴设备差异化竞争的关键卖点。

与之形成对比的是，据彭博社消息，苹果已推迟其摄像头AI吊坠项目的研发。该项目原本设想通过持续采集视觉数据来拓展AI能力，但因隐私安全挑战而搁置。这一取舍再次印证：AI硬件的落地不仅是技术问题，如何平衡数据采集与用户隐私，正成为决定产品成败的核心变量。

总结

本轮AI行业更新呈现出清晰的三条主线：大模型进入成本竞争阶段，头部厂商以降价换市场；安全治理从企业自律走向第三方监督与国际协作；端侧AI加速落地，硬件产品在隐私红线下谨慎推进。能力、成本与安全的三角平衡，正在重塑整个AI产业的竞争格局。