GPT-5.6 发布但 Agent 场景依旧「烧 token」2026 年 7 月 9 日OpenAI 发布 GPT-5.6命名从过去的 mini / nano 换成Sol / Terra / Luna三档。官方 API 定价每百万输入 / 输出 tokens大致如下档位定位输入输出Sol旗舰、最强推理$5$30Terra日常主力性能对标 5.5 但便宜一半$2.5$15Luna高并发、低延迟最省$1$6官方特别提到 5.6 在编码任务上的 token 效率提升了约 54%。不过真在 Codex、Claude Code 这类 Agent 里用起来你会发现账单还是比预期高——因为 Agent 每一轮都会把 system prompt、项目上下文、历史记录重新发一遍成本大头其实在输入 tokens跟你选哪一档模型反而关系没那么大。所以「怎么省」这件事与其纠结要不要降级模型不如先把几个结构性的优化点理清楚。下面按性价比从高到低说。一、先选对档位三档不是越贵越好而是各有适用面Sol留给真正需要长链路推理的活儿复杂重构、跨文件设计用在简单任务上是浪费。Terra适合日常主力性能对标上一代旗舰、价格砍半多数编码 / Agent 场景够用。Luna适合高并发、对延迟敏感、单次逻辑不复杂的场景批量分类、简单补全。很多账单虚高是因为一律用旗舰档跑所有请求。按任务分级路由往往一步就能省下不少。二、走中转聚合、按量、议价如果你同时在用 GPT、Claude、Gemini或者想拿到比官方更低的单价OpenAI 协议兼容的网关是一个思路一个 key 调多家模型、按量付费、按用量规模跟上游议价通常还能统一出账、支持本地支付方式。对已有代码基本只改 base_url 和 api_key 两行模型名、流式、function calling 都不用动。不过这里有个坑要提醒市面上不少标着「1 折」的中转站底层是号池轮转——不停切换账号来压成本。这么做会让 Prompt Cache 几乎失效于是哪怕单价标得再低在 0 缓存命中下的实际花销可能跟官方原价差不多更麻烦的是稳定性和模型一致性没保障。选网关时比「标价多低」更该问的是三件事缓存命中率能不能打平官方、渠道是否可溯源、模型有没有被偷换降级。这类产品中TeamoRouter 是一个可以参考的例子官方模型直连、按量付费缓存命中率对齐官方99%屏蔽号池灰产、只走可溯源渠道一个 key 同时调 GPT / Claude / Gemini统一按美元出账折扣随上游成本浮动以控制台实时价格为准。接入示例以接入 GPT-5.6 为例下面用兼容网关的配置演示直连官方同理把 base_url 换回官方即可。Codex命令行 / 桌面版编辑~/.codex/config.tomlmodel_provider teamorouter model gpt-5.6-terra # 可换 sol / luna模型名以控制台为准 model_reasoning_effort high [model_providers.teamorouter] name TeamoRouter base_url https://api.teamorouter.com/v1 env_key OPENAI_API_KEY wire_api responses设置 Keyechoexport OPENAI_API_KEY你的-key~/.zshrcsource~/.zshrc重启 Codex 即可生效。直接调 API 也是一样只改 base_url 和 key 两行fromopenaiimportOpenAI clientOpenAI(base_urlhttps://api.teamorouter.com/v1,api_key你的-key,)respclient.chat.completions.create(modelgpt-5.6-terra,messages[{role:user,content:用 Python 写个快排}],)print(resp.choices[0].message.content)三、把 Prompt Cache 用起来这才是隐藏的大头Agent 场景有个特点每一轮的输入里system prompt 和项目上下文是高度重复的。Prompt Cache 正是针对这种重复输入——命中缓存的那部分 input tokens计费能降低约90%。也就是说缓存命中率几乎直接决定了你的真实成本。同样一个任务缓存打满和完全不命中账单可能差一个量级。实践上要注意尽量保持 system prompt、上下文前缀稳定不要每轮都改开头让缓存能持续命中。这三点叠起来能省多少以 Terra$2.5 / $15为例一个中等规模的编码任务假设消耗 100 万输入 20 万输出 tokens官方直连的裸算成本是2.5 0.2 × 15 $5.5在这个基础上选对档位避免旗舰档浪费、缓存命中把约 90% 的重复输入压下去、网关折扣再省一层单价——三者是相乘关系不是相加。具体能省到多少取决于你的缓存命中率和实际拿到的折扣。接入前看一眼实时价格目录、跑几个真实任务对一下账单最靠谱。小结想更省钱地用 GPT-5.6其实不用改动代码逻辑重点是三件事按任务分级选档位、把 Prompt Cache 用满、以及在需要时通过兼容网关聚合和议价。模型本身 54% 的 token 效率是「省 token」缓存和单价优化是「省钱」两条线叠起来才是真省。折扣会随上游浮动、模型名以控制台为准动手前先核对实时价格即可。