OpenAI 多代理 v2 新增 Luna 支援，推論成本大降 80%

OpenAI 於 8 月 16 日發布的多代理 v2 更新，將 Luna 模型支援引入企業工作流程，延續了將 Luna 推論定價削減高達 80% 的策略。

OpenAI 在其發布說明中表示：「此次更新提升了 AI 工作流程效率，能夠在各種應用中實現任務委派與具成本效益的營運。」該公司已將 Luna 定位為其低價層級，在中國開源權重競爭對手於企業市場站穩腳跟之際，將價格削減了高達 80%。

多代理 v2 版本將任務委派路由至 Luna 及其他 OpenAI 模型，使企業可將高容量、低複雜度的任務分配給較便宜的模型，同時保留旗艦模型處理複雜推理任務。《金融時報》引用的 SiliconData 數據顯示，自 7 月中旬以來，企業推論 Token 支出已從封閉模型轉移，專有模型與開源權重模型之間的支出差距在過去一個月內持續縮小。據 TechRepublic 報導，DoorDash、Airbnb 和 Coinbase 已確認在生產工作負載中使用中國 AI 模型。

此次更新發布之際，OpenAI 正瞄準超過一兆美元的估值，為首次公開募股（IPO）做準備；而據報估值高達兩兆美元的 Anthropic，也在其 Opus 5 模型的行銷中強調價格優勢。對於大規模運行代理型工作流程的企業而言，Luna 整合可能使推論成本顯著降低，不過安全團隊仍對將敏感資料路由至第三方模型基礎設施持審慎態度。

多代理框架代表 OpenAI 進軍代理式 AI 的布局，此類系統中軟體代理可自主執行多步驟任務。透過新增 Luna 支援，該公司使開發者得以構建能針對每個子任務動態選擇最具成本效益模型的代理網路——這項能力直接回應了驅使企業轉向更便宜開源權重替代方案的成本考量。此次更新還改善了代理網路間的任務委派能力，允許將複雜工作流程拆分為子任務，並根據複雜度與成本要求路由至最合適的模型。

競爭壓力真實存在。Moonshot AI 的 Kimi K3 在前端程式碼基準測試中奪冠，並在其他多項指標上表現出色；阿里巴巴、DeepSeek 和 z.AI 也推出了在特定基準測試上可與美國領先產品競爭、且每 Token 價格更低的模型。OpenRouter 等模型路由服務使企業更容易將生產工作負載轉移至更便宜的替代方案，多家美國大型科技公司——通常是 AI 模型每月支出最高群體——已將部分工作負載移至中國替代方案。

Luna 在價格戰中的角色

Luna 位於 OpenAI 定價層級的底部，專為高容量、低需求的工作負載而設計。降價 80% 加上多代理 v2 的 Luna 整合，為企業提供了在維持 OpenAI 基礎設施的同時管理成本的路徑。這一點至關重要，因為推論成本是 AI 原生公司最主要的可變支出——而封閉模型與開源權重模型之間的差距已縮小到成本敏感的企業正積極轉換的程度。Anthropic 的 Sonnet 模型定位為輕量級與最高性能模型之間的平衡點，與 Luna 所處的中階市場直接形成競爭。

利害攸關

OpenAI 的 IPO 計畫取決於能否展示永續的經濟效益。該公司據報目標估值超過一兆美元，而每一項保留在 OpenAI 基礎設施上的企業工作負載都支持這一敘事。然而，向開源權重模型的轉移——在中國供應商積極以價格競爭的推動下加速——可能在其準備上市之際壓縮 OpenAI 的營收成長。獲取額外運算能力的成本持續攀升，這將影響公司在短期內實現獲利的能力。

對投資者而言，關鍵問題在於 Luna 的降價與多代理整合能否留住足夠的企業工作負載，以佐證 OpenAI 的估值。據報在 2026 年第二季實現獲利、但未來兩季不大可能重演此一成績的 Anthropic，在為自身 IPO 做準備的同時也面臨類似壓力。兩家公司都在押注，即使開源權重替代方案的吸引力日益增長，更低的價格與更完善的代理工具仍能讓企業留在專有平台上。

本文僅供資訊參考，不構成投資建議。