知识卡片：GPT-5.6 进入 AWS Kiro：官方降价 20%，账单却少 82%

一句话结论
OpenAI 与 AWS 在 Kiro 平台上的测试显示，GPT-5.6 Terra 在 Terminal-Bench 2.1 上完成一个成功任务的成本下降约 82%；其中官方价格下调仅 20%，其余降幅来自智能体框架、编排系统和减少失败返工。AI 编程成本竞争正在从“每百万 token 单价”转向“把一个任务做完的总成本”。

英文标题 / 英文关键词

• 英文标题：原文未提供英文标题（中文标题可理解为：Only a 20% Price Cut, Yet the Bill Drops 80%: GPT-5.6 Enters Claude’s Turf and Recalculates the Coding Bill）
• 英文关键词：GPT-5.6, AWS Kiro, Terminal-Bench 2.1, coding agents, cost per successful task, model pricing, Claude Code

事件概述或研究问题

• 2026 年 7 月，OpenAI 的 GPT-5.6 Sol/Terra/Luna 进入 AWS 软件开发智能体平台 Kiro，覆盖 IDE、CLI 和 Web；这是 OpenAI 模型第一次进入 Kiro。
• 2026 年 8 月 24 日，OpenAI 公布与 AWS 联合测试结果：在 Terminal-Bench 2.1 上，Terra 在 Kiro 中完成一个成功任务的成本降低约 82%。
• 研究问题：为什么官方价格只降 20%，任务级账单却少了约八成？

方法/产品要点

• Terminal-Bench 2.1 不是让模型单独答题，而是让模型在终端环境中面对模糊目标，自己规划、调工具、写脚本、处理报错和迭代；因此成绩是“智能体＋模型”组合的成绩。
• OpenAI 把效率来源拆成三层：发起请求/组织上下文的智能体框架、中间调度请求的编排系统、GPU 上的模型本身；具体省钱方向包括更少的 token、更少的工具调用、更少的失败重试和绕路。
• 模型分工：编码工作流可先用 Sol 做理解和计划，再换 Luna 实施已定义清楚的改动、写测试、跑评估。
• Kiro 采用 spec-driven 流程：不直接写代码，先把模糊目标拆成需求文档、技术设计和可执行任务清单；代码修改前先让人过目，完成后自动跑测试。
• GPT-5.6 在 Kiro 中隐藏思维链，用户只看到最终结果；官方称这是预期行为，不影响输出质量。
• 可用性：三款模型属于渐进式、实验性开放，面向 Pro、Pro+、Pro Max 和 Power 用户；区域为美国弗吉尼亚北部和欧洲法兰克福，支持跨区域推理。

主要结果或产业意义

• Terminal-Bench 2.1 公开榜单（原文摘录）：

• 前两行准确率只差 0.7 个百分点，成本却差近 4 倍；同级别分数下，完成任务的成本可以成为新的决胜点。
• Kiro 官方数据中，Terra 在 Coding Agent Index 上为 77.4 分，仅略高于 Claude Fable 5 的 77.2 分；卖点主要在于“这个分数所对应的价钱”。
• 定价倍数：7 月 14 日上线时，同样的任务 Sol/Terra/Luna 分别扣 2.4/1.2/0.6 倍；7 月 30 日 OpenAI 调价后，Kiro 将 Luna 调整为 0.1 倍、Terra 为 1.0 倍，Sol 未动（原文未说明倍率基准，待核实）。
• 产业意义：AWS 的开发智能体平台不再只绑一家模型，OpenAI 与 Claude 并排在同一模型选择器中；评价标准正从“每百万 token 多少钱”变成“让它把这件事做完，我到底要花多少”。

为什么重要

• 这个案例说明，智能体平台上的“实际账单”由模型能力、框架组织上下文、编排调度、任务拆解和返工成本共同决定，模型 API 单价只占一部分。
• 对开发者，选模型的问题从“每百万 token 单价”变为“完成一个成功任务的总成本”。
• 对模型厂商，进入 AWS 等平台等于进入“多模型货架”，既获得渠道，也面临与 Claude 同台比价。
• 与已有相关卡片的关系：已有卡片分别涉及 NIST AI RMF、Epoch AI 研究趋势和 OpenRouter 博客归档；本条不是重复那些内容，而是一个具体的产业事件，延续“AI 基础设施中间层快速产品化”的观察，并新增“任务级成本核算”这一竞争维度。

局限与不确定性

• “成本降低约 82%”是 OpenAI 与 AWS 在 Terminal-Bench 2.1 上给出的结果，原文未提供完整实验设计、基线口径和复现方式，普遍性待核实。
• 表中成本是“配置组合”的结果，不能简单归因于模型本身；框架、上下文组织和工具策略都会影响最终账单。
• Kiro 内“扣费倍数”的基准、GPT-5.6 的具体 API 单价、隐藏思维链对实际调试的影响，原文均未给出完整信息，待核实。
• “Fable 5”与 Claude 的具体关系及版本细节，原文未展开，待核实。

可用于图书/PPT/简报的角度

• AI 编程成本从“token 单价”转向“任务总成本”的案例。
• 智能体平台如何通过 spec-driven、人工闸门、自动测试、模型分工来省钱。
• AWS 的多模型策略：平台不绑一家模型，OpenAI 与 Claude 同台竞争。
• “降本”不只是模型降价，更多来自减少返工、绕路和无效调用。

原始材料

• 中文标题：只降价20%，账单却少八成！GPT-5.6杀入Claude地盘重算编程账
• 出处：新智元（AIERA 页面转载），发布于 2026-08-29
• URL：https://aiera.com.cn/2026/08/29/other/admin/111198/%e5%8f%aa%e9%99%8d%e4%bb%b720%ef%bc%8c%e8%b4%a6%e5%8d%95%e5%8d%b4%e5%b0%91%e5%85%ab%e6%88%90%ef%bc%81gpt-5-6%e6%9d%80%e5%85%a5claude%e5%9c%b0%e7%9b%98%e9%87%8d%e7%ae%97%e7%bc%96%e7%a8%8b%e8%b4%a6
• 原文内参考链接：https://x.com/OpenAIDevs/status/2091966982015103068 ；https://openai.com/index/gpt-5-6-in-kiro/