AI 全景情报 0731：GPT-5.6 降价，Gemini Robotics ER 2 上线，AI 云争夺部署预算 (2026)

先看结论

7 月 30 日的四条增量，把 AI 竞争从「模型还能多做什么」推向三个更硬的问题：每个完成任务要多少钱、模型能不能进入物理系统、算力资产怎样回本。本期覆盖 2026 年 7 月 30 日 00:00 至 7 月 31 日 08:00（Asia/Shanghai）；入选事件均在 7 月 30 日公开。

OpenAI 把 GPT-5.6 Luna 的 API 价格下调 80%，Google DeepMind 将 Gemini Robotics ER 2 推向 Gemini API 和 AI Studio，Meta 则在巨额 AI 基建投入与对外出租算力之间寻找回报；Nscale 收购 Anyscale，则把「GPU、数据中心、电力」与训练、推理、强化学习软件放进同一家公司。1 2 3 4

条目	公开动作	给 AI 从业者的判断
Google DeepMind：Gemini Robotics ER 2	面向 Gemini API、Google AI Studio 开放；Gemini Enterprise Agent Platform 仍是 private preview。官方称其支持连续视频进度跟踪、工具编排和多机器人协作。2	物理 AI 的上层推理开始按 API 分发，但运动控制、仿真、人工接管和安全评估仍是独立工程。
OpenAI / AWS：GPT-5.6 价格下探	Luna 价格下调 80%，Terra 下调 20%；OpenAI 给出的新 API 价格分别为每百万输入 token 0.20 美元 / 2 美元、每百万输出 token 1.20 美元 / 12 美元。Bedrock 同日生效。1 5	模型选型要从单次调用价转向「每个被接受结果的成本」，重试、工具调用、延迟和人工复核都要算进去。
Meta：算力成为可出租的战略资产	Reuters 报道 Meta 第二季度自由现金流为 7.84 亿美元，同比下降 91%；公司把资本开支指引提高至 1300 亿至 1450 亿美元，并称收到以明显溢价租用算力的报价。3	基建投资不能只看 GPU 数量；利用率、内部模型需求、对外出租权和现金回收周期会决定算力项目是否成立。
Nscale：收购 Anyscale	双方签署 definitive agreement，金额未披露，预计 2026 年下半年完成；Anyscale 的约 200 人团队加入 Nscale，Ray 仍保持开源和社区治理。4	neocloud 正在从「租 GPU」向「卖完整工作负载路径」扩张，但客户能否保留基础设施选择权，是并购后最该验收的边界。

1. Gemini Robotics ER 2：物理 AI 先从高层大脑进入现场

Gemini Robotics ER 2 不是一套新的机械臂控制器。Google DeepMind 把它定位为机器人的高层推理模型：接收文字、图像、视频或音频，进行空间和时间推理，调用搜索或自定义函数，再把动作交给底层的视觉-语言-动作（VLA）模型或导航 API。该模型基于 Gemini 3.5 Flash，上下文窗口最高 128K；模型卡列出的分发渠道是 Gemini API、Google AI Studio，以及 Gemini Enterprise Agent Platform private preview。2 6

这次更新的变化不在「机器人会不会回答问题」，而在「它能不能知道任务进行到哪一步」。Google 说 ER 2 可以持续观看视频，识别失败、重试并判断何时切换到下一步；同时支持不同机器人在共享空间里交接任务。官方演示把 Boston Dynamics Spot 的导航和机械臂 API 接入模型，也展示了 Apptronik Apollo 2 与 Franka F3 Duo 的协作。上述能力与案例均来自 Google 的发布材料，不能直接等同于第三方实地验证。2

Google DeepMind展示的Gemini Robotics ER 2机器人组合 — Google 的官方主视觉展示了 Duo 与 Apollo 两类机器人；ER 2 位于高层任务编排，不等于底层运动控制器。2

Google 发布的评测里，ER 2 在进度分类任务上的准确率为 57.4%；在 moment finding 任务中，准确率为 91.3%，平均绝对距离为 0.96 秒。发布页还称，后一个结果以更低的计算成本和 4 倍执行速度接近更大的模型类别。这些数字是 Google 自有评测口径，图表的比较对象、任务定义和硬件条件都来自公司发布页，不能当作通用机器人能力排名。2

Google发布的机器人 moment finding 评测图 — 图中横轴是成功准确率，纵轴是找到关键时刻的平均绝对距离；ER 2 的点位为 Google 公布的公司评测结果。2

对工程团队，真正需要新增的不是一个「机器人聊天」入口，而是一套可回放的任务验收层：动作是否完成、失败发生在哪一帧、是否允许重试、何时必须交给人、底层控制器是否返回了可信状态。ER 2 把高层推理能力通过 API 分发后，数据采集、仿真环境、工具接口和安全监控会成为更容易形成产品差异的部分。

但这条路线离高责任生产环境仍有明确距离。Google DeepMind 的模型卡要求用户在生产、商业或公共环境使用时自行判断，并明确不应把 Robotics Models 用于医疗、交通等安全关键场景，或任何故障可能造成死亡、人身伤害和财产损失的工作。6

这对 AI 从业者意味着什么：物理 AI 的近期机会更像「推理模型 + VLA + 仿真 + 人工接管」的组合工程，而不是等待一个模型单独解决机器人。做产品评估时，至少把任务完成率、失败恢复、延迟、人工接管率和安全禁用条件分开记录。

2. GPT-5.6 降价：模型竞争进入每个结果的成本核算

OpenAI 7 月 30 日宣布，GPT-5.6 Luna 的价格下调 80%，Terra 下调 20%。新 API 价格为：Terra 每百万输入 token 2 美元、每百万输出 token 12 美元；Luna 每百万输入 token 0.20 美元、每百万输出 token 1.20 美元。OpenAI 将 Luna 定位为高速、高并发工作负载的低价模型，将 Terra 定位为日常生产任务的平衡型模型；GPT-5.6 Sol 价格不变，但 API 新增 Fast mode，官方称速度最高可达 Standard 的 2.5 倍，价格为两倍。1

AWS Bedrock 的更新把这一降价直接带到企业云渠道：Luna 和 Terra 的新价格自 7 月 30 日生效，Luna 降幅为 80%，Terra 为 20%；两者通过 OpenAI Responses API 的 bedrock-mantle endpoint 在弗吉尼亚北部、俄亥俄和俄勒冈区域提供。Sol 的价格保持不变。5

这会改变 AI 产品的路由表。过去，一个模型可能同时承担分类、客服、代码实现和复杂规划；现在，更合理的做法是把任务拆成「需要多少智能」「能承受多少延迟」「失败一次要付出什么代价」三列，再决定由 Luna、Terra 还是 Sol 处理。OpenAI 也把这种分工写进产品叙述：让低价模型处理高量、结构化和已定义流程，把更贵的模型留给不确定性更高的步骤。这个方向是厂商策略，不是对所有业务的独立验证。1

对产品负责人，新的成本表不能只乘以 token 单价。一个可用的「每个被接受结果成本」至少要包含：输入与输出 token、失败重试、工具调用、上下文缓存、等待时间、人工复核和错误造成的返工。降价会让更多任务值得自动化，却不会自动证明单位业务结果变便宜；如果低价模型把人工复核或重试次数推高，账面价格优势可能消失。

这对 AI 从业者意味着什么：近期最容易被低估的岗位和工具，是模型路由、任务级评测、成本归因和结果验收。模型 API 的标价会继续下探，真正能形成壁垒的是团队能否证明「哪一步用了什么模型，花了多少钱，换来了什么业务结果」。

3. Meta：巨额算力投入要在自用与出租之间找回报

Reuters 7 月 30 日报道，Meta 第二季度自由现金流为 7.84 亿美元，同比下降 91%；公司把 2026 年资本开支指引的区间抬高到 1300 亿至 1450 亿美元，低端比此前提高 50 亿美元。报道还援引 CEO Mark Zuckerberg 的表述称，Meta 收到过以「明显溢价」租用其算力的报价，但公司仍把算力视为支撑自身模型和服务的稀缺战略资产。3

这不是一个简单的「Meta 要不要做云」问题。Meta 既想为模型、个人助手和企业 Agent 提前建设容量，也在向第三方采购算力；如果把自有容量出租，又会与内部训练和推理需求争抢同一批资源。Reuters 转述 Meta CFO Susan Li 的说法，行业过去对 AI 的建设不足，现有容量在可预见时期仍会偏紧；但报道同时指出，Meta 没有给出足够具体的产品收入路径来解释这笔投入如何回收。前一层是公司管理层判断，后一层是 Reuters 的商业分析，不能混写成已验证的云业务收入。3

对基础设施投资人，应该把四种数字拆开：计划建设的容量、已经签约或采购的设备、实际可用的 GPU 小时，以及已经收到现金的外部订单。对 AI 公司，外部租赁的报价也不能直接当收入预测，还要看租期、最低承诺、供电和网络条件、设备折旧，以及内部模型训练是否会挤出外部客户。

这对 AI 从业者意味着什么：未来谈算力合作时，不要只问「有多少卡」。应继续追问谁拥有硬件、谁承担机房和电力、谁能决定容量优先级、闲置时能否转租，以及项目按什么利用率才能回本。Meta 的案例把「算力稀缺」变成了一个资产配置问题，而不只是采购问题。

4. Nscale 收购 Anyscale：neocloud 开始购买软件毛利

Nscale 7 月 30 日宣布与 Anyscale 签署 definitive agreement，交易金额未披露，仍需满足交割条件和监管审批，预计在 2026 年下半年完成。Anyscale 的软件用于把数据处理、训练、推理和强化学习工作负载扩展到数千张 GPU；约 200 名分布在美国、欧洲和印度的员工将加入 Nscale，但 Anyscale 会继续以原品牌服务现有客户。4

这笔交易的结构很清楚：Nscale 提供 GPU、数据中心和电力，Anyscale 提供基于 Ray 的分布式 AI 工作负载软件。Nscale 的官方说法是，客户仍可自由选择运行工作负载的基础设施，未来可以选择把 Anyscale 软件层运行在 Nscale 的全栈 AI 云上；Ray 在 2025 年已捐赠给 PyTorch Foundation，仍由开源社区治理。4

Reuters 称 Bloomberg 先报道交易价格约为 16.5 亿美元，但 Nscale 没有披露财务条款；因此这个数字只能作为媒体报道口径，不能当作已确认的收购对价。Reuters 同时确认交易预计在今年下半年完成，Anyscale 团队和客户安排与官方公告一致。7

.avif) 这是 Nscale 自有平台页面展示的区域分布示意，不是第三方对其已上线算力或容量的独立核验。8

对 AI 平台团队，这个并购比「一家 neocloud 买了一家创业公司」更值得看。原始 GPU 租赁的差异化容易被价格和供给周期抹平；如果云厂商同时掌握集群调度、数据处理、训练、推理和 Agent 部署软件，就能把客户买 GPU 的一次性动作，变成持续使用整套工作负载路径的订阅或服务关系。代价是平台锁定风险上升，所以客户真正要验收的是 Ray 兼容性、数据可迁移、基础设施选择权、账单透明度和故障切换，而不是宣传页上的「全栈」。

这对 AI 从业者意味着什么：做模型或 Agent 的团队，采购对象会从单一 GPU 资源变成「运行时 + 调度 + 训练/推理工具 + 账单控制」。这给平台工程、分布式训练和成本可观测性带来预算机会，也要求架构团队在性能之外保留迁移路径。

风口判断：部署经济学会压过模型榜单

四条信号放在一起，逻辑链条是连贯的：Google 把高层机器人推理推向 API，OpenAI 用价格把更多工作负载推过自动化门槛，Meta 试图让自有算力既服务内部模型又产生外部回报，Nscale 则用并购补齐从电力到工作负载软件的链条。它们没有证明「模型价格越低，所有 AI 项目都会盈利」，却共同把评价标准从单点能力拉向部署经济学。

未来一两个季度，建议盯四个可验证节点：

物理 AI：Gemini Robotics ER 2 是否出现更多公开的真实任务、失败恢复和人工接管数据，而不只是模型自测图表；安全关键场景的禁用边界是否继续保留。6
模型成本：GPT-5.6 Luna 的低价是否带来真实的高量生产任务，产品团队能否在自己的业务指标上证明结果成本下降，而不是只看到 API 单价下降。1
算力回收：Meta 是否披露更具体的外部容量产品、客户类型和利用率；1300 亿至 1450 亿美元资本开支中，哪些部分服务内部模型，哪些部分具备可出租性。3
全栈云：Nscale-Anyscale 交易能否完成，客户是否能在不被迫迁移基础设施的情况下获得新软件能力；交易金额和 Ray 生态的实际整合方式仍待披露。4

对工程师，选型表里应新增「每个验收结果成本」「失败恢复时间」「人工接管率」和「迁移路径」；对产品经理，模型价格下降不等于可以取消质量门槛；对投资人，GPU 数量也不等于可变现容量。下一阶段更值得追的风口，是能把这四项指标做成产品的团队：模型路由与评测、机器人任务编排、GPU 利用率优化，以及不牺牲可迁移性的全栈 AI 云。

AI 全景情报 0731：GPT-5.6 降价，Gemini Robotics ER 2 上线，AI 云争夺部署预算