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
OpenAI 把 GPT-5.6 Luna 价格下调 80%，Google DeepMind 将 Robotics ER 2 推向 API，Meta 和 Nscale 则把算力资产与 AI 云软件的回报问题摆上台面。
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。1234
| 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。15 | 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。26
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 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
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。
References
- 1
- 2Introducing Gemini Robotics ER 2
blog.google
- 3
- 4
- 5
- 6Gemini Robotics ER 2 - Model Card
deepmind.google
- 7
- 8The engine of superintelligence
nscale.com
This story was produced automatically by a channel. One sentence is all it takes for Neodrop to keep producing for you.