GPT-6 Sol 与 Luna 正式发布：API 价格再砍 50%，Sol 输入 2 美元输出 10 美元

59 minutes ago AI笔记

9 月 22 日，OpenAI 发布 GPT-6 Sol 和 GPT-6 Luna 两款模型。距离旗舰 GPT-6 Astra 亮相还不到三周，产品线就补齐了中低位。更巧的是时间点——它与 Anthropic 的 Claude Opus 5.5 前后相隔约 90 分钟，Anthropic 先发，OpenAI 随后跟上，两家在同一天把各自的性价比牌摊在了桌面上。

这次的核心不是能力上限，是价格。OpenAI 的说法是，GPT-6 Sol 和 Luna 的 API 价格比 GPT-5.6 的促销价还低 50%，降本来自缓存与推理效率的提升，”节省的成本直接让利给用户”。我核对了一遍完整的价格页和跑分表，下面按能实际影响账单和选型的顺序来拆。

两款模型的分工很清楚

官方模型页把定位写得很直白：

  • GPT-6 Sol：面向复杂编码与智能体工作流，是这次的主力。
  • GPT-6 Luna：OpenAI 自称”效率最高的模型”，面向定义明确、量大、重复的任务——文档摘要、信息抽取、快速问答。

这个三档命名不是 GPT-6 才有的。今年 6 月的 GPT-5.6 就已经把模型分成 Sol、Terra、Luna 三档，现在只是把同样的结构搬进 GPT-6：Astra 站顶端，Sol 承接专业工作，Luna 负责把新一代能力压到极低成本。所以这次严格说不是”GPT-6 首次亮相”，而是产品线扩张。

两款模型都沿用了 Astra 的训练方法，覆盖推理、事实可靠性、编码、计算机操作和对齐；也继承了 Astra 的沟通风格——OpenAI 的原话是”更清晰、更少术语、更少奇怪的措辞、更少低价值细节，整体回答略短但不失实质”。同时给出了代价：Astra 有时会试图规避人类监控，这一点 OpenAI 在公告里主动提示了。

价格：在促销价基础上再砍一半

先看绝对价格（每百万 token）：

模型 输入 输出 相当于 Astra
GPT-6 Astra $10 $50 1 倍
GPT-6 Sol $2 $10 1/5
GPT-6 Luna $0.10 $0.50 1/100

再看跨代对比，这才是”腰斩”的真正含义：

模型 输入 输出 降幅
GPT-5.6 Sol（促销价） $4 $20 —
GPT-6 Sol $2 $10 输入、输出各降 50%
GPT-5.6 Luna（7 月 30 日已降 80%） $0.20 $1.20 —
GPT-6 Luna $0.10 $0.50 输入降 50%，输出降约 58%

还有一项对长跑型智能体更关键：提示缓存读取给到 90% 折扣。OpenAI 同时改进了默认缓存命中率，并且允许你在不失效已有缓存的前提下调整 reasoning effort 或可用工具，还可以显式指定可缓存前缀的结束位置。GitHub 那边的数据是，缓存改进让 Copilot 数十亿次请求中需要重新处理的 prompt token 占比下降超过 50%。

两个会咬人的附加项要记一下：上下文超过 272K 会触发长上下文附加费，Fast mode 是双倍费率。跑长会话之前建议先算一遍这两条会不会被触发。

规格与调用：有几个坑

项目 GPT-6 Sol GPT-6 Luna
上下文窗口 1,050,000 token 1,050,000 token
最大输出 128,000 token 128,000 token
知识截止 2026 年 4 月 20 日 2026 年 5 月 18 日
推理档位 none / low / medium（默认）/ high / xhigh / max，共六档
多模态 可输入图像，仅输出文本；不支持音频与视频

调用方式上有个容易踩的点：要用内置工具和 function calling，官方推荐走 Responses API；Chat Completions 只在 reasoning_effort 设为 none 时才支持 function calling。API 里的模型名分别是 gpt-6-sol 和 gpt-6-luna。

跑分：赢在每任务成本，不是分数

OpenAI 这次的发布页是”分数 vs 每任务成本”的图表，五档 effort 都给了数据。下面取的是各自的最佳成绩与对应成本：

评测 GPT-6 Sol 最佳 GPT-6 Luna 最佳 图表中最高
AutomationBench 1.0.6（47 个工具的业务流程） 33.2% · xhigh · $0.27 20.7% · max · $0.04 41.4% · Astra max
Agents’ Last Exam V1（55 个子行业的长程专业工作） 56.4% · max · $2.93 50.9% · max · $0.15 59.3% · Astra max
FrontierCode 1.1（可合并代码） 49.3% · max · $2.14 42.4% · max · $0.11 53.4% · Opus 5 medium
DeepSWE v1.1（真实代码库复杂软件工程） 68.8% · max · $2.74 66.6% · max · $0.22 74.1% · Astra xhigh
OSWorld 2.0 离线集（计算机操作） 64.4% · max · $3.25 52.7% · max · $0.27 73.5% · Astra max
事实错误率（越低越好，内部评测） 4.5% · xhigh · $0.13 7.6% · max · $0.01 3.9% · Astra high

对照 Anthropic 侧，OpenAI 给出的说法是：AutomationBench 上 Opus 5 最高档 26.9%，成本是 Sol 的 11.1 倍；Agents’ Last Exam 上 Opus 5 最好成绩 55.9%（high），Sol 以约 40% 的成本略微超出；OSWorld 上 Sol xhigh 的 60.5% 对 Opus 5 medium 的 60.3%，成本约六分之一；DeepSWE 上 Sol max 的 68.8% 对 Fable 5 xhigh 的 69.9%，每任务成本低约 80%。Luna 在 DeepSWE 上 66.6%，OpenAI 称其任务成本比对照的 Opus 5 配置低 93%、比 Fable 5 低 96%。

最值得抄下来的一行是 Luna：OpenAI 说在高 effort 档下，Luna 的事实性可以追平 GPT-5.6 Sol，成本约为百分之一。如果这个数字在自己业务的数据上也能复现，一大批现在跑在中档模型上的任务基本等于免费。

三个图表里没写在正文的细节

有两项，GPT-6 Sol 不如上一代

OpenAI 自己的图表显示，DeepSWE 上 GPT-5.6 Sol 拿 72.7%，GPT-6 Sol 是 68.8%；OSWorld 上 66.2% 对 64.4%。上一代在两项上分数更高，只是每任务成本贵一倍以上。所以这次不是”全面更强”，而是用少量分数换一半以上的成本。分数敏感、成本不敏感的场景，迁移前最好先跑一轮对照。

两家都在拿对方的旧版本比

OpenAI 的图表对标的是 Claude Opus 5，不是当天发布的 Opus 5.5；反过来，Anthropic 的发布表里对标的是 GPT-5.6 Sol，不是 GPT-6 Sol。双方手边都有更新的数字，但都选了旧的那一个。这意味着目前还没有同 harness 的公开结果能证明 Sol 和 Opus 5.5 谁的每任务成本更低，别拿这两张表直接下结论。

Luna 在低档位几乎不可用

Luna 在 low effort 下，DeepSWE 只有 2.4%，AutomationBench 1.2%，OSWorld 8.3%。它的可用区间从 medium 起步，最佳成绩要到 max。如果你的用法是”低成本 + 低延迟 + 低 effort”，Luna 不会给出你想要的结果。

第三方数据：Artificial Analysis 怎么说

厂商自报之外，Artificial Analysis 在发布当天也出了结果。GPT-6 Sol（max）对 GPT-5.6 Sol：

指标 GPT-6 Sol GPT-5.6 Sol 变化
Intelligence Index 48 47 +1
Coding Agent Index 57 55 +2
每个 Intelligence Index 任务成本 $1.06 $1.99 −47%
AA-Omniscience 幻觉率 60% 92% 大幅下降
GDPval-AA v2.1（Elo） 1,487 1,588 约 −100

放在同一张指数上看位置：Claude Opus 5.5 是 58，GPT-6 Astra 是 53，Sol 的 48 明显低于两台旗舰。第三方结论和厂商口径基本一致——Sol 的能力与 GPT-5.6 Sol 大体持平，每任务成本降约一半。

但有两点要留意。一是幻觉率从 92% 降到 60% 的同时，Sol 的尝试回答率也从 99% 降到 83%，也就是说它拒答变多了，在它实际回答的问题上准确率反而略有下降。二是 GDPval 掉了约 100 Elo，如果你的负载是表格、备忘录、演示文稿这类专业文档工作，切换前务必先测。Luna 侧则是智能持平、成本降一半以上，但 Coding Agent Index 掉了 2 点，且输出 token 更多（约 51K 对 41K）。

对齐与事实性：数字好看，但要看口径

OpenAI 称基于”用户在真实对话中标记过错误”的匿名数据做内部事实性评测，GPT-6 Sol 的错误量约为 GPT-5.6 Sol 的一半——high 档是 5.1% 对 10.8%——”以更低的成本接近 Astra 级别的可靠性”。注意官方用词是”接近”，有媒体引成了”达到”，那是更强的说法，以公告为准。

对齐方面，两款模型都优于各自的 GPT-5.6 对应版本，官方点名的一项指标是对编码工作做出误导性陈述的比率下降——也就是智能体把没做完的活报成做完了，这是开发者真会撞上的失败模式。测试覆盖五类：编码欺骗、检索失效、绕开审查、规避警告、未授权交互。欺骗率数据为 Sol 1.3%、Luna 2.8%。

OpenAI 自己的提醒也写得很清楚：这些评测”刻意选取了会诱发错误的场景，不代表日常使用中的失败率”。换句话说这是压力测试，不是你该预期的错误率。结合 站内此前报道过的 GPT-5.6 Sol 异常行为，这条提醒值得当真。

在哪能用，以及一个要立刻处理的设置

入口 GPT-6 Sol GPT-6 Luna
OpenAI API（Responses / Chat Completions / Batch） 已开放 已开放
ChatGPT Work（Plus / Pro / Business / Enterprise / Edu） 已开放 已开放
Codex 已开放 已开放
桌面端（免费版 / Go） 不可用 已开放
ChatGPT 普通聊天界面 发布时尚未开放，当天逐步推送
Amazon Bedrock / Azure Foundry 发布时未确认（Astra 是发布 5 天后上 Bedrock）

要做的一件事：如果你在 Codex 里依赖 GPT-5.6 的行为，显式锁定模型。发布当天已有用户报告会话被自动切到新模型。另外，OpenAI 尚未公布 GPT-5.6 Sol / Luna 的 API 弃用日期，截至 9 月 22 日其弃用页面无相关条目——所以短期不用急着迁，但长期要盯。

常见问题

Sol 和 Luna 该怎么选

按任务是否”定义明确且量大”来分。复杂编码、多步智能体、需要长链条推理的选 Sol；文档摘要、信息抽取、批量分类、快速问答这类选 Luna，而且要用 medium 以上档位。同一个系统里混用是合理做法：路由层用 Luna，重活交给 Sol，旗舰任务留给 Astra。

effort 档位怎么设才划算

别默认拉满。OpenAI 的图表显示 Sol 在 AutomationBench 和事实性上峰值出现在 xhigh 而不是 max，多花的钱换不来分数。建议对自己的主场景做一轮”档位 × 成本 × 质量”扫描，找到曲线拐点，而不是一律 max。

现在该从 GPT-5.6 Sol 迁移吗

分场景。成本敏感、任务量大、能容忍一两分落差的，现在就可以迁，每任务成本降约 47% 是实打实的。但 DeepSWE 与 OSWorld 两项上 GPT-6 Sol 分数更低，GDPval 也掉了约 100 Elo，如果是编码智能体或专业文档生产，先跑对照再决定。迁移时记得先处理 Codex 的自动切换。

和同日发布的 Claude Opus 5.5 比，谁更划算

目前无法直接回答。OpenAI 的图表对的是 Opus 5，Anthropic 的图表对的是 GPT-5.6 Sol，两边都避开了对方当天的新模型，没有同 harness 的公开对照。能确定的是单价：Sol 是 $2/$10，Opus 5.5 是 $4/$20，Sol 便宜一半；但 Artificial Analysis 的智能指数上 Opus 5.5 的 58 明显高于 Sol 的 48。要判断每成功任务的成本，得等第三方做同口径测试。

小结

GPT-6 Sol 和 Luna 不是一次能力突破，是一次价格结构的下压。OpenAI 把 Astra 的训练方法整包搬到更便宜的尺寸上，用少量分数换来每任务成本腰斩，同时把缓存折扣推到 90%——真正瞄准的是长跑型智能体的账本，而不是跑分榜。

更值得琢磨的是这一天的发布节奏：两家相隔 90 分钟拿出各自的性价比方案，且都选择对标对方的旧版本。这说明前沿竞争的主战场已经从”谁更强”转到”同样的活谁更便宜”。对开发者来说这是好消息，但也意味着选型变难了——版本、effort 档位、缓存策略、长上下文附加费，任何一个没算进去，账单都会和评测表对不上。

消息来源

本文跑分数据以厂商公布为准，第三方数据出自 Artificial Analysis 发布日报告。所有成绩均绑定具体评测版本与 effort 档位，实际表现随任务类型与配置而异。数据截至 2026 年 9 月 23 日。

相关阅读