先说结论：GPT-6 的 Sol 和 Luna 不是"更便宜的 Astra"，而是三个针对不同工作类型的档位。 9 月 22 日 OpenAI 补上这两档之后，价格分别是 Astra 的 1/5（$2 / $10 每百万 token）和 1/100（$0.10 / $0.50）。但真正的重点不是"便宜了多少"，而是三档的能力差距不是均匀缩水，而是按工作类型分叉——编码任务上 Luna 只比 Sol 低 2.2 分、成本却只有 Sol 的二十分之一；换成需要自己判断下一步的智能体任务，它直接掉 12.5 分。选型的正确姿势是按工作类型选，不是按价签选。

这篇不谈"新模型发布了"这种三秒就能搜到的信息，只谈其他快讯不会展开的四件事：三档之间差在哪里、计费表上没写的隐藏条款、代际之间到底升级了没有、以及落到代码里的路由怎么写。

一、先把三档的关系理清楚

这不是新一代，是同一代往下铺档位

时间线是这样的：

间隔只有 19 天。 也就是说 Astra 不是一个"后来被超越"的前代，而是同一代里的最上一档——它今天依然在售、依然是 OpenAI 官方口中"最难的端到端工作"的首选。

另一个细节值得注意：命名结构变了。 GPT-5.6 那一代是三层命名 Sol / Terra / Luna，GPT-6 变成 Astra / Sol / Luna——Terra 这一档直接消失了。OpenAI 没有解释原因，但从产品结构上读得出来：三层中间档的意义不大，用户要么预算紧（用最低档），要么追能力（用最高档），中间那层经常是"两边都不占"。

规格表：三档的上下文窗口完全一样

这张表里有三个反直觉的点：

第一，上下文窗口三档完全一样。 都是 105 万 token 窗口、128K 最大输出（实际可用输入约 92.2 万）。这是这代最值得注意的设计选择：差异全在能力和价格，不在容量。 上一代 GPT-5.6 的窗口是 272K，这一代直接拉到 105 万——最便宜的 Luna 也享受这个待遇，意味着"长文档批处理"这件事的门槛被打掉了。

第二，知识截止日期和档位高低不是一回事。 Astra 是 4 月 30 日，正好夹在 Sol（4 月 20 日）和 Luna（5 月 18 日）中间——最便宜的 Luna 反而是三档里知识最新的。这说明知识截止日期取决于训练数据的准备时间点，和模型能力档位没有因果关系。以后再看到"截止日期更晚=更新更强"的说法，可以直接否掉。

第三，Sol 和 Luna 的推理档位比 Astra 多一档。 Astra 从 low 开始，Sol 和 Luna 多了 none——可以把推理整个关掉。这个选项看着不起眼，但在高并发、任务简单的场景里价值很大：关掉推理意味着模型不再生成思维链 token，延迟和成本同时往下掉。三档默认值都是 medium。

可用性和这个"没有 Chat"的细节

• API：三个模型名都能直接调用，也上了 Amazon Bedrock 和 GitHub Copilot
• ChatGPT Work / Codex：Plus、Pro、Business、Enterprise、Edu 订阅都能用 Sol 和 Luna
• Free 和 Go 用户：只能用 Luna，且只在桌面端 App 里
• 标准版 ChatGPT 聊天界面：暂时都没有，OpenAI 说是分阶段上线

最后一个细节对企业用户有直接影响：Enterprise 管理员需要先在后台开启，员工才看得到这两个模型。 如果你的团队走企业账号，迁移不是一个改 model 字符串的动作，而是一串审批流程。

二、价格：50% 降价是真的，但计费表里有四个隐藏条款

OpenAI 强调"降价 50%、永久价格非促销"，对 GPT-5.6 同名前代而言这确实是真的：Sol 从 $4/$20 降到 $2/$10，Luna 从 $0.20/$1.20 降到 $0.10/$0.50（输出降幅 58%）。

但目录价不等于实际成本，有四个条款会吃掉你的省钱预期：

条款一：272K 是个分界线，越线整单重新计价。 请求超过 272,000 输入 token 后，输入和缓存输入价格翻倍，输出价格涨 1.5 倍。这意味着 Sol 在长上下文区间会被重定价到约 $4 输入 / $15 输出——你为了省钱迁移过去，在长上下文场景里省下来的基本归零。

条款二：缓存读打九折，但缓存写要加价。 缓存命中的输入 token 只按普通输入价的 10% 收费（Sol $0.20、Luna $0.01），这是真便宜。但缓存写是普通输入价的 1.25 倍。对"同一段长 prompt 反复调用"的场景（RAG、固定 system prompt + 长上下文）非常划算，对"每次 prompt 都不一样"的场景毫无意义。

条款三：处理模式有倍数。 Batch 和 Flex 是标准价的一半；Fast 模式是两倍；带区域数据驻留的端点再 +10%。这三个开关的组合空间很大，实际成本可以差 4 倍以上。

条款四：模型本身的 token 消耗变多了。 这点官方不会说。第三方评测机构 Artificial Analysis 把"跑完它那套 Intelligence Index 的单任务成本"算了出来：

成本降了 47%，但输出 token 涨了 7%。 说明这次降价几乎全部来自标价调整，不是模型变"省话"了。方向是对的（用户确实少付了钱），但理解这一点很重要：如果你的业务是按输出 token 计费的，实际省钱幅度会比标价的 50% 小一点。

三、核心发现：能力不是均匀缩水，是按工作类型分叉

这是这篇最想说的一件事。看 OpenAI 自己公布的六项评测，三档摆一起：

把数字按"工作类型"分组，规律立刻浮出来：

在编码类任务上，Luna 几乎追平 Sol。 DeepSWE 上 66.6% vs 68.8%，只差 2.2 个百分点，而 Luna 的价格是 Sol 的二十分之一。这是整个发布里最反直觉的一个数字，也是 OpenAI 在宣传里没有放在最前面的数字——因为它太好看了，反而会让用户怀疑 Sol 的存在意义。

在智能体类任务上，Luna 掉下悬崖。 AutomationBench 20.7% vs 33.2%，差 12.5 分；OSWorld 52.7% vs 64.4%，差 11.7 分；事实错误率 7.6% 对 4.6%，几乎翻倍。

怎么解释这个分叉

把这两组数字放在一起，能读出一个很具体的画像：

Luna 是执行者，不是规划者。

• 任务一次交代清楚（"把这份文档抽取成结构化 JSON"、"给这批评论分类"、"总结这 50 页 PDF"、"生成这个函数的第一版实现"）→ Luna 干得又快又便宜，代码质量接近 Sol
• 需要自己判断下一步做什么（多轮工具调用、浏览器操作、跨软件长链路任务、中途排错）→ Luna 会迷路，Sol 才是及格线

AutomationBench 测的正是后一种：给模型 47 个工具，看它能不能独立完成一个端到端的业务流程。OSWorld 2.0 更直接——让模型操作真实桌面环境完成长链路任务。这两个评测的共同点是模型必须自己决定下一步干什么，而不是执行一个被拆好的步骤。

所以那句"Luna 便宜 100 倍"要加个前提：便宜 100 倍只在"你替它把活拆好"的前提下成立。 一旦你让它自己拆，省下的钱会用任务失败率还回去。

顺带说一个 OpenAI 自己给的成本口径，值得学：它们公布 Sol 在 AutomationBench 上的成绩时，用的单位是"每成功任务 $0.27"，不是"每百万 token"。 这才是评估 Agent 成本正确的单位——token 单价只决定你的账单，每成功任务成本才决定你的业务能不能跑通。

四、代际对比：GPT-6 Sol 真的比 GPT-5.6 Sol 强吗

这是很多人默认不会问的问题——"新一代当然更强"。但对这一代，答案没那么干脆。

四个评测涨，两个评测退

同档 max 对比（OpenAI 自报）：

六项里涨了四项、退了两项。 而且退的那两项恰好是编码和计算机操作——对开发者最重要的两项。

两个隐藏代价

代价一：幻觉减半，是靠"少答"换来的。

第三方评测机构 Artificial Analysis 的 AA-Omniscience 测试给了很关键的一组数据：

看明白了：GPT-6 Sol 只尝试回答 83% 的题目（前代是 99%），靠"拒答"把错误答案砍掉了约四分之一，但准确率反而降了 5 个点。

这不是造假，是权衡——工程上"不知道就说不知道"通常比"胡说但自信"更好。但如果你把错误率下降理解成"它懂更多了"，就会判断错。它只是更谨慎了，不是更聪明了。

代价二：真实办公交付物退了一大步。

GDPval-AA v2.1 这个评测覆盖 44 个职业的经济价值任务（Elo 制），结果是：

掉了整整 100 个 Elo。 Artificial Analysis 人工审查了数百份输出，结论是：回退不是算错，而是交付物更短、更容易漏掉任务要求的条目——口语说法就是"偷工减料"。

同一个方向上，AA-Briefcase v1.1（跨多周的知识工作、上千个输入文件）上 Luna 退了约 45 Elo，Sol 基本持平。

合起来看：纯写代码的评测在涨，做完整交付物的评测在退。 如果你的用法是"给我一个函数"，新版更好；如果是"给我一份能直接交出去的方案"，新版反而更嫩。

长上下文：新版最尴尬的地方

Sol 省钱的前提是请求压在 272K 以内。超过这条线，价格重定价，优势归零。

更麻烦的是能力数据缺失：GPT-5.6 Sol 有公开的长上下文检索实测——MRCR v2 八针测试在 256K 到 512K 区间 91.5%，网页调研类 BrowseComp 90.4。GPT-6 Sol 这两个项目都没有对标数字。

这意味着在长上下文检索和深度调研这两个场景里，你面对的是一个更便宜但能力未经验证的新模型，对比一个贵一些但数字可查的旧模型。这种情况下，"新的一定更好"的判断没有依据。

Artificial Analysis 的总结很克制也很准确：GPT-6 Sol 和 Luna 的 Intelligence Index 与前代基本持平（47 到 48，涨 1 分），Coding Agent Index 涨 2 分（55 到 57），有些评测进步、有些回退；它们的位置是从成本效率前沿上抢占来的，不是从能力前沿上抢来的。

五、落到代码：模型路由该怎么写

聊到这儿，结论已经很清楚了：这不是"选一个模型"的问题，是"给不同任务分配不同模型"的问题。 而这件事以前是可选的优化项，现在变成了架构里的必选项——因为档位之间的价格差是 100 倍，选错一次就是 100 倍的账单。

路由决策表

一段最小的路由实现

用 PHP 写，思路是把"推理档位"和"模型选择"一起当成路由参数——因为推理档位本身也是成本杠杆，Sol 在 xhigh 上的成绩能压过 Astra 在 low 上的成绩，但成本只有几分之一。

<?php

class Gpt6Router
{
    /**
     * 按工作类型选模型 + 推理档位
     * 注意：none 档位只有 Sol / Luna 支持，Astra 最低是 low
     */
    public function route(string $workload): array
    {
        return match ($workload) {
            // 任务边界清晰、可以批量并行
            'classify', 'extract', 'summarize', 'translate' => [
                'model' => 'gpt-6-luna',
                'reasoning' => ['effort' => 'none'],   // 关掉思维链，延迟成本双降
            ],
            // 单文件代码生成：给足推理，但用便宜的模型
            'codegen' => [
                'model' => 'gpt-6-luna',
                'reasoning' => ['effort' => 'high'],
            ],
            // Agent 主循环：这里必须上 Sol，Luna 会迷路
            'agent_loop' => [
                'model' => 'gpt-6-sol',
                'reasoning' => ['effort' => 'xhigh'],
            ],
            // 代码库级重构
            'refactor' => [
                'model' => 'gpt-6-sol',
                'reasoning' => ['effort' => 'max'],
            ],
            // 计算机操作：全表差距最大的一项，别省
            'computer_use' => [
                'model' => 'gpt-6-astra',
                'reasoning' => ['effort' => 'max'],
            ],
            default => [
                'model' => 'gpt-6-sol',
                'reasoning' => ['effort' => 'medium'],
            ],
        };
    }
}

有个实用特性值得单独提：推理档位可以在同一段对话中途改，而且不会打断缓存。 也就是说，你可以在 Agent 的第一步（判断要干什么）用 max 档好好想，后续执行步骤降到 low 或 none 省成本——缓存照样命中。

成本估算的一个例子

一个每条任务调用 10 次的 Agent 流程，每次 2K 输入 / 1K 输出：

Luna 和 Sol 之间差了 20 倍——这就是为什么"Luna 能不能用"这个问题值得认真回答，而不是拍脑袋。 判断标准也很直接：你的任务里，"下一步做什么"是代码决定的还是模型决定的？代码决定 → Luna；模型决定 → Sol 起步。

六、这次发布真正的信号

把技术细节放到一边，这次发布在行业层面释放了三个信号。

信号一：模型能力"下放"正在变成常规动作。 以前的做法是发新一代、老一代降价；现在的做法是同一代内部铺三档，把旗舰能力压缩到中低档。对用户是好消息（能力普及更快），但也意味着等下一代的收益在变小——下一代旗舰和中档之间的差距，可能不如你想象的大。

信号二：命名结构在收敛。 GPT-5.6 的三层 Sol / Terra / Luna 到 GPT-6 变成 Astra / Sol / Luna，Terra 被砍。这说明"档位太多"对用户是负担——三层是极限，四层就是选择困难。 企业级模型产品大概率会稳定在"旗舰 + 主力 + 廉价"这个三段式。

信号三：价格战正式开打。 Anthropic 发布 Claude Opus 5.5 之后 90 分钟，OpenAI 就把 Sol 和 Luna 端上桌。而且定价卡得很精准：Sol 的 $2/$10 正好是 Opus 5.5 的一半；Luna 的 $0.10/$0.50 是 Astra 的 1%。这一晚，模型能力还没来得及被独立验证，价格先打起来了。 对做 AI 应用的团队来说，这是实实在在的利好——推理成本正在从"产品能不能做"的约束条件，变成"利润率有多少"的调节项。

最后的结论回到开头：Astra、Sol、Luna 三档不是"好、中、差"，而是"规划、执行、批处理"三种角色。 按价签选模型，你会在该用 Astra 的地方用 Luna 然后被失败率教育；按工作类型选，你能把成本砍掉 90% 而基本不损失效果。

顺带说一句，OpenAI 公布 Sol 的成绩时用的单位是"每成功任务 $0.27"。把评估成本的单位从"每百万 token"换成"每成功任务"，是这次发布里最值得抄走的一件事。

FAQ

Q：GPT-6 Sol 和 Luna 现在能在普通 ChatGPT 里用吗？

不能。目前只在 ChatGPT Work 和 Codex 里可用（Plus/Pro/Business/Enterprise/Edu），Free 和 Go 用户只能用 Luna 且限桌面端 App。标准版 ChatGPT 聊天界面官方说是分阶段上线。企业账号还需要管理员先在后台开启。

Q：GPT-6 Sol 比 GPT-5.6 Sol 强吗？值得迁移吗？

分情况。价格确实降了约 50%，Agent 与代码审查类评测也涨了 1.8 到 3.6 分，事实错误率从 8.5% 降到 4.6%。但 DeepSWE 掉了 3.9 分、OSWorld 掉了 1.8 分，GDPval（真实办公交付物）退了约 100 Elo，而且幻觉降低主要靠"少答"实现。日常编码和 Agent 跑量任务值得迁；长上下文检索、深度调研、要交付完整文档的场景建议先双跑对比再决定。

Q：Luna 便宜 100 倍，我的 Agent 项目能直接用 Luna 吗？

看"下一步做什么"由谁决定。如果任务流程是代码固定好的（分类、抽取、摘要、批量转换、初稿生成），Luna 在编码类评测上只比 Sol 低 2.2 分，成本只有 1/20，可以放心用。如果流程需要模型自己决定下一步（多轮工具调用、浏览器操作、跨软件长链路），Luna 在 AutomationBench 上比 Sol 低 12.5 分、错误率翻倍，这是假省钱。

Q：要不要现在就用满 105 万上下文？

注意成本结构：超过 272K 输入 token 后整单重新计价，输入翻倍、输出涨 1.5 倍。如果你只是"能塞进去就塞"，账单会失控。另外 Sol 和 Luna 都缺少长上下文检索的公开评测数据（前代 Sol 有 MRCR v2 在 256K-512K 区间 91.5% 的公开数字），长文档检索场景建议保留前代模型做对照。