9月23日消息，OpenAI 今天发布 GPT-6 Sol 与 GPT-6 Luna，把 GPT-6 家族扩充为三款模型。两款新品基于旗舰 GPT-6 Astra 的训练方法，主打更快、更便宜：API 定价比 GPT-5.6 的促销定价低 50%——Sol 为每百万输入 Token 2 美元、输出 10 美元（此前为 4 美元与 20 美元），Luna 为 0.1 美元与 0.5 美元（此前为 0.2 美元与 1.2 美元），官方称把缓存与推理效率上的节省直接让给了用户。
发布当日起，ChatGPT Work 与 Codex 面向 Plus、Pro、Business、Enterprise 与 Edu 订阅用户开放 Sol 和 Luna，Free/Go 用户可在桌面客户端使用 Luna；主聊天界面暂未上线，将逐步推出。API 型号分别为 gpt-6-sol 与 gpt-6-luna。
专业工作：一个对照挂一个成本百分比
这份发布材料的特点是几乎每一项能力对照都附了成本。在覆盖 47 种工具、横跨销售、营销、运营、支持、财务与 HR 工作流的 AutomationBench 1.0.6 上，Sol 在 xhigh 挡的成绩超过 Claude Opus 5 的 max 挡，而单任务成本只有 Opus 5 的 9%；Luna 在 high 挡比上一代提高 5.4 个百分点，成本降低 58%。Sol 的成绩也超过了 Claude Fable 5.1，甚至高于 low effort 挡位的 Astra。 脚注里有一条针对竞品的说明：表中 Fable 5.1 的数据点没有计入其触发 Opus 5 代跑时的额外成本，而这类代跑发生在约 40% 的任务上，因此 Fable 5.1 的实际成本被低估。在另一项复杂专业工作流评测 Agents' Last Exam 上，Sol 的 max 挡拿到 56.4%，超过 Opus 5 在该评测的最高分，成本低 60%。
编码：以不到两成的成本贴近旗舰
编码方向，Sol 在 FrontierCode 上大幅超过上一代 GPT-5.6 Sol，并能以更低的成本匹敌 Fable 5.1 的 xhigh 挡。长程软件工程基准 DeepSWE v1.1 上，Sol 的 max 挡拿到 68.8%，与榜首 Fable 5 的 69.9% 只差 1.1 个百分点，成本低约 80%；Luna 的 max 挡为 66.6%，与 Opus 5 和 Fable 5 的 medium 挡相当，成本比 Opus 5 低 93%、比 Fable 5 低 96%。
支撑这一定价的是 OpenAI 自己的用量数据：按 API 价格折算，OpenAI 内部研究者的单日 token 消耗中位数已超过 600 美元，90 分位超过 7000 美元。按这样的用量，定价上的微小差异都会被放大，这也是这批效率改进的落点。
事实性与其他维度
事实性方面，OpenAI 用一套来自真实对话的内部评测（统计用户明确标记过错误的消息）：Sol 的错误率约为上一代的一半，接近 Astra 的可靠性；Luna 在高推理挡位下追平 GPT-5.6 Sol，成本约为其百分之一。计算机使用方向，官方仍称 Astra 是最佳模型；在 OSWorld 2.0 的 offline 集上，Sol 的 xhigh 挡拿到 60.5%，与 Opus 5 的 medium 挡（60.3%）相当而成本低约 80%，Luna 的 max 挡超过 GPT-5.6 Sol 的 medium 挡、成本为其十分之一。协作风格上，Astra 更清晰、少行话、少低价值细节的表达方式也被带进了两款新模型。
缓存改版与对齐继承
价格之外的基础设施改动集中在缓存：默认策略提高了缓存命中率，缓存输入读取统一为 90% 折扣（缓存写入加收 25% 溢价）。新增 Prompt Caching Dashboard 与诊断工具，调整推理力度或工具可用性不再破坏缓存，并支持显式设置缓存前缀断点。官方援引 GitHub 的数据称，在数十亿请求中，需要新鲜处理的 prompt token 占比已下降超过 50%。对齐方面，两款模型继承了 Astra 的对齐工作（官方称 Astra 是 OpenAI 最对齐的模型），Sol 与 Luna 的对齐评测成绩优于 GPT-5.6 的对应版本，包括更低比例的编码误导性声称；脚注说明这些评测故意选取困难场景，不代表典型使用中的失败率。
Artificial Analysis ：分数持平，幻觉换拒答
Artificial Analysis 随后给出第三方口径，总评与官方叙事有明显温差：官方强调 FrontierCode 上 Sol 大幅超过上一代，AA 的结论则是两款模型的 Intelligence Index 与 Coding Agent Index 分数与 GPT-5.6 对应版本持平，进步与回归并存。Coding Agent Index 上，Sol 的 max 挡拿到 57 分、比 5.6 Sol 高 2 分（Terminal-Bench 4.0 为 43% 对 37%），每任务成本 2.99 美元、降约一半；Luna 的 max 挡 41 分、反而低 2 分（SWE-Atlas-QnA 44% 对 49%、DeepSWE v1.1 64% 对 66%），成本低约 60%。
进步最明显的是幻觉控制：AA-Omniscience 知识与幻觉基准上，Sol 的幻觉率从 92% 降到 60%，Luna 从 93% 降到 77%。代价是 Sol 答题更保守：尝试率从 99% 降到 83%，错误答案少了约四分之一，但准确率也从 59% 掉到 54%；Luna 准确率基本不变。指数分数 Sol 从 22 升到 27，Luna 从 -10 升到 1。知识工作一侧则出现回归：GDPval-AA v2.1 上 Sol 掉了约 100 Elo、Luna 掉约 75，AA-Briefcase v1.1 上 Luna 掉约 45（Sol 持平）。AA 团队人工检视了数百个模型输出，把回归归因于展示质量下降与交付物遗漏评分要点。
成本端是 AA 与官方最一致的部分：Sol (max) 跑完 Intelligence Index 每任务 1.06 美元（5.6 Sol 为 1.99 美元，降约 50%），Luna (max) 每任务 0.07 美元（降约 60%）；驱动因素是降价而非效率——两款模型每任务的输出 Token 反而略有增加（Sol 3.1 万对 2.9 万，Luna 5.1 万对 4.1 万）。AA 的结论是这轮发布让 OpenAI 拿下了成本效率帕累托前沿上相当大的份额。
中端战场的定价逻辑
把这条发布放进最近几天的序列里看：9月21日 SpaceXAI 与小米各自发布，9月22日 Anthropic 以降本四成的 Opus 5.5 应对，今天 OpenAI 把 Astra 能力下放中端并半价销售。三家不约而同地把单位任务成本放进了发布叙事的核心：OpenAI 的版本最直白，从专业工作的 9% 到编码的 96%，每个数字都是一次成本投标。对按量付费的用户，Sol 和 Luna 提供的选项是明确的：以中端价格获得旗舰级的多数能力，代价是极端场景下与旗舰的上限差距。
AI 速览
