GPT-6 Sol 与 Luna：把 Astra 的智能铺到更便宜的档位

发布于 2026年9月24日 作者 Remy
标签: #模型发布 #Coding Agents #定价

2026 年 9 月 22 日，OpenAI 宣布扩展 GPT-6 宇宙：GPT-6 Sol 与 GPT-6 Luna。[1] 官方逻辑很清楚——本月早些时候的 GPT-6 Astra 仍是「最强、最对齐」的峰值模型；大量日常工作却需要不同规模、节奏与预算。Sol / Luna 用相近训练方法把 Astra 在专业工作、事实性、编码、计算机使用与对齐上的进展，铺到更快、更便宜的档位，并把缓存与推理省下的成本以 相对 GPT-5.6 促销价降 50% 的 API 标价回馈用户。[1]

当天稍早，Anthropic 发布了 Claude Opus 5.5。两家贴身发版，读者会对照价格、能力与安全限制。姊妹篇见 Claude Opus 5.5：降价与旗舰性能。[2] 本篇独立写清 GPT-6 这一侧：Sol / Luna 的价位与定位、官方挑了哪些基准切片、缓存改进对 agent 账单意味着什么、Astra 的能力故事（含公开验证的 Enigma 破译）怎么当副线，以及 coding agent 该如何分档，而不是「全部默认最贵」。

先分清三代角色：Astra / Sol / Luna

把名字记成产品分层，比记口号有用：

模型官方角色（据 OpenAI）API 标识本轮标价（每百万 token）
GPT-6 Astra全场最佳；最难、最重要项目仍用它gpt-6-astra（此前已发）本文未在 Sol/Luna 公告中核对到新的 Astra 绝对标价，故不臆造
GPT-6 Sol复杂工作（含编码）的主力实惠档gpt-6-sol输入 2、输出2、输出 10（由 5.6 Sol 的 4/4 / 20 腰斩）
GPT-6 Luna高吞吐、目标清晰的任务（摘要、抽取、快问快答等）gpt-6-luna输入 0.10、输出0.10、输出 0.50（由 5.6 Luna 的 0.20/0.20 / 1.20 下调；输出侧官方表为 $0.50）

价格与降幅来自 OpenAI 本品公告表格。[1] TechCrunch 补充产品直觉：Sol 偏复杂任务如编码，Luna 偏文书与批量清晰目标任务；并指出 Anthropic Opus 5.5 约早 90 分钟发布。[3]

可用性（以公告当日为准）：Sol 与 Luna 进入 ChatGPT Work 与 Codex，面向 Plus / Pro / Business / Enterprise / Edu；Free 与 Go 可在桌面端使用 Luna；公告写明当时尚未进入 Chat；API 为 gpt-6-sol / gpt-6-luna；为稳定服务计划当日逐步放量。[1]

Astra 主叙事见 OpenAI 2026-09-03 前后的发布材料与安全概述：官方宣称其在计算机使用、浏览、软件工程、网络安全、科学与专业工作等方向处于前沿，并作为 Preparedness 框架下网络安全能力达到 Critical 等级的模型被讨论。[4][5] 本篇不把 Astra 的全部基准表重抄一遍，只在需要解释「Sol/Luna 在下放什么」时引用。

价格与缓存：降的不只是百万 token

标价腰斩

相对 GPT-5.6 促销价，Sol / Luna API 降 50%。[1] 对本来就把 Sol 当编码默认的团队，这是直接的预算松绑；对把 Luna 跑在抽取、分类、短回复链路上的团队，则是把「便宜模型」再推一档。

选型时仍要问：降价后你会不会把更多任务升到更贵的模型？ 额度与心理账户变化后，总支出可能上升。分母应用「成功完成的任务 / 合并 / 关闭工单」，而不是日消耗美元。

Prompt caching：agent 长对话的第二刀

OpenAI 写明改进了 GPT-6 的 prompt caching：默认更高缓存命中，帮助 agent 复用上下文、更快响应，并对缓存命中的输入 token 读取提供 90% 折扣。[1] 配套能力包括：

  • Prompt Caching 仪表盘与诊断工具，解释未命中原因；
  • 调整 reasoning effort、开关工具时，尽量不打断既有前缀的缓存复用；
  • 显式断点，让开发者决定缓存前缀止于何处。[1]

GitHub 反馈：过去数月相关改进使需要全新处理的 prompt token 占比下降超过 50%（数十亿次请求量级）。[1] 这对 Codex / Copilot 类长会话是结构性变化：模型标价与缓存命中率会乘在一起。

可复现的验收步骤（建议抄进内部 runbook）

  1. 打开缓存仪表盘，对同一 agent 工作流跑 50 次「同前缀、微变后缀」请求，记录命中率与美元。
  2. 故意每轮改工具 JSON 的字段顺序或描述措辞，观察命中率崩塌——这是 harness 问题，不是模型没降价。
  3. 在努力档（effort）升降时核对：公告称可在保持缓存的前提下调 effort / 工具可用性；若你的封装层重写了整段系统提示，官方优化帮不上。[1]
  4. 把「缓存读折扣后的有效输入单价」写进报表，与 Anthropic 侧「缓存读标价」对照时，注意两边会计科目并不相同。

三类会抵消「腰斩」的账单陷阱

  1. 档位上浮：Sol 便宜后，团队把本该 Luna 的抽取任务也丢给 Sol，或把 Sol 失败立刻升级 Astra；平均单价回升。
  2. 缓存未命中：工具 schema、系统提示、文件顺序每轮抖动，90% 缓存读折扣形同虚设。[1]
  3. 重试风暴：事实性变好不等于零错误；若编排层在超时后无脑重试 5 次，降价会被乘回去。

发版周先修这三项，再谈「我们是否跑赢 Anthropic 的相对成本图」。

官方能力切片：Sol/Luna 自己挑的战场

OpenAI 没有声称 Sol 全面超过 Astra。叙事是：在更低成本上逼近或局部超过竞品高价配置。下列数字均来自 Sol/Luna 公告，均为厂商自报，且 effort / harness 与竞品配置需对照原文脚注。[1]

专业工作流

  • AutomationBench：Sol 在 xhigh 上 33.2%，每任务约 $0.27；相对 Claude Opus 5 max（26.9%）宣称约 9% 的每任务成本；并称超过低 effort 的 Astra，以及带 Opus 5 回退的 Fable 5.1 配置（并脚注 Fable 成本因回退未完全计入而被低估）。[1]
  • Agents’ Last Exam：Sol 在 max effort 上 56.4%，相对 Claude Opus 5 最高分，宣称每任务成本约低 60%。[1]

读这些数字时记住：Anthropic 同日的 Opus 5.5 公告里，AutomationBench 上 GPT-6 Astra 为 41.4%、Opus 5.5 为 40.0%——不同文章、不同模型、不同日期切片，不能直接拼成一张「终极表」。[2]

事实性

内部事实性评测基于用户曾标记错误的真实对话（经去标识）：Sol 错误大约减半，接近 Astra 级可靠性且更便宜；Luna 在更高 effort 下能以约百分之一成本达到 GPT-5.6 Sol 的水平。[1] 官方同时声明：这些对话不代表典型流量（典型场景错误更少），且分数未按长度严格控制。[1]

编码

  • FrontierCode 1.1 Main：Sol 相对 5.6 Sol 明显提升，并能以更低成本匹配 Claude Fable 5.1 xhigh 水准（官方表述）。[1]
  • DeepSWE v1.1：Sol max 68.8%，相对 Claude Fable 5 最高 69.9%（xhigh）差 1.1 个百分点，每任务成本约低 80%；Luna max 66.6%，接近 Opus 5 / Fable 5 的 medium；相对 Opus 5 / Fable 5 每任务成本约低 93% / 96%。[1]

OpenAI 还给出内部用量背景：按 API 价格估值，研究者日均 token 用量中位数超过 600，90分位超过600，90 分位超过 7000——用来说明「编码 agent 变长之后，持续成本开始决定你敢不敢把任务做大」。[1]

计算机使用

Astra 仍被官方称为计算机使用上的世界最佳；Sol 在 OSWorld 2.0 offline、xhigh 上 60.5%，接近 Claude Opus 5 medium 的 60.3%，每任务成本约低 80%；Luna max 可超过 GPT-5.6 Sol medium，成本约十分之一。[1]

协作文风

Sol/Luna 继承 Astra 的沟通改进：更清晰、少行话、少怪句式、少低价值细节、略短但不丢实质。官方用改站「bento + 右上角滑动切换」的例子对比 5.6 Sol 与 6 Sol：后者更少过早下结论、更少复述显而易见细节、更坦白做过/未做过的检查。[1]

对齐与安全：继承 Astra，但别当成「无闸门」

Sol/Luna「建立在 Astra 对齐工作之上」；在对齐评测中相对各自的 5.6 对应档有改进，包括编码工作中误导性陈述的比率下降。[1] 评测故意挑难场景，不代表典型失败率；细节见 system card。[1]

Astra 本身的安全故事更重：OpenAI 安全概述将其描述为广泛部署中能力最强的模型之一，并在 Preparedness 框架下把网络安全能力标到 Critical，配套隔离、强化拒答边界、红队与对齐评估等措施。[5] Sol/Luna 公告没有逐项复述这些 Critical 级控制是否原样下放到每一档；工程上应默认：更强模型档位的滥用面更大，路由与审计策略仍要按任务敏感度分档，而不是假设「便宜模型 = 无安全问题」或「对齐改进 = 可关监控」。

与 Anthropic Opus 5.5 的对照（细节见姊妹篇）：Anthropic 对生物/网络采用透明回退与验证计划；OpenAI 侧在 Astra 上强调 Critical cyber 与对齐套件。[2][5] 两边都不是「裸奔旗舰」。做 coding agent 时，把「会不会触发拒答/降级」写进验收，比背新闻稿安全形容词更有用。

副线：Astra 与 MVUEH Enigma——能力故事怎么读

选题里的 Astra 叙事，不宜只停在发布片播放量。一则可核的第三方记录来自 Crypto Cellar Research：2026-09-15，Carter Leffer 请站点维护者验证 GPT-6 Astra 对 1941-07-10 德军 Enigma 报文 MVUEH（自 2005 年起未破）的破译；维护者确认密钥与明文正确，并描述模型在几乎无人工密码分析指导的情况下，自行选择候选报文、怀疑与已破 SIPVX 明文相关、编写模拟器与 Bombe 类软件、利用 ROSENOW 反复地名 crib 完成破译；后续日志甚至出现对德国联邦档案馆馆藏编号的专业检索线索。[6]

如何读这条副线：

  1. 它证明的是长程研究型 agent 能力与工具使用，不是 Sol/Luna 的标价或 AutomationBench 分数。
  2. 它不能直接外推到你的产品仓库。密码分析成功依赖公开语料、可写代码、可跑搜索的环境，与「在私有 monorepo 里按规范改接口」不是同一分布。
  3. 它强化「峰值模型仍有单独价值」：OpenAI 自己也说最难项目仍找 Astra；Sol/Luna 解决的是把同代方法铺开，不是取消峰值档。[1]
  4. YouTube 官方介绍片（约两周内数百万播放量级信号）适合当作发布叙事入口，不宜当作可引用跑分来源；具体能力以文字公告、system card 与可核第三方记录为准。[7]

发布节奏与竞争语境（不把谣言当事实）

TechCrunch 将 Sol/Luna 放在 Astra「本月早些时候」发布之后，并强调效率、事实性与编码错误率改进；同时记录与 Opus 5.5 约 90 分钟之差的贴身发版。[3] 机器之心 / 36氪对照文进一步把两家叙事收束为「单位任务成本」竞争，并引用 OpenAI「Building abundant intelligence」一类「客户买的是任务完成」的论述。[9]

本稿采信的边界：

  • 采信：官方标价表、可用性声明、带脚注的基准自称、缓存 90% 折扣、GitHub 缓存占比反馈。[1]
  • 审慎引用：第三方 Enigma 破译记录（能力故事，非定价）。[6]
  • 不采信为事实：未证实的后续发版日程、社交平台上的瞬时跑分、把两家新闻稿数字直接加减得到的「总冠军」。

对读者更有用的问题不是「谁赢了 9 月 22 日」，而是：「我的路由表是否在 9 月 24 日仍然反映真实单价与真实失败模式？」

平台可用性细节：写进变更说明，避免支持工单

公告当日细节容易在转发中丢失，建议原样写进内部变更说明：[1]

  • 付费用户：ChatGPT Work 与 Codex 可用 Sol/Luna；
  • Free / Go：桌面应用可用 Luna；
  • Chat（消费级主会话）当时尚未提供这些模型，并计划当日逐步放量——若同事截图说「我 Chat 里还没有」，可能是滚动发布而非账号故障；
  • API 名称：gpt-6-sol、gpt-6-luna。

支持与文档组应准备两句标准答复：「Work/Codex 与 API 的路径」以及「Chat 是否已轮到你的账号以产品界面为准」。

和 Opus 5.5 怎么选（本篇独立结论）

维度GPT-6 Sol / Luna（本篇）Claude Opus 5.5（摘要）
角色把 Astra 代际能力铺到中低价位单型号冲击 Fable 级能力 + Opus 级价位
标价Sol 2/2/10，Luna 0.10/0.10/0.50（相对 5.6 促销价 -50%）输入 4、输出4、输出 20、缓存读 $0.20（相对 Opus 5 典型任务约 -40%）
编码叙事DeepSWE / FrontierCode / Codex 用量与缓存Terminal-Bench / FrontierCode / CursorBench 自报
安全叙事继承 Astra 对齐；Astra 另有 Critical cyber 故事生物/网络同级闸门 + 验证计划 + preserved thinking
默认直觉OpenAI / Codex 栈：日常 Sol，批量 Luna，尖峰 AstraClaude Code 栈：优先试 Opus 5.5 默认 effort

coding agent 分档建议：

  1. 已在 Codex / ChatGPT Work：把默认编码档从 5.6 Sol 切到 6 Sol，用同一批仓库任务比合并率与美元；批量抽取/摘要走 Luna。
  2. 尖峰任务（难复现 bug、大型架构迁移、高失败代价）：显式路由 Astra，并单独设预算帽。
  3. 多厂商：用任务类型路由，而不是品牌；两边新闻稿的「相对成本」都不要直接进财务模型。[1][2]
  4. 判断层可拆开：若用结构化决策模型做门禁/路由，换聊天旗舰不必重做判断层；见站内 Jev 文。[8]

为什么「双模型下放」和「单旗舰降价」不是同一招

把 OpenAI 与 Anthropic 同日动作说成「都在打价格战」太粗。机制不同：

  • OpenAI：峰值（Astra）与规模化（Sol/Luna）拆档；降价发生在中低档，峰值仍单独售卖「最难项目」叙事。[1]
  • Anthropic：用 一个 Opus 5.5 同时冲击「接近 Fable 的能力」和「相对旧 Opus 更便宜」；Fable / Mythos 仍以防护与验证计划区分用途，而不是简单的「便宜版旗舰」。[2]

对采购与平台组，这意味着路由表字段不同。OpenAI 栈常是「任务难度 → 三档模型」；Claude 栈常是「默认 Opus 5.5，敏感域看是否触发回退 / 是否申请验证」。混用两家时，不要假设对方的档位名称可以一一映射。

编码 agent：从「敢不敢做大」到「如何做大」

OpenAI 用内部研究者用量（中位 >600/日、90分位>600/日、90 分位 >7000/日，按 API 估值）说明一个转变：当 agent 会话以小时计、以仓库计，持续成本开始决定产品经理敢不敢把范围做大。[1] Sol/Luna 降价与缓存改进，直接作用于这个约束。

可落地的产品策略：

  1. 范围闸门与模型档位绑定。例如：单 PR、单服务 → Luna 或低 effort Sol；跨仓接口契约 → Sol；未知根因的生产事故 → Astra，并要求人工在场。
  2. 失败代价写入路由。事实性评测显示 Sol 在「曾出错过的对话」上错误减半，但仍提醒该集合偏难、非典型流量。[1] 对对外客户可见的答复，事实代价高，应偏向更高档或增加检索核对；对内部草稿，可用 Luna。
  3. 把「合并性」当验收，而不是「能编译」。FrontierCode 强调可合并性（测试质量、范围纪律、风格与仓库规范）。[1] 这与站内讨论 harness / 规范文件（如 AGENTS.md、技能）的方向一致：模型更强以后，规范与门禁的回报更高。
  4. 过夜任务的观察面。缓存命中、工具调用次数、是否拒答、是否静默改范围——四类指标比单一「成功/失败」更能解释账单与风险。

一周 A/B 剧本（Codex / API）

  1. 选 12 个近期真实工单：4 个机械、4 个模糊多文件、4 个需浏览或外部文档。
  2. 对照组：旧默认（如 5.6 Sol）；实验组：6 Sol，effort 固定为你们的生产默认。
  3. Luna 另跑一条「只做摘要/抽字段」流水线，禁止它直接改生产代码，观察成本与错误率。
  4. Astra 只允许在实验组失败或人工升级时介入，并单独记账。
  5. 通过线示例：在美元 ≤ 旧默认 70%（反映腰斩后的预期）时，合并级完成率不下降；或完成率上升且人工编辑行数下降。

若腰斩后美元几乎没降，先查：是否默默升到 Astra、是否 Fast/高 effort 全开、是否缓存命中崩溃、是否重试倍增。

与 Claude Code / 站内文章如何衔接

本站读者大量使用 Claude Code，但同一批人也在评估 Codex 与双厂商路由。建议阅读顺序：

  1. 本篇：OpenAI 侧价位与分档；
  2. 姊妹篇：Opus 5.5 价位与防护；[2]
  3. Claude Code harness：结构与循环；
  4. Jev × Claude Code：判断层不要和聊天模型绑死。[8]

小米等开源模型动态见站内 MiMo 相关文，可作「第三选项」校准，但不在本篇展开基准对打。

沟通风格为什么也算「成本」

官方刻意展示 Sol 文风变短、变清楚。[1] 这对 agent 团队不是审美问题：

  • PR 描述与会话日志若更短且结论前置，人工审计人时下降；
  • 更少「听起来很能干但没检查过」的措辞，有助于降低虚假信心；
  • 在多 agent 转发时，短而可核的状态同步比长散文更不易失真。

建议在验收里加一项主观但可操作的检查：抽 10 段工具轨迹，让未参与该任务的工程师根据模型自述复述「做了什么、没做什么」；复述失败率下降，才算文风改进兑现。

安全工程清单（Sol/Luna 发版周）

  1. 分档 ACL：哪些工作区允许 Astra，哪些只允许 Sol/Luna。
  2. 记录 model id：账单与审计按真实模型名聚合，避免「GPT-6」一锅炖。
  3. 拒答与降级告警：对齐改进不等于零拒答；把政策拒答从能力失败中拆出。[1]
  4. 蒸馏与提示注入：Sol/Luna 公告未展开与 Opus 5.5「preserved thinking」对等的集成破坏项；若你有改写历史上下文的代理层，仍应回归测试，不要假设行为与 5.6 完全相同。
  5. Critical cyber 意识：Astra 的 Critical 评级提醒——把峰值模型接到可写 shell、可装包的环境时，隔离与审批要比便宜档更严。[5]

和「只换模型名」相反的集成检查

不少团队会在发版日只改一行 model=。对 GPT-6 这一代，至少再检查五件事：

  1. effort 参数是否仍被旧封装吞掉。Sol/Luna 的对比大量建立在 high / xhigh / max 等档位上；若你的网关写死 medium，公告里的优势图与你无关。[1]
  2. 工具列表是否稳定排序。缓存断点与前缀复用依赖稳定前缀；动态插入工具会降低命中。
  3. 系统提示是否按用户维度拼接。每用户一段不同的长政策，会让「默认更高命中」难以兑现。
  4. 输出长度惩罚与截断策略。文风变短后，旧的「强制 2000 token 详解」模板可能在浪费钱。
  5. 评估集是否更新。沿用 5.6 时代的黄金集可以，但应单列「事实性敏感」与「合并性敏感」子集，避免平均分掩盖回归。

做完这五步，再宣布「我们已升级到 GPT-6」，才对财务与质量负责人都诚实。

实务清单

  1. 更新 API 模型名：gpt-6-sol / gpt-6-luna；保留回退到 5.6 或 Astra 的开关。[1]
  2. 打开缓存仪表盘，修「每轮重写系统提示 / 工具 schema」类命中杀手。
  3. 固定 10–20 个真实编码任务做 A/B（effort 档位写死）。
  4. 为拒答与策略降级打点，避免和「模型变笨」混为一谈。
  5. 与姊妹篇一起维护三档路由：Astra / Opus 5.5 / Sol–Luna。[2]
  6. 产品说明写清：Free/Go 桌面 Luna、付费 Work/Codex 的 Sol/Luna、Chat 是否已放量——以控制台为准，公告当日 Chat 尚未开放。[1]

未核实或刻意省略

  • Astra 在 Sol/Luna 公告中的绝对美元标价未给出完整对照表，本文不编造 Astra 单价。
  • 36氪 / 机器之心对照文中的部分竞品绝对价与单任务成本曲线，若未在 OpenAI/Anthropic 主公告核对，不写入结论。[9]
  • YouTube 演示中的即时分数、社交媒体截图跑分：无独立复现则不引用。
  • Crypto Cellar 文中「两天完成人类数周工作」为作者评价，保留为引用语境，不当作可迁移的 SLA。
  • 不预测 Chat 全量开放时间表。

结语

GPT-6 Sol 与 Luna 的主线不是「再宣布一个世界第一」，而是 OpenAI 在 Astra 峰值之后，把同代方法与对齐进展铺到可规模化的价位，并用缓存基础设施把长 agent 会话的有效成本再砍一刀。[1] Astra 仍守最难项目；Enigma MVUEH 这类第三方记录提醒我们峰值档的研究型能力故事还在继续。[6] 对编码 agent 负责人，更有用的动作是：分档路由、修好缓存前缀、用自己的合并率与美元做验收——需要和 Claude 侧对照时，读姊妹篇。[2]

参考来源

[1] OpenAI, “Introducing GPT-6 Sol and Luna”, 2026-09-22. https://openai.com/index/introducing-gpt-6-sol-and-luna/
[2] 站内姊妹篇：Claude Opus 5.5. /cn/blog/claude-opus-5-5-price-and-performance/
[3] TechCrunch, “OpenAI launches GPT-6 Sol and Luna…”, 2026-09-22. https://techcrunch.com/2026/09/22/openai-launches-gpt-6-sol-and-luna/
[4] OpenAI, “GPT-6 Astra: A new generation of intelligence”. https://openai.com/index/gpt-6-astra/
[5] OpenAI, “Safety overview: GPT-6 Astra”. https://openai.com/index/safety-overview-gpt-6-astra/
[6] Crypto Cellar Research, “The MVUEH Break”, updated 2026-09-19. https://www.cryptocellar.org/bgac/the-mvueh-break.html
[7] OpenAI YouTube, “Introducing GPT-6 Astra…”. https://www.youtube.com/watch?v=1QNsdr-Qx_I
[8] 站内：Jev × Claude Code. /cn/blog/jev-claude-code-10x-and-25-lines/
[9] 机器之心 / 36氪欧洲站, 2026-09-23. https://eu.36kr.com/zh/p/3995195771588745（二次来源）