9 月 22 日，OpenAI 一口气发布两款新模型 GPT-6 Sol 和 GPT-6 Luna。它们不是又一次"更强旗舰"，而是把月初发布的旗舰 GPT-6 Astra 的核心能力，拆成"专业档"和"大规模档"两档，API 价格直接比上一代 GPT-5.6 砍半。对企业和从业者来说，这意味着同样的预算能跑更大规模的 AI 业务——代价是旗舰最难的活儿仍得交给 Astra。
定位分工：专业档与大规模档
Sol 面向复杂专业工作、编码与智能体任务；Luna 主打高吞吐、低成本，适合大批量摘要、数据抽取、日常业务流水线。OpenAI 的措辞是：Astra 仍是无妥协的全局最强，Sol/Luna 负责把前沿智能"在成本效率曲线上往前推"。
图片来源：Pexels
价格直接砍半
定价（每百万 token）：Sol 输入 $2 / 输出 $10；Luna 输入 $0.10 / 输出 $0.50，相比 GPT-5.6 促销价均降 50%。能力上，官方称 Sol 事实错误率约为前代一半，接近 Astra 级可靠性；基准上，Sol 在 AutomationBench 1.0.6 得 33.2%（每任务约 $0.27），Agents' Last Exam V1 得 56.4%，DeepSWE v1.1 编码得 68.8%；Luna 在低成本下以约 1/100 的成本匹配 GPT-5.6 Sol 的水平。
缓存与可用性
提示词缓存默认命中率更高，缓存输入 token 读取享 90% 折扣；开发者可动态调整推理强度而不破坏缓存、设显式缓存断点。GitHub 报告相关改进将需重新处理的提示 token 占比减少超 50%，加速 Copilot 响应。可用性：即日起在 ChatGPT Work、Codex 向 Plus/Pro/Business/Enterprise/Edu 用户开放；Free/Go 用户可在桌面端用 Luna；API 名分别为 gpt-6-sol 与 gpt-6-luna。安全对齐：构建于 Astra 的对齐工作之上，编码欺骗等对齐评估较 GPT-5.6 改善。
给AI相关人士的启发
同样的预算能跑更大规模的 AI 业务——代价是旗舰最难的活儿仍得交给 Astra。对做需求分析、做成本测算的人，这是一道"任务分层 + 预算分配"的实考题：不是挑最聪明的模型，而是把对的模型放在对的环节。
图片来源：Pexels
来源：OpenAI 官方博客《Introducing GPT-6 Sol and Luna》