OpenAI发布GPT-6 Sol和GPT-6 Luna，两款继承Astra训练方法的模型面向不同工作负载：Sol用于复杂编程和多步代理，Luna用于高频明确任务。公司将API价格较GPT-5.6促销价下调50%，并强调部署决策正从能力比较转向“每项任务成本”和缓存、推理效率的经济学考量。
OpenAI周二（2026年9月22日）发布GPT-6 Sol和GPT-6 Luna，将此前仅由旗舰模型GPT-6 Astra代表的新一代能力，延伸到更便宜、更快的模型层级。公司称，两款模型沿用了Astra的训练方法，并在专业工作、事实性、编程、计算机使用和对齐方面取得改进；API价格则较GPT-5.6时期的促销价下降50%。
这次发布的重点并不只是模型名称的更新。随着企业开始让人工智能代理长时间运行、调用工具并执行多步骤任务，模型的单次能力仍然重要，但推理成本、缓存命中率和可持续运行价格正在成为部署决策的一部分。
Sol与Luna分别面向什么任务
OpenAI将GPT-6 Sol定位为复杂编程和智能体工作流模型，适合需要多步推理、验证和持续迭代的任务。GPT-6 Luna则面向更高频、目标更明确的工作，例如文档摘要、信息抽取和快速问答。
两款模型都支持文本和图像输入，拥有约105万tokens的上下文窗口，以及最高12.8万tokens的输出上限。开发者可以通过Responses API和Chat Completions调用，并使用函数调用、结构化输出、网页搜索、文件搜索、代码解释器、托管Shell、计算机使用和MCP等工具。
官方模型页面列出的标准短上下文价格为：GPT-6 Sol每百万输入tokens 2美元、输出10美元；GPT-6 Luna输入0.10美元、输出0.50美元。缓存输入价格分别为0.20美元和0.01美元。超过27.2万输入tokens的请求适用更高的长上下文价格，批处理和Flex模式则按标准价格的一半计费。
OpenAI表示，降价来自推理基础设施和缓存机制的改进。公司称，GPT-6系列默认拥有更高的提示缓存命中率，缓存输入读取可获得90%的折扣；开发者也可以通过缓存诊断工具、显式缓存断点以及调整推理强度和工具设置来提高重复利用率。
基准表现与价格主张需要分开看
在OpenAI公布的AutomationBench业务工作流测试中，GPT-6 Sol以最高推理强度运行时，得分超过Claude Opus 5的最高强度版本，而每项任务成本约为后者的9%。在Agents’ Last Exam中，Sol最高强度得分为56.4%，OpenAI称其成本比该评测中Claude Opus 5的最高成绩低60%。
编程测试也体现了类似的取舍。在DeepSWE v1.1中，GPT-6 Sol最高强度得分为68.8%，与Claude Fable 5最高强度的69.9%相差1.1个百分点，但每项任务成本约低80%。GPT-6 Luna最高强度得分为66.6%，OpenAI称其表现接近中等强度的Claude Opus 5和Fable 5，而成本分别低93%和96%。
在OSWorld 2.0离线测试中，Sol最高强度得分为60.5%，与中等强度的Claude Opus 5的60.3%相近，单项任务成本约低80%。Luna最高强度则被公司描述为能够以约十分之一的成本超过GPT-5.6 Sol中等强度版本。
这些数字首先是OpenAI自己的评测披露。公司说明，GPT模型在研究环境或API中测试，竞争对手分数来自公开报告；不同模型的系统提示、工具配置、推理强度和运行环境可能并不完全相同。因此，基准分数可以说明OpenAI希望市场关注的方向，但不能单独等同于跨平台的独立比较。
OpenAI还称，Sol在基于用户标记错误对话的内部事实性评估中，错误数量约为上一代的一半；Luna在较高推理强度下，可以接近GPT-5.6 Sol的表现，但成本约为后者的百分之一。此类结果同样属于公司内部评估，外部读者仍需要关注测试样本、任务分布和生产环境差异。
从模型发布转向工作流经济学
OpenAI在公告中援引内部使用数据称，以API价格计算，其研究人员每天消耗的token成本中位数已经超过600美元，处于第90百分位的研究人员则超过7000美元。这个数字未必代表普通客户的账单，但反映了一个现实：当编码代理和研究代理运行时间变长，输出token以及持续调用工具的费用会迅速累积。
AIFlux此前报道过GPT-5.6 Sol API及相关积分价格下调，当时的调整已显示，OpenAI正在把API价格、ChatGPT Work、Codex积分和模型迁移放在同一个商业分层中管理。GPT-6 Sol和Luna进一步把这一逻辑推向更低的单位成本：企业可以让更便宜的模型处理大部分常规步骤，再把复杂或高风险任务升级给Astra或人工审核。
对开发者而言，价格下降能扩大试错空间，但不意味着总成本一定按比例下降。长上下文加价、输出长度、工具调用次数、缓存命中率、并行代理数量以及Fast模式费率，都会改变实际账单。对于企业工作流，真正需要测量的是每项任务是否完成、返工次数是否减少，以及模型出错后是否会带来更高的人工审核和风险控制成本。
GPT-6家族的能力扩展伴随安全问题
GPT-6 Sol和Luna沿用了GPT-6 Astra带来的部分对齐和通信风格改进。OpenAI称，新模型会减少术语和低价值细节，技术和编程对话的表达更清晰，也更少出现关于代码工作结果的误导性表述。
但模型更便宜、可调用范围更广，也会让更多代理任务进入生产环境。此前，OpenAI发布的GPT-6 Astra安全概览指出，随着模型具备更强的网络安全和计算机使用能力，安全控制不能只依赖拒答，还要覆盖工具权限、沙箱、网络隔离、实时监控和行动范围。
OpenAI在本次发布中没有宣称Sol或Luna具有与Astra相同的最高能力，而是强调它们在成本效率上的位置。Astra仍被公司称为整体能力最强、最适合高难度任务的模型；Sol和Luna则承担把部分能力扩散到更多日常任务的角色。
这种分层也解释了产品可用范围的差异：两款模型当天起在ChatGPT Work和Codex向Plus、Pro、Business、Enterprise及Edu用户开放，GPT-6 Luna还可供Free和Go用户在桌面应用中使用。OpenAI API提供gpt-6-sol和gpt-6-luna两个模型名称，ChatGPT端则采取逐步推送方式；官方说明称，新模型并非立即在普通ChatGPT对话中全面开放。
同日，OpenAI还发布了第三方AI评估原则，提出让独立机构在训练、评估和部署全生命周期中审查安全主张、防护措施、高风险能力和失配事件。把这份安全框架与模型降价放在一起看，OpenAI面对的是同一个问题的两面：如何让更强的智能以更低的成本运行，同时证明它在真实工作流程中仍然可控。
GPT-6 Sol和Luna是否会改变模型市场，最终不只取决于发布日的基准分数。更关键的观察点将是：开发者是否真的把任务迁移到新模型，低价是否能维持，缓存和推理效率能否在不同负载下复现，以及企业能否在节省成本的同时控制代理错误和越权行动。前沿模型的竞争，正从“谁的分数最高”逐渐转向“谁能以可预测的价格完成一项真实工作”。
来源：
- OpenAI：Introducing GPT-6 Sol and Luna，2026年9月22日发布。
- OpenAI News RSS，显示该文发布时间为2026年9月22日18:00 GMT。
- OpenAI：GPT-6 Astra，GPT-6旗舰模型背景。
- TechCrunch：OpenAI launches GPT-6 Sol and Luna, boasting lower cost and fewer mistakes，关于产品定位、价格与发布背景的报道。
- GitHub：OpenAI’s GPT-6 Sol and GPT-6 Luna now available，关于GitHub Copilot开放情况的公告。