GPT-6 Sol vs Luna
先看任务能否可靠验收，再判断 Sol 的较高价格是否值得。
GPT-6 Sol 和 Luna 怎么选？ Sol 定位于复杂编程与 Agent，Luna 定位于明确而高频的任务。相同处理模式、相同计费 token 数下，Sol 的目录单价是 Luna 的 20 倍。这个数字描述价格，不能解释为能力高 20 倍，也不等于完成任务必然贵 20 倍。
资料核验于 2026 年 9 月 23 日。 本文是基于 OpenAI 官方规格和可复算费用的发布评测，未运行两款模型的独立对照测试。下文选型建议是测试起点，不能当成已测得的准确率、速度或排名。
GPT-6 Sol 和 Luna 有什么区别？
以下为 OpenAI 直连 API 的 Standard 价格，单位为美元 / 百万 token，不是 OmniaKey 网关报价。
| 项目 | GPT-6 Sol | GPT-6 Luna |
|---|---|---|
| API 模型 ID | gpt-6-sol | gpt-6-luna |
| 官方定位 | 复杂编程与 Agent 工作流 | 明确、高频任务 |
| 未缓存输入 | $2.00 | $0.10 |
| 缓存读取 | $0.20 | $0.01 |
| 缓存写入 | $2.50 | $0.125 |
| 输出 | $10.00 | $0.50 |
| 上下文窗口（token） | 1,050,000 | 1,050,000 |
| 最大输入（token） | 922,000 | 922,000 |
| 最大输出（token） | 128,000 | 128,000 |
| 知识截止时间 | 2026-04-20 | 2026-05-18 |
两者同在 2026 年 9 月 22 日发布，均接收文本与图片并输出文本，支持 none、low、medium（默认）、high、xhigh、max 推理。功能表相近降低了接入对比的复杂度，但不能证明可靠性、速度或推理 token 消耗相同。Luna 知识截止时间较晚，也不能推导出推理能力更强。
相同任务下 Sol 与 Luna 的 API 费用
| 假设工作量 | GPT-6 Sol | GPT-6 Luna |
|---|---|---|
| 100K 未缓存输入 + 10K 计费输出 | $0.30 | $0.015 |
| 300K 未缓存输入 + 10K 计费输出 | $1.35 | $0.0675 |
| 1,000 个任务，每个 10K 输入 + 1K 计费输出 | $30.00 | $1.50 |
输入超过 272K token 时，整个请求的输入与缓存费率变成 2 倍，输出费率变成 1.5 倍，并非只有超出部分加价。按当前文档表述，恰好 272K 仍属于低价档。
这些是算例，不是实际账单。计费输出包括推理 token 与可见文本；假设每个任务只运行一次、没有缓存写入或命中，未计工具、存储、税费与人工审核。复核实际调用时应读取 usage 数据。
编程、文档提取和 Agent 应该选哪个？
关联决策多的工作先测 Sol： 跨模块调试、带兼容约束的新功能，或需要综合多个工具结果的任务。这是依据官方定位给出的测试顺序，仍须通过自己的验收标准。
重复且边界明确的工作先测 Luna： 字段提取、固定类别分类、局部转换。能低成本检验输出比大上下文更重要。
同一个 Agent 可以使用两者。 规划或困难修复步骤测试 Sol，已定义好验收的提取步骤测试 Luna。两条路线必须使用相同质量标准，才能判断省下的费用是否真实。
先用 Luna 再升级 Sol 能省多少钱？
以 100K 输入、10K 计费输出为例，Luna 一次 $0.015，完整重跑一次 Sol 为 $0.30。假设验收后有 20% 的任务需要升级，每个任务的平均 token 预算为：
$0.015 + 0.20 × $0.30 = $0.075
在这些假设下，相比全部直接用 Sol 的 $0.30，低了 75%。这里的 20% 是演算条件，不是模型实测失败率。验证过程、额外上下文、工具和人工费用会影响结果；如果验收器漏掉错误，质量比较本身就不成立。
简化公式 0.015 + p × 0.30 < 0.30 要求 p < 0.95。95% 只是 token 费用的盈亏线，绝不是生产环境可以接受的失败率。真实决策应将全部尝试、工具和人工费用除以通过验收的任务数，同时检查漏检错误。
API 接入与工具调用限制
两者都支持 Responses 和 Chat Completions。需要同时使用推理与工具时选 Responses API。模型页限定 Chat Completions 只有在 reasoning_effort=none 时支持 function calling，不能因两个端点都存在就假定工具行为完全相同。
Responses 的 reasoning.effort 支持 none、low、medium、high、xhigh、max。先固定档位测试，再依据验收结果增加推理预算。两者均支持结构化输出和图片输入；原生输出是文本，调用图片生成工具属于另一项操作。
本页请求示例与价格均以 OpenAI 直连为准。通过 OmniaKey 使用时，请在实时模型目录核对具体路线、功能和报价。OpenAI 发布模型不等于某个网关、Codex 客户端或 ChatGPT 套餐已经开放。
如何公平评测 Sol 和 Luna？
选择 20–50 个代表性任务并加入历史难题，固定输入、仓库版本、工具权限、推理档位与超时。相同档位名称便于复现，但不代表计算量相同。
记录首次通过率、重试后通过率、失败类型、输入与缓存 token、推理与输出 token、工具费用、端到端 p50/p95 延迟和人工修复时间。对已通过样本抽查漏检，关键任务重复运行，结果稳定后再切换路线。
本文提供评测方法而非跑分结果，不能因为 Luna 便宜就断言更快，也不能因为 Sol 贵就断言强 20 倍。应选择满足质量与延迟要求、且每个验收合格任务成本最低的路线。
常见问题
GPT-6 Sol 真的比 Luna 贵 20 倍吗？
相同处理模式、对应价格档和相同计费 token 数下，是的：输入、缓存读取、缓存写入和输出的目录单价均相差 20 倍。真实任务的 token、工具和重试次数可能不同。
编程 Agent 用 Sol 还是 Luna？
复杂关联任务优先评估 Sol，带可执行检查的局部任务优先评估 Luna。本文没有进行同条件质量 benchmark，最终依据应是自己的验收结果。
GPT-6 Terra 是中间档吗？
目前官方公开 GPT-6 目录是 Astra、Sol、Luna，未列出 gpt-6-terra。GPT-5.6 Terra 不能被当成已发布的 GPT-6 型号。