OpenAI 發佈 GPT-6 Sol 與 GPT-6 Luna,主打速度與成本效益並下調 API 價格
OpenAI、「GPT-6 Sol」「GPT-6 Luna」を発表 ——速度と費用効率を重視、API入出力単価はGPT-5.6版比でSolが半額、Lunaが半額以下に
OpenAI 發佈 GPT-6 Sol 和 GPT-6 Luna,分別面向複雜編碼及 AI 智能體工作、批量處理,並着重速度與成本效益。每 100 萬 tokens 的 API 標準價格,Sol 為輸入 2 美元、輸出 10 美元,Luna 為輸入 0.10 美元、輸出 0.50 美元;相較 GPT-5.6 版促銷價格,Sol 均減半,Luna 輸入減半、輸出約減 58%。
文章並列 Sol 與 Luna 的任務定位、API 價格和多項評測結果,呈現兩款模型在任務表現與單次成本上的取捨。
OpenAI於9月22日發佈GPT-6系列新模型「GPT-6 Sol」和「GPT-6 Luna」。OpenAI表示,為了將GPT-6 Astra的優勢帶到日常工作中,Sol和Luna著重提升速度和成本效益。Sol主要用於複雜的程式編寫和AI代理工作,Luna則適合大量處理工作。API標準價格與相應GPT-5.6版本的推廣價格相比,Sol的輸入和輸出價格均減半。Luna的輸入價格也減半,輸出價格則下調約58%。
透過 ChatGPT Work・Codex・API 提供
GPT-6 Sol和GPT-6 Luna將陸續在ChatGPT Work和Codex向Plus、Pro、Business、Enterprise及Edu方案用戶提供。Free和Go用戶可在桌面應用程式試用Luna。兩款模型在發佈時均無法於ChatGPT的「Chat」中使用。
OpenAI表示,兩款模型也融入了Astra清晰簡潔的回答風格。OpenAI預期,專門術語、不自然的措辭和不必要的細節會減少,在技術和程式編寫對話中尤其明顯。
在OpenAI API中,Sol和Luna分別可透過gpt-6-sol和gpt-6-luna使用。模型資料顯示,兩款模型的上下文長度上限均為105萬個 token,最多可輸出12萬8000個 token。Sol的知識截止日期為2026年4月20日,Luna則為同年5月18日。
兩款模型的推理級別均可由「none」調至「max」[1]。涉及推理的工具呼叫須使用Responses API。在Chat Completions API中,只有將推理級別設為「none」時才支援函式呼叫。
GPT-6模型指南介紹了參考Astra行為撰寫的提示範例,供包括Sol和Luna在內的GPT-6系列參考。指南並建議按所用模型和實際用途確認提示的效果。
下調 API 價格,並改善快取
API標準價格按每100萬個 token 計算,GPT-6 Sol的輸入和輸出價格分別為2美元和10美元,GPT-6 Luna則分別為0.10美元和0.50美元。發佈網誌將比較對象GPT-5.6版本的價格稱為「推廣價」:Sol的輸入和輸出價格分別為4美元和20美元,Luna則分別為0.20美元和1.20美元。
輸入超過27萬2000個 token 時,整個請求的輸入及快取價格會變為2倍,輸出價格則變為1.5倍。
OpenAI將降價歸因於推理處理和提示快取效率的改善。另一篇關於快取的文章「Better Prompt Caching for GPT-6」指出,GPT-6系列提高了從輸入開首起相符部分的快取命中率。快取有效期自上次儲存或重用起至少為30分鐘。從快取讀取的部分按一般輸入價格的10分之1收費,寫入則按1.25倍收費[2]。
開發者可指定要快取的提示開首部分,並透過儀表板或診斷工具查看命中率和快取未命中的原因。此外,系統亦提供設定方法,讓開發者在對話中途更改推理級別時保留快取。只要保留工具定義並切換其可用狀態,已儲存的輸入也可重用。
性能和成本效益評估結果
OpenAI表示,在用於評估軟件開發任務的「DeepSWE v1.1」中,GPT-6 Sol和GPT-6 Luna均以「max」推理級別接受評估,得分分別為68.8%和66.6%。Sol的結果接近Claude Fable 5以「xhigh」取得的69.9%,而每1項任務的成本約低80%[3]。
在 DeepSWE v1.1(用於測試編程代理處理長時間跨度工程任務的能力)中,GPT-6 Sol (max) 的表現幾乎追上 Claude Fable 5 (xhigh),每項任務的成本則低約80%。
GPT-6 Luna (max) 的表現與 Fable 5 (medium) 相若,每項任務的成本低96%。pic.twitter.com/RN7DmjpUfJ
— OpenAI Developers (@OpenAIDevs) 2026年9月22日
在利用業務應用程式衡量工作表現的「AutomationBench」中,GPT-6 Sol以「xhigh」推理級別取得33.2%,Claude Opus 5以「max」取得26.9%。GPT-6 Luna以「high」接受評估時,得分比GPT-5.6 Luna高5.4個百分點;據稱每1項任務的成本低58%。
較高的用量上限和較低的成本,讓你有更大的彈性和更多反覆改進的空間。pic.twitter.com/AQJ5IlNsB1
— OpenAI (@OpenAI) 2026年9月22日
OpenAI表示,在一項內部評估中,研究人員匿名化了用戶曾指出事實錯誤的ChatGPT對話並加以使用;結果顯示,GPT-6 Sol的錯誤約為GPT-5.6 Sol的一半。同一評估亦顯示,GPT-6 Luna在較高推理級別下的準確度與GPT-5.6 Sol相若,成本則約為其100分之1。這項結果並不代表日常使用中的錯誤率。
在衡量電腦操作能力的「OSWorld 2.0」離線版中,GPT-6 Sol以「xhigh」取得60.5%,Claude Opus 5以「medium」取得60.3%。據稱,GPT-6 Luna的「max」表現勝過GPT-5.6 Sol的「medium」,每1項任務的成本為10分之1。
安全措施與評估結果
OpenAI表示,GPT-6 Sol和GPT-6 Luna在對齊評估中的結果均優於各自的GPT-5.6版本,而且在程式編寫工作中,對自己做過甚麼的說明較少誤導性。
9月22日新增的系統卡Sol與Luna補充文件說明,OpenAI評估了兩款模型與風險相關的能力,並採用了與GPT-5.6版本相同的安全措施。生物及化學能力被評定為「High」,AI自我改良能力則低於「High」。
兩款模型在網絡安全領域的能力評定為「High」,未達更高的「Critical」級別。在該領域的安全評估中,兩款模型於模擬代理環境的平均得分大致與GPT-5.6 Sol相若,但根據實際運作聊天內容進行的評估則略有下降。
另一項評估測試了兩款模型抵禦「越獄」攻擊的能力;這類攻擊會繞過安全措施,誘使模型給出不恰當的回答。兩款模型的防禦成功率均高於GPT-5.6 Sol和GPT-5.5 Thinking。不過,據稱Luna較高的得分也可能受到其連正當請求也傾向拒絕的影響。
在醫療相關評估中,按回答長度調整後,兩款模型的得分與各自的GPT-5.6版本相比,在「HealthBench Professional」和「HealthBench Consensus」中維持或有所改善,在「HealthBench」和「HealthBench Hard」中則有所下降。系統卡解釋,得分下降的2個項目中,回答篇幅變短,對評估項目要求的細節描述也減少。
來源:gihyo.jp · gihyo.jp