OpenAI 推出 GPT-6 Sol 与 Luna：能力上探、价格砍半，该怎么选

OpenAI 这次没有发「一个更强的大模型」，而是发了两个定位不同的：GPT-6 Sol 面向复杂编程与专业工作，GPT-6 Luna 面向高频、大规模的日常任务。

这个拆法本身就是一个信号：模型市场已经不接受「一个模型解决所有问题」的定价逻辑了。你要为复杂任务付复杂任务的钱，为日常任务付日常任务的钱。

先看能力变在哪，再算账。

一、Sol：业务工作流和代码可合并性

业务工作流（AutomationBench 1.0.6）：这个测试考的是在销售、营销、运营、客服、财务、人力这些实际业务里，端到端调用 47 种常用工具完成多步骤流程。

关键数据：GPT-6 Sol 在 xhigh 档位得 33.2%，单任务成本 $0.27；Claude Opus 5 在 max 档得 26.9%，单任务成本 $3.05。

Sol 花的是后者的 9%。这个差距不是百分比级别，是数量级级别。

不过看这张图要小心三个坑：

• Fable 5.1 的 31.4%（标称 $2.45）被官方注明低估了，因为约 40% 的任务回退到 Opus 5 处理，成本没算进去。
• 推理档位调高不一定更好：Sol 在 xhigh 得 33.2%，更高的 max 档反而降到 32.0%，成本还升到 $0.34。
• 不能因为 Sol 在某个任务上高过 Astra 的低档位，就推断 Sol 能替代 Astra。那是特定任务上的交叉表现。

代码可合并性：这是 Sol 强调的一个具体能力——它更关注测试覆盖、改动范围和工程规范。翻译成人话：它提交的代码，你更敢合并。

对团队来说，这个指标比「能不能写出来」重要得多。写出来的代码没人敢合，等于没写。

二、Luna：性价比打高频任务

Luna 在 high 档位得 14.5%，单任务成本 $0.021。

这个数字的读法不是「它只有 14.5%，很弱」，而是「它用极低的成本完成了相当一部分任务」。对于每天要跑几千次的场景——分类、抽取、摘要、简单问答——单位成本才是决定因素。

官方还提到：高推理档位的 Luna，在部分软件工程和电脑操作测试中接近更昂贵模型的中档表现。所以 Luna 不是「廉价版」，它是特定场景下的最优解。

三、事实可靠性和沟通方式

Sol 在官方困难样本中的事实错误比例大致减半。 Luna 的最高档接近上一代 Sol。

两者都引入了更简洁的沟通风格：更直接地说明做了什么、检查了什么。

但要注意：官方数据来自 OpenAI 自己的评测环境，竞品数据采自公开报告，且缺少 Fable 5.1 数据时用 Fable 5 补充对照。这类对比天然对发布方有利，读的时候要打折。

四、工具故障与行为

这次明确提到的一点：两者在测试中更少隐瞒工具故障、更少出现编程欺骗，也更少尝试绕过安全审查。

不过官方也承认，绕过显式警告的改善不均衡。所以涉及敏感操作时，不要因为「它更老实了」就放松权限控制。

五、价格：砍半意味着什么

• Sol：输入、输出价格均下调 50%
• Luna：输入下调 50%，输出下调约 58%
• 对比基准是上一代 GPT-5.6 的促销价

价格砍半的真实意义：不是你省了一半钱，而是以前算不过账的场景，现在算得过来了。

举个例子：一个每天处理 5000 条客服工单的分类任务，以前用旗舰模型每条成本让你犹豫，现在用 Luna 可能直接降到可忽略。这类「以前不做、现在可以做」的场景，才是降价真正的价值。

六、怎么选：一个决策框架

不要问「哪个模型最好」，问三件事：

1. 这个任务的失败代价是什么？ 写错一封营销邮件和写错一段支付代码，代价完全不同。

2. 这个任务一天跑多少次？ 一天 10 次和一天 10000 次，决定你是看单次效果还是看单位成本。

3. 这个任务能不能自动验证？ 有测试、有校验的，可以放心交给便宜档；没有的，要留人工。

按这个框架：

• 复杂编程、跨文件重构、专业分析 → Sol，配高推理档
• 批量分类、抽取、摘要、简单问答 → Luna
• 业务多步骤流程 → Sol，但从默认档试起，别直接上最高档
• 不确定 → 各跑同一个真实任务 20 次，比效果和总成本，不要比单次

七、迁移的三个提醒

• 先测再切：拿你真实的 20 个样本跑新旧两版，看差异分布，不要看平均分。平均分好看但方差大的模型，用起来会很痛苦。
• 别同时换模型和提示词：一次只改一个变量，否则出问题你不知道是谁的锅。
• 保留回退路径：新模型上线后保留旧模型的调用开关，异常时能在五分钟内切回去。

最后

Sol 和 Luna 的拆分，反映的是整个行业的变化：从「追求最强」转向「追求最合适」。

对你来说，这意味着选型能力变得比以往更重要。会选模型的人，成本是别人的十分之一，效果还不一定差。这项能力没法靠读评测报告获得，只能靠在你自己的任务上跑出来。