OpenAI 在 9 月初发布 GPT-6 Astra 后，现在进一步补齐了 GPT-6 产品线，正式推出 GPT-6 Sol 和 GPT-6 Luna。

如果说 Astra 面向的是最复杂、对能力要求最高的任务，那么 Sol 和 Luna 的定位明显不同：把 GPT-6 这一代模型的能力下放到成本更低、调用量更大的实际业务场景。

目前 GPT-6 系列可以简单理解为：

模型定位API 输入API 输出
GPT-6 Astra最高能力、复杂推理与编程$10 / 1M Token$50 / 1M Token
GPT-6 Sol能力与成本平衡、复杂 Agent / Coding$2 / 1M Token$10 / 1M Token
GPT-6 Luna高并发、低成本、大规模任务$0.10 / 1M Token$0.50 / 1M Token

三款模型的上下文窗口均达到 1.05M Token，最大输出达到 128K Token，并支持文本和图像输入。  

GPT-6 Sol：真正面向生产环境的主力模型

GPT-6 Sol 可以看作 GPT-6 系列里的主力型号。

它没有直接追求 Astra 的最高能力，而是重点平衡智能水平、速度和成本，尤其针对编程、Agent、企业自动化以及复杂专业工作进行了优化。

OpenAI 给出的 AutomationBench 测试中，GPT-6 Sol 在 xhigh 推理强度下获得 33.2% 的成绩，每个任务成本约 0.27 美元。在 OpenAI 公布的同一测试结果中，其表现超过低推理强度的 GPT-6 Astra，同时任务成本明显更低。

在 DeepSWE 1.1 软件工程测试中，GPT-6 Sol max 达到 68.8%；在 OSWorld 2.0 Computer Use 测试中，GPT-6 Sol xhigh 达到 60.5%。  

这意味着 Sol 的重点已经不只是传统意义上的聊天或者代码补全，而是越来越明显地针对：

AI 编程 Agent、自动操作软件、跨工具业务流程、长时间运行任务以及企业内部自动化。

对于真正需要大量 Token 的生产系统来说，这种定位可能比单纯提高 Benchmark 更重要。

GPT-6 Luna：每百万输入 Token 只要 0.1 美元

GPT-6 Luna 的价格更加激进。

API 标准价格为：

输入：0.10 美元 / 1M Token

缓存输入：0.01 美元 / 1M Token

输出：0.50 美元 / 1M Token

相比 GPT-6 Sol，Luna 输入价格只有 Sol 的 1/20，输出价格同样只有 1/20。  

因此 Luna 更适合调用量非常大的应用，例如文档分类、信息提取、批量内容处理、RAG 前后处理、客服系统、数据清洗以及大量并行 Agent 子任务。

值得注意的是，低价格并不意味着 Luna 只是一个简单的小模型。

在 OpenAI 公布的 DeepSWE 1.1 测试中，GPT-6 Luna max 达到 66.6%；在事实准确性测试中，高推理强度的 Luna 已经可以接近上一代 GPT-5.6 Sol 的水平，而成本要低得多。  

GPT-6 Sol API 价格直接降到上一代的一半

这次更新非常值得开发者关注的一点，就是 API 价格。

OpenAI 将 GPT-6 Sol 和 Luna 的价格，相比 GPT-5.6 阶段的促销价格进一步降低约 50%：

模型上一代价格GPT-6 价格
Sol 输入$4$2
Sol 输出$20$10
Luna 输入$0.20$0.10
Luna 输出$1.20$0.50

均按照每百万 Token 计算。  

对于普通聊天来说，每百万 Token 几美元的差异可能感觉并不明显。

但对于 RAG、Coding Agent、Computer Use 或企业知识库来说，一次任务可能携带几十万甚至上百万 Token 的上下文，并且 Agent 会连续执行几十甚至上百次模型调用，这时候模型单价会直接决定整个产品能否规模化部署。

Prompt Caching 也进行了升级

GPT-6 这一代还进一步强化了 Prompt Caching。

对于 Agent 和长对话来说，大量上下文其实是重复的，例如 System Prompt、企业知识、工具定义、代码仓库上下文以及此前的对话内容。

GPT-6 改进后的缓存机制可以提高默认 Cache Hit Rate，并且缓存输入读取可以获得 90% 的价格折扣。

OpenAI 同时加入 Prompt Caching Dashboard、缓存诊断工具以及 Explicit Breakpoints，让开发者可以更明确地控制哪些 Prompt 前缀需要缓存。

更重要的是，现在调整 Reasoning Effort 或开启、关闭部分工具时，也可以尽量保留前面的上下文缓存，不需要因为 Agent 配置发生变化就重新计算整个 Prompt。  

对于拥有超长 System Prompt、RAG 上下文或者复杂工具定义的 AI 应用，这项改进可能带来的实际成本下降并不亚于模型本身降价。

回答风格也进行了调整

GPT-6 Sol 和 Luna 同样继承了 Astra 的沟通风格改进。

OpenAI 特别提到，新模型会减少不必要的术语、奇怪措辞以及价值较低的重复信息，同时整体回答会稍微变短，但尽量保持信息量。

这种变化在 Coding 和技术类对话中会更加明显。

另外，OpenAI 表示 GPT-6 Sol 的事实性错误相比上一代大约减少了一半，已经开始接近 GPT-6 Astra 的可靠性水平。  

GPT-6 三款模型的定位已经很清晰

随着 Sol 和 Luna 发布，OpenAI 的 GPT-6 产品线已经形成比较明确的三级结构。

Astra 负责能力上限，适合最复杂的推理、编程以及端到端专业工作。

Sol 面向大量实际生产任务，在能力、速度和成本之间取得平衡，尤其适合 Coding Agent 和复杂 Agent Workflow。

Luna 则进一步压低单位推理成本，更适合高并发、批处理以及调用规模非常大的 AI 产品。

对于开发者而言，这种划分意味着以后不一定需要让所有任务都运行在最强模型上。一个复杂 Agent 完全可以让 Astra 或 Sol 负责规划和关键决策，再把分类、提取、整理以及简单执行任务交给 Luna。

已经可以通过 API 调用

GPT-6 Sol 和 GPT-6 Luna 已于 2026 年 9 月 22 日正式进入 OpenAI API。

对应模型 ID 分别为：

gpt-6-sol

gpt-6-luna

两款模型均可以通过 Responses API 和 Chat Completions API 使用，并支持文本、图像输入以及最高 1.05M Token 上下文。  

ChatGPT 方面，GPT-6 Sol 和 Luna 首先进入 ChatGPT Work 和 Codex，Plus、Pro、Business、Enterprise 和 Edu 用户可以使用；Free 和 Go 用户则可以在桌面应用中使用 GPT-6 Luna。OpenAI 表示会逐步扩大 GPT-6 系列在 ChatGPT 中的可用范围。  

从 GPT-6 Astra 到现在的 Sol 和 Luna，OpenAI 这一代产品策略已经非常明显：Astra 继续向能力上限推进，而 Sol 和 Luna 开始解决另一个更现实的问题——如何让高级 Agent 和长上下文 AI 应用真正承担得起大规模运行的成本。