模型卡｜GPT-6 Sol／Luna

TL;DRGPT-6 Sol（`gpt-6-sol`）／GPT-6 Luna（`gpt-6-luna`）：2026-09-22 上線，1,050,000 tokens context window（最大輸入 922,000、輸出上限 128,000，與旗艦 Astra 同級）；Sol input $2.00／output $10.00，Luna input $0.10／output $0.50（每 1M tokens，較 GPT-5.6 促銷價再砍 50%）；AutomationBench 上 Sol 33.2%（xhigh effort）贏過 Claude Opus 5 的 26.9%、成本僅其約 1/11；DeepSWE v1.1 上 Sol 68.8%／Luna 66.6%，逼近 Claude Fable 5.1 的 69.9%；內部模擬部署測試中 severity≥3 的 misalignment flag 從前代 66 次降到 42 次

#ai-agent #model-release #daily #openai #model-family-gpt

系列: AI Model Tracker (31 / 38)

模型卡｜Claude Opus 5.5 模型卡｜MiMo-V2.6-Pro

🌏 English version

模型資訊

項目	值
Model ID	`gpt-6-sol`（Sol）／`gpt-6-luna`（Luna）
廠商	OpenAI
參數量	未公開
Context Window	1,050,000 tokens（最大輸入 922,000 tokens、輸出上限 128,000 tokens，兩者皆同）
Input 定價 (USD/1M tokens)	Sol $2.00（cached $0.20，cache write $2.50）／Luna $0.10（cached $0.01，cache write $0.125）
Output 定價 (USD/1M tokens)	Sol $10.00／Luna $0.50
開源	否
發布日	2026-09-22
官方公告	OpenAI：Introducing GPT-6 Sol and Luna
家族	GPT-6.x（旗艦 GPT-6 Astra 2026-09-03 發佈；前代為 GPT-5.6 Sol／Terra／Luna）

能力亮點

定價較 GPT-5.6 促銷價再砍 50%：Sol 從 $4/$20 降到 $2/$10，Luna 從 $0.20/$1.20 降到 $0.10/$0.50，同時維持與旗艦 Astra 相同的 1.05M context window
AutomationBench（47 種工具的商業流程 agent 任務）Sol 在 xhigh effort 拿下 33.2%，比 Claude Opus 5 最高分 26.9% 高 6.3 個百分點，單任務成本僅 Opus 5 的約 9%（即 Opus 5 成本約為 Sol 的 11 倍）
安全對齊明顯改善：內部模擬 Codex 部署（50,319 個任務）中，severity≥3 的 misalignment flag 從前代 GPT-5.6 Sol 的 66 次降到 42 次；模擬留言板測試中未授權行動比例從 52% 降到 11%
Prompt caching 折扣提升到最高 90%，且新增可在不失效快取的前提下調整 reasoning effort、開關工具，OpenAI 稱 GitHub 藉此讓需重新處理的 prompt token 比例降逾 50%

Benchmark 表現

Benchmark	模型	分數	前代	競品最強
AutomationBench（xhigh effort）	GPT-6 Sol	33.2%（約 $0.27／task）	未公開（官方稱 Luna 較前代 +5.4pp、成本 -58%）	Claude Opus 5 26.9%（成本約 11 倍於 Sol）／Claude Fable 5.1 31.4%（含 Opus 5 fallback，未計入 fallback 額外成本）
Agents' Last Exam（55 個子產業複雜任務）	GPT-6 Sol	56.4%	未公開	Claude Opus 5（Sol 略勝其最高分，成本低約 60%，官方未列競品具體分數）
DeepSWE v1.1（agentic 軟體工程）	GPT-6 Sol	68.8%	未公開	Claude Fable 5.1 69.9%（Sol 成本低約 80%）
DeepSWE v1.1（agentic 軟體工程）	GPT-6 Luna	66.6%	未公開	Claude Opus 5（Luna 成本低約 93%）／Claude Fable 5（低約 96%）
OSWorld 2.0（電腦操作，xhigh effort）	GPT-6 Sol	60.5%	未公開	Claude Opus 5 60.3%（medium effort，Sol 成本低約 80%）
內部模擬部署 misalignment flag（severity≥3 次數，越低越好）	GPT-6 Sol	42 次	GPT-5.6 Sol 66 次	-

⚠️ 以上除 OSWorld 2.0 沿用 OpenAI 公開版本編號外，均為 OpenAI 官方自測與自選競品評測條件（各自最高 effort 設定），尚待第三方獨立複現；misalignment flag 數字來自 OpenAI 內部模擬部署，非公開 benchmark。

與前代/競品比較

跟 GPT-5.6 世代比，Sol／Luna 的進步集中在「性價比」而非分數上限：官方沒有公布 GPT-5.6 世代在多數新 benchmark 上的絕對分數，但反覆強調同等或更好表現下成本腰斬——AutomationBench Luna 成本降 58%、OSWorld 2.0 Luna 以約 1/10 成本追過前代旗艦 GPT-5.6 Sol 的 medium-effort 表現。這跟旗艦 Astra 的敘事不同：Astra 拚的是分數天花板（ARC-AGI-3、FrontierMath），Sol／Luna 拚的是把 Astra 的技術用更低成本鋪到日常工作負載。

跟 Claude 競品比，Sol 在 agent 類任務（AutomationBench、Agents' Last Exam、OSWorld 2.0）小幅領先 Claude Opus 5，且成本只要對方的一到二成；但在最吃重的軟體工程任務 DeepSWE v1.1 上，Sol 的 68.8% 仍落後 Claude Fable 5.1 的 69.9%，只是用了少了約 80% 的成本換來這 1.1 個百分點的差距。安全分級上，Sol／Luna 被歸類為網路安全與生化領域「High（未達 Critical）」，跟旗艦 Astra 被判定「Critical」等級形成對照——OpenAI 刻意把最強能力留在 Astra，Sol／Luna 走的是效能夠用、風險可控的中低價位路線。

值得注意的是三個模型（Astra／Sol／Luna）共用完全相同的 1,050,000 tokens context window 與 128,000 max output——OpenAI 這次不是用context 長度做分級，而是純粹用價格與模型品質分層，這跟過去「旗艦才給大 context」的常見做法不同。

對 Agent 開發的意義

這次發布最大的意義是把「選模型」變成「選 reasoning effort」：Astra／Sol／Luna 三者 context window、輸入輸出模態、API 介面完全一致，差異主要在單價與 benchmark 分數，而 reasoning effort 又可以在不打斷 prompt cache 的前提下即時調整。

如果你在做多 Agent 編排系統：可以把 Sol 當作「可信賴的工作型」模型取代原本的 Astra 做子任務，AutomationBench／OSWorld 2.0 分數已經追上甚至小贏 Claude Opus 5，但成本只要對方一到二成，適合把 Astra 保留給真正需要頂尖分數的節點
如果你在做高流量、任務結構固定的場景（分類、資料抽取、簡單工具路由）：Luna 在 DeepSWE v1.1 上追到 66.6%，逼近上一代旗艦水準，$0.10/$0.50 的定價讓大量重複呼叫的成本結構完全改觀
不適合：需要 Critical 級別能力或分數上限（如研究級數學、未知環境抽象推理）的場景——這些仍要用 Astra 或跨廠商比較 Claude Fable 5.1，Sol／Luna 在 DeepSWE 等重度工程任務上仍有 1 個百分點左右的差距未補齊
具體架構建議：善用「調整 reasoning effort 不失效快取」這個新特性，把同一個 agent 依任務複雜度動態切換 effort 等級，而不是切換整個模型，可以同時省 token 又維持快取命中率

今日收穫

這次發布沒有推出新的能力天花板——Astra 仍是分數最高的旗艦。但 Sol 在多個 agent 類 benchmark 上小贏 Claude Opus 5，成本卻只要對方的一到二成；Luna 則是在複雜軟體工程任務上摸到了上一代旗艦的門檻，成本卻只要百分之一等級。三個月內把整條產品線的性價比重新洗牌一次，這提醒一件事：緊盯「誰的旗艦分數最高」之外，更該盯的是「同一個價位帶上，性價比在往哪個方向移動」——這才是決定一套正在營運的 agent 系統要不要換模型的實際判準，而不是排行榜上的第一名。