TL;DR
OpenAI เปิดตัว GPT-6 Sol และ GPT-6 Luna เมื่อวันที่ 22 กันยายน 2026 ขยายตระกูล GPT-6 ให้กว้างขึ้นจาก Astra Sol ออกแบบมาสำหรับการเขียนโค้ดที่ซับซ้อนและเวิร์กโฟลว์เชิงเอเจนต์ ส่วน Luna มุ่งเป้าไปที่งานที่โฟกัสชัด ทำซ้ำได้ และมีปริมาณสูง ทั้งสองรับอินพุตเป็นข้อความและรูปภาพ สร้างเอาต์พุตเป็นข้อความ มีหน้าต่างบริบท 1,050,000 โทเค็น และรองรับ Responses และ Chat Completions APIs ความแตกต่างหลักคือเศรษฐศาสตร์ของภาระงาน: Sol ใช้จ่ายต่อโทเค็นมากขึ้นเพื่อรองรับงานที่ต้องการสูง ในขณะที่ Luna ลดต้นทุนต่อหน่วยสำหรับงานที่มีขอบเขตชัดเจน
สำหรับทีมส่วนใหญ่ จุดเริ่มต้นเชิงปฏิบัติง่ายๆ คือ: ใช้ Astra สำหรับงานแบบ end-to-end ที่ยากที่สุด ใช้ Sol เมื่อจำเป็นต้องสมดุลความสามารถกับต้นทุน และใช้ Luna เมื่อภารกิจแคบพอที่จะตรวจสอบผลลัพธ์แบบอัตโนมัติได้ การเข้าถึงผ่าน OpenAI พร้อมใช้งานสำหรับทั้ง Sol และ Luna แล้ว ควรตรวจสอบ CometAPI แยกต่างหาก เนื่องจากความพร้อมของเกตเวย์ โปรโมชั่น และการจัดเส้นทางบัญชีอาจแตกต่างจากการเปิดตัวโดยตรงของ OpenAI
Key Takeaways
- GPT-6 Sol เป็นจุดเริ่มต้นที่แข็งแรงกว่าสำหรับงานโค้ดที่ต้องการ เอเจนต์หลายขั้นตอน การดีบักที่ยาก และเวิร์กโฟลว์ที่ความล้มเหลวนำไปสู่ต้นทุนการทบทวนสูง
- GPT-6 Luna ออกแบบมาสำหรับงานที่โฟกัสชัด ปริมาณสูง เช่น การสกัดข้อมูล การจัดหมวดหมู่ การกำหนดเส้นทาง สรุปเชิงโครงสร้าง และการแปลงแบบรอบแรก
- ทั้งสองรุ่นมีเพดานบริบทและเอาต์พุตที่ประกาศเหมือนกัน ความยาวบริบทเพียงอย่างเดียวจึงไม่ใช่เหตุผลในการเลือก
- อัตรา Standard บริบทสั้นของ OpenAI สำหรับ Sol คือ $2 ต่ออินพุตและ $10 ต่อเอาต์พุตต่อหนึ่งล้านโทเค็น เทียบกับ Luna ที่ $0.10 ต่ออินพุตและ $0.50 ต่อเอาต์พุต
- ใช้ Responses API สำหรับการให้เหตุผลที่อาศัยเครื่องมือหลากหลาย ใน Chat Completions การ function calling สำหรับ Sol และ Luna ต้องตั้งค่า reasoning_effort เป็น none
What Did OpenAI Release With GPT-6 Sol and Luna?
การเปิดตัววันที่ 22 กันยายนได้เพิ่มชั้นปฏิบัติการที่มีต้นทุนต่ำกว่า 2 ระดับให้กับตระกูล GPT-6 GPT-6 Astra ยังคงเป็นตัวเลือกที่มีความสามารถสูงสุดสำหรับงาน end-to-end ที่ยากที่สุด; Sol นำการให้เหตุผลที่แข็งแกร่งมาสู่งานโค้ดและงานเอเจนต์ที่ต้องการ ในอัตราโทเค็นที่ต่ำลง; ส่วน Luna ถูกปรับให้เหมาะกับงานที่โฟกัสชัดและต้องรันซ้ำอย่างประหยัด
นี่ไม่ใช่แค่การอัปเดตชื่อ OpenAI's API changelog ระบุรหัสโมเดลที่แน่ชัด gpt-6-sol และ gpt-6-luna ซึ่งรับอินพุตข้อความและรูปภาพ เอาต์พุตข้อความ และมีให้ใช้งานทั้งใน Responses และ Chat Completions นักพัฒนาจึงสามารถทดสอบโมเดลด้วยพรอมป์ต์ตัวแทนเดียวกัน และเลือกชั้นตามอัตราผลลัพธ์ที่ผ่านการยอมรับ เวลาแฝง จำนวนโทเค็นรวม อัตราการลองใหม่ และเวลาทบทวนโดยมนุษย์ ไม่ใช่ดูแค่ราคาโทเค็น ดู OpenAI API changelog และ official model comparison
What Is GPT-6 Sol?
GPT-6 Sol เป็นโมเดล GPT-6 ของ OpenAI สำหรับการเขียนโค้ดที่ซับซ้อนและเวิร์กโฟลว์เชิงเอเจนต์ มีไว้สำหรับงานที่ต้องการการให้เหตุผลอย่างต่อเนื่อง การตัดสินใจเลือกใช้เครื่องมือ และหลายขั้นตอน รวมถึงการวิเคราะห์รีโพซิทอรี การดีบัก และการเปลี่ยนแปลงซอฟต์แวร์ที่ขับเคลื่อนด้วยเอเจนต์ สเปคอย่างเป็นทางการระบุรับอินพุตข้อความและรูปภาพ เอาต์พุตข้อความ หน้าต่างบริบท 1,050,000 โทเค็น เอาต์พุตสูงสุด 128,000 โทเค็น และความพยายามด้าน reasoning ตั้งแต่ none ไปจนถึง max
Sol ไม่ใช่แค่ “โมเดลกลาง” มูลค่าทางเศรษฐกิจขึ้นอยู่กับว่าประสิทธิภาพหลายขั้นตอนที่แข็งแกร่งขึ้นจะลดการลองใหม่ การยกระดับ และการทบทวนได้หรือไม่ เป็นค่าเริ่มต้นที่ดีเมื่อหน่วยต้นทุนที่ต่ำกว่าของ Luna จะถูกกลบด้วยการตรวจไม่ผ่านมากขึ้นหรือการแทรกแซงโดยมนุษย์มากขึ้น
What Is GPT-6 Luna?
GPT-6 Luna เป็นตัวเลือก GPT-6 ที่เน้นประสิทธิภาพสำหรับงานที่กำหนดขอบเขตดีและทำซ้ำปริมาณสูง ตัวอย่างเช่น การสกัดข้อมูล การจัดหมวดหมู่ การตอบกลับตามแม่แบบ การคัดแยกซัพพอร์ต และสรุปครั้งแรก โดยมีเงื่อนไขว่าผลลัพธ์จะถูกตรวจเช็คกับข้อกำหนดของแอปพลิเคชัน Luna มีหน้าต่างบริบท 1,050,000 โทเค็นและเพดานเอาต์พุต 128,000 โทเค็นที่เผยแพร่เหมือนกับ Sol รับอินพุตข้อความและรูปภาพ และเอาต์พุตข้อความ
Luna น่าสนใจที่สุดเมื่อสามารถกำหนดความสำเร็จได้ชัดเจนและตรวจเช็คได้ในต้นทุนต่ำ อัตราโทเค็นต่ำไม่ได้แปลว่าต้นทุนเวิร์กโฟลว์ต่ำที่สุดโดยอัตโนมัติ ทีมควรนับรวมการลองใหม่ ผลลัพธ์ที่ถูกปฏิเสธ ความล้มเหลวปลายน้ำ และเวลารีวิวของผู้ตรวจด้วยในการประเมิน
How Did GPT-6 Sol and Luna Improve Performance?
Professional and coding evaluations
จาก ผลการประเมินเปิดตัวที่เผยแพร่ ของ OpenAI Sol ทำได้ 33.2% บน AutomationBench ที่ระดับความพยายาม xhigh ด้วยต้นทุนประมาณ $0.27 ต่อภารกิจ; Astra ที่ low-effort ทำได้ 30.3% ในการเปรียบเทียบนั้น Sol ได้ 68.8% บน DeepSWE v1.1 ที่ max effort ขณะที่ Luna ได้ 66.6% ที่ max effort AutomationBench ทดสอบเวิร์กโฟลว์ข้ามแอปพลิเคชัน; DeepSWE ทดสอบงานวิศวกรรมซอฟต์แวร์ระยะยาว ตัวเลขเหล่านี้มาจากการตั้งค่าทดสอบเฉพาะ และไม่ได้จัดอันดับสากลสำหรับทุกพรอมป์ต์
บทเรียนที่เป็นประโยชน์ไม่ใช่ว่าเบนช์มาร์กเดียวจะชี้ผู้ชนะสากล แต่โมเดลที่ดีที่สุดอาจเปลี่ยนไปตามระดับความพยายามด้าน reasoning การใช้เครื่องมือ และการออกแบบงาน การตั้งค่าเบนช์มาร์กควรถือเป็นหลักฐานเพื่อจัดทำแผนทดสอบ ไม่ใช่ตัวแทนของการประเมินพรอมป์ต์จริงทั้งหมด
Computer use, factuality, and limits
บนการประเมินออฟไลน์ OSWorld 2.0 ของ OpenAI Sol ทำได้ 60.5% ที่ระดับความพยายาม xhigh OpenAI ยังรายงานว่า Sol ทำผิดพลาดประมาณครึ่งหนึ่งเมื่อเทียบกับรุ่นก่อน GPT-5.6 บนชุดการสนทนาภายในที่คัดเลือกจากกรณีที่ผู้ใช้แจ้งว่ามีข้อผิดพลาดเชิงข้อเท็จจริง ชุดดังกล่าวไม่เป็นตัวแทนของทราฟฟิกทั่วไป
สำหรับการนำไปใช้งานจริง ให้ประเมินรูปแบบความล้มเหลวที่สำคัญกับแอปพลิเคชันของคุณ: การเลือกเครื่องมือผิด การดำเนินการหลายขั้นตอนไม่ครบ ความล้มเหลวตามสคีมา ข้อผิดพลาดเชิงข้อเท็จจริง เวลาแฝง และต้นทุนต่อผลลัพธ์ที่ผ่านการยอมรับ ชุดการประเมินที่ตัวแทนและขนาดเล็กกลับมีประโยชน์มากกว่าการพึ่งพาคะแนนรวมจากกระดานจัดอันดับกว้างๆ
How Much Do GPT-6 Sol and Luna Cost?
ตารางราคาทางการของ OpenAI แยกอัตรา Standard สำหรับบริบทสั้นและบริบทยาว ราคาด้านล่างเป็น USD ต่อหนึ่งล้านโทเค็น พรอมป์ต์ที่มีอินพุตเกิน 272,000 โทเค็นจะใช้อัตราบริบทยาวสำหรับคำขอทั้งหมด ไม่ใช่เฉพาะส่วนที่เกินเกณฑ์
| อัตรา Standard ของ OpenAI / 1M โทเค็น | GPT-6 Sol: บริบทสั้น / บริบทยาว | GPT-6 Luna: บริบทสั้น / บริบทยาว |
|---|---|---|
| อินพุต | $2.00 / $4.00 | $0.10 / $0.20 |
| อินพุตที่แคช | $0.20 / $0.40 | $0.01 / $0.02 |
| การเขียนแคช | $2.50 / $5.00 | $0.125 / $0.25 |
| เอาต์พุต | $10.00 / $15.00 | $0.50 / $0.75 |
Batch, Flex, Fast mode และการประมวลผลในภูมิภาคที่เข้าเกณฑ์มีอัตราแยกต่างหาก ประมาณค่าด้วยชั้นบริการ ความยาวอินพุตทั้งหมด ความยาวเอาต์พุต พฤติกรรมแคช ค่าธรรมเนียมเครื่องมือ และอัตราการลองใหม่
CometAPI pricing and availability snapshot
ปัจจุบัน CometAPI แสดงทั้ง GPT-6 Luna และ GPT-6 Sol ในอัตราที่ต่ำกว่า API Standard บริบทสั้นของ OpenAI 20% สำหรับ GPT-6 Luna, CometAPI คิด $0.08 ต่อหนึ่งล้านโทเค็นสำหรับอินพุต และ $0.40 ต่อหนึ่งล้านโทเค็นสำหรับเอาต์พุต เมื่อเทียบกับอัตรา $0.10/$0.50 ของ OpenAI แคตตาล็อกยังแสดงราคาการอ่านแคชและการเขียนแคชที่ลดลง พร้อมส่วนลด 20% เดียวกัน
GPT-6 Sol ได้รับส่วนลด 20% บน CometAPI เช่นกัน อัตราบริบทสั้นคือ $1.60 ต่อหนึ่งล้านโทเค็นสำหรับอินพุต และ $8.00 ต่อหนึ่งล้านโทเค็นสำหรับเอาต์พุต เมื่อเทียบกับราคา Standard ของ OpenAI ที่ $2/$10 ซึ่งทำให้ Sol มีราคาต่อโทเค็นสูงกว่า Luna อย่างมาก แต่ทั้งสองโมเดลมุ่งเป้าคนละลักษณะงาน: Sol ถูกออกแบบมาสำหรับงานโค้ดและเวิร์กโฟลว์เชิงเอเจนต์ที่ต้องการสูง ขณะที่ Luna เน้นการอนุมานที่ประหยัดและปริมาณสูง
| CometAPI model | Public status | Short-context input / output | Interpretation |
|---|---|---|---|
| GPT-6 Luna | Listed with 20% off | $0.08 / $0.40* | Input is displayed publicly; output is the corresponding 20%-off calculation. Recheck the dashboard. |
| GPT-6 Sol | Listed with 20% off | $1.60 / $8.00* | Input is displayed publicly; output is the corresponding 20%-off calculation. Recheck the dashboard. |
*Dated snapshot and disclosed calculation, not a guarantee of future pricing or account access. See the CometAPI model catalog and pricing page.
GPT-6 Astra vs GPT-6 Sol vs GPT-6 Luna: How Should Developers Choose?
ทั้งสามโมเดลควรถูกเปรียบเทียบด้วยต้นทุนต่อเวิร์กโฟลว์ที่สำเร็จ ไม่ใช่ด้วยสเปคเพียงอย่างเดียว Astra มีเพดานความสามารถสูงสุด Sol สมดุลการให้เหตุผลที่แข็งแกร่งกับอัตราโทเค็นที่ต่ำกว่ามาก และ Luna ลดต้นทุนต่อหน่วยสำหรับงานที่มีขอบเขตชัดและมีการตรวจเช็ค
| โมเดล | เลือกเมื่อ | ข้อแลกเปลี่ยนในการปฏิบัติการ |
|---|---|---|
| GPT-6 Astra | งานคือ end-to-end ที่ยากที่สุด: ครุ่นเคร่ง มีผลตามมา เครื่องมือหนัก หรือมีต้นทุนการทบทวนสูง | ราคาต่อโทเค็นสูงสุด แต่สามารถลดความล้มเหลวปลายน้ำและการแทรกแซงของมนุษย์ในกรณีที่ยากที่สุด |
| GPT-6 Sol | ต้องการสมรรถนะด้านโค้ดและเอเจนต์ที่แข็งแกร่ง โดยไม่ต้องจ่ายราคา Astra สำหรับทุกคำขอ | ค่าเริ่มต้นที่แข็งแรงสำหรับงานโปรดักชันที่ต้องการ; ตรวจสอบว่าความสามารถที่เพิ่มขึ้นลดการลองใหม่ได้พอคุ้มต้นทุนที่สูงกว่า Luna หรือไม่ |
| GPT-6 Luna | งานมีขอบเขตแคบ วัดผลได้ ปริมาณสูง และถูกป้องกันด้วยสคีมา กฎ หรือการสุ่มตรวจ | ต้นทุนต่อหน่วยต่ำที่สุด แต่คำจำกัดความงานที่อ่อนหรือการตรวจเช็คที่ไม่ดีอาจเปลี่ยนเป็นต้นทุนรีวิวและลองใหม่แทน |
Recommended routing pattern: ส่งงานประจำที่มีขอบเขตชัดไปที่ Luna; ส่งงานที่ต้องการมากขึ้นไปที่ Sol; สำรอง Astra สำหรับงานที่ความซับซ้อน ความกำกวม หรือผลตามมาทำให้เพดานความสามารถที่สูงขึ้นมีคุณค่า สัญญาณการยกระดับอาจรวมถึงการตรวจไม่ผ่าน ความต้องการเครื่องมือ ความมั่นใจต่ำ พรอมป์ต์ที่ยาวผิดปกติ หรือความเสี่ยงค่าความผิดพลาดสูง
Why Has GPT-6 Terra Not Been Released?
OpenAI ยังไม่ได้ประกาศโมเดล GPT-6 Terra หรือให้เหตุผลสำหรับการไม่มี ณ วันที่ 23 กันยายน 2026 แคตตาล็อกโมเดล GPT-6 สาธารณะระบุ Astra, Sol และ Luna และ API changelog ประกาศ Sol และ Luna โดยไม่มีรหัสโมเดล Terra รุ่นก่อน GPT-5.6 มี Terra ซึ่งอธิบายว่าทำไมจึงมีคำถามนี้ แต่ไม่ได้บ่งชี้แผนการเปิดตัว GPT-6
คำอธิบายใดๆ ที่อิงราคา กลยุทธ์ไลน์อัป หรือจังหวะการเปิดตัว เป็นการวิเคราะห์ ไม่ใช่แถลงการณ์ของ OpenAI จนกว่า OpenAI จะเผยแพร่หน้ารุ่นหรือประกาศ วันเปิดตัว สเปค เบนช์มาร์ก และราคาของ GPT-6 Terra ยังไม่เป็นที่ทราบ
How Can Developers Access and Use GPT-6 Sol and Luna?
Use OpenAI directly
ทั้งสองรหัสโมเดลพร้อมใช้งานใน Responses และ Chat Completions APIs ใช้ Responses สำหรับ reasoning ที่มีเครื่องมือในตัวและ function calling Chat Completions รองรับคำขอทั่วไป แต่ function calling สำหรับ Sol และ Luna ต้องตั้งค่า reasoning_effort="none"
Use CometAPI after checking the live route
CometAPI มีเอกสาร URL ฐานที่เข้ากันได้กับ OpenAI ดังนั้นทีมจึงสามารถใช้ OpenAI SDK ร่วมกับคีย์ CometAPI ได้ แคตตาล็อกสาธารณะปัจจุบันรองรับการใช้ Luna เป็นตัวอย่างที่ปลอดภัยกว่า ให้แทนที่ gpt-6-sol เฉพาะหลังจากแดชบอร์ดบัญชีของคุณยืนยันว่าเส้นทาง Sol เปิดใช้งานแล้ว
หากแดชบอร์ด CometAPI ของคุณเอกสารว่าเส้นทางที่เลือกมี Responses และ chat รองรับ ให้ทดสอบแยกต่างหากก่อนปล่อยจริง บันทึกผู้ให้บริการ เส้นทาง รหัสโมเดล การตั้งค่า reasoning เวลาแฝง โทเค็น ผลการตรวจเช็ค และต้นค่าที่เรียกเก็บ เพื่อให้การทดสอบเกตเวย์แยกแยะจากการทดสอบแบบ OpenAI-direct ได้
Conclusion
GPT-6 Sol และ GPT-6 Luna ขยายตระกูล GPT-6 ด้วยเศรษฐศาสตร์ภาระงานที่ต่างกัน Sol ถูกสร้างมาเพื่อการเขียนโค้ดที่ซับซ้อนและเวิร์กโฟลว์เชิงเอเจนต์; Luna ถูกออกแบบเพื่อการทำงานที่มีสมาธิและประหยัดในสเกล Astra ยังคงเป็นตัวเลือกสำหรับงาน end-to-end ที่ยากที่สุด เนื่องจากทั้งสามทางเลือกอาจคุ้มค่าภายใต้เงื่อนไขต่างกัน การเปรียบเทียบที่ถูกต้องคือ “ต้นทุนต่อผลลัพธ์ที่ผ่านการยอมรับ” ไม่ใช่ความยาวบริบทหรือราคาโทเค็นอย่างโดดเดี่ยว
เริ่มด้วยชุดการประเมินที่เป็นตัวแทน วัดคุณภาพ เวลาแฝง จำนวนโทเค็นรวม การลองใหม่ ความล้มเหลวในการตรวจเช็ค และเวลารีวิวของมนุษย์ ใช้รหัสโมเดลที่เผยแพร่ของ OpenAI เพื่อเข้าถึงโดยตรง และยืนยันเส้นทาง CometAPI แบบสดและราคาบัญชีก่อนที่จะกล่าวอ้างเกี่ยวกับความพร้อมของเกตเวย์เฉพาะ