สร้างด้วย CometAPIต้องการ API เดียวสำหรับหลายโมเดลใช่ไหมทดสอบเวิร์กโฟลว์ใน Playground แล้วสร้างคีย์ API เมื่อโมเดลและค่าใช้จ่ายเหมาะกับกรณีการใช้งานของคุณ
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
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
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
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
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
