TL;DR
OpenAI 於 2026 年 9 月 22 日發佈 GPT-6 Sol 與 GPT-6 Luna，將 GPT-6 家族擴展至 Astra 之外。Sol 面向複雜程式設計與代理型工作流程，Luna 則針對聚焦、可重複且高量的工作。兩者皆支援文字與影像輸入、生成文字輸出、提供 1,050,000-token 的上下文視窗，並支援 Responses 與 Chat Completions API。主要差異在於工作負載經濟性：Sol 為應對高要求工作，每個 token 會投入更多資源；Luna 則在邊界清晰的任務中將單位成本降至最低。
對多數團隊而言，實務上的簡單起點是：最困難的端到端工作用 Astra；在能力與成本間求平衡時用 Sol；當任務足夠狹窄且可自動驗證時用 Luna。OpenAI 目前已開放 Sol 與 Luna；CometAPI 請另行確認，因為閘道可用性、促銷與帳戶路由可能與 OpenAI 直連不同。
關鍵重點
- GPT-6 Sol 更適合作為高要求程式碼、多步驟代理、困難除錯，以及失敗會帶來高昂審查成本之工作流程的起點。
- GPT-6 Luna 為聚焦的高量任務而設計，例如抽取、分類、路由、結構化摘要與第一輪轉換。
- 兩款模型發布的上下文與輸出上限相同，因此僅以上下文長度並不足以作為選擇理由。
- OpenAI 的 Standard 短上下文資費為 Sol：輸入 $2／百萬 tokens、輸出 $10／百萬 tokens；Luna：輸入 $0.10、輸出 $0.50。
- 使用 Responses API 以獲得更豐富的工具推理。在 Chat Completions 中，Sol 與 Luna 的函式呼叫需將 reasoning_effort 設為 none。
OpenAI 隨 GPT-6 Sol 與 Luna 一併發佈了什麼？
9 月 22 日的版本將兩個較低成本的運行層級加入 GPT-6 家族。GPT-6 Astra 仍是最具能力、處理最困難端到端工作的選項；Sol 以較低的 token 費率將強推理帶入高要求的程式與代理工作；Luna 則針對需要重複且經濟運行的聚焦型工作進行最佳化。
這不只是命名更新。OpenAI 的 API 變更日誌列出了具體模型 ID：gpt-6-sol 與 gpt-6-luna，支援文字與影像輸入、文字輸出，並可透過 Responses 與 Chat Completions 使用。開發者因此能用同一組具代表性的提示測試，並根據「被接受輸出率、延遲、總 tokens、重試次數與人工審查時間」來選擇層級，而非僅看 token 價格。請參見 OpenAI API changelog 與 official model comparison。
什麼是 GPT-6 Sol？
GPT-6 Sol 是 OpenAI 面向複雜程式設計與代理型工作流程的 GPT-6 模型。適用於需持續推理、工具決策與多步驟任務的工作，包括程式庫分析、除錯，以及由代理驅動的軟體變更。官方規格列出：文字與影像輸入、文字輸出、1,050,000-token 的上下文視窗、最高 128,000 的輸出 tokens，並且 reasoning effort 從 none 到 max 皆可設定。
Sol 不只是「中階模型」。它的經濟價值取決於更強的多步表現是否能降低重試、升級處理與審查成本。當 Luna 較低的單位成本會被更多驗證失敗或更多人工介入所抵銷時，Sol 是不錯的預設選擇。
什麼是 GPT-6 Luna？
GPT-6 Luna 是以效率為導向、面向邊界清晰且高頻重複工作的 GPT-6 選項。用例包括抽取、分類、模板驅動回應、客服分流與第一輪摘要，前提是輸出會依應用需求進行檢查。Luna 與 Sol 公布的 1,050,000-token 上下文與 128,000-token 輸出上限相同，支援文字與影像輸入以及文字輸出。
當成功可被清晰定義且以低成本檢查時，Luna 最具吸引力。低 token 費率不會自動帶來最低的整體工作流程成本：團隊應將重試、被拒輸出、下游失敗與審查者時間納入評估。
GPT-6 Sol 與 Luna 如何提升效能？
專業與程式評測
在 OpenAI 發佈的上線評測中，Sol 於 xhigh effort 的 AutomationBench 得分 33.2%，每項任務估計成本 $0.27；作為對照，低強度的 Astra 得分 30.3%。Sol 在 DeepSWE v1.1 的 max effort 得分 68.8%，Luna 在相同設定下為 66.6%。AutomationBench 檢測跨應用的工作流程；DeepSWE 測試長期跨度的軟體工程任務。這些數字來自特定測試設定，並不構成對所有提示的普遍排名。
值得吸取的教訓不是某個基準宣布「通吃」的勝者，而是最佳模型會隨推理強度、工具使用與任務設計而改變。基準設定應作為制定測試計畫的證據，而非生產提示評估的替代品。
電腦操作、事實性與限制
在 OpenAI 的 OSWorld 2.0 離線評測中，Sol 於 xhigh effort 達到 60.5%。OpenAI 亦報告，在一組因事實錯誤而被使用者標記的內部對話資料上，Sol 的錯誤約為其 GPT-5.6 前一代的一半。該資料集並不代表典型流量。
在部署中，請評估對你應用最重要的失敗模式：錯誤的工具選擇、不完整的多步執行、Schema 失敗、事實錯誤、延遲，以及每個被接受結果的成本。小而具代表性的評估集比廣泛的排行榜分數更可行。
GPT-6 Sol 與 Luna 的費用是多少？
官方 OpenAI 價格表區分 Standard 的短上下文與長上下文資費。以下價格為每百萬 tokens 的美元價格。若提示的輸入超過 272,000 tokens，整個請求將使用長上下文費率，而非僅對超過門檻的部分計費。
| OpenAI Standard rate / 1M tokens | GPT-6 Sol: short / long | GPT-6 Luna: short / long |
|---|---|---|
| Input | $2.00 / $4.00 | $0.10 / $0.20 |
| Cached input | $0.20 / $0.40 | $0.01 / $0.02 |
| Cache writes | $2.50 / $5.00 | $0.125 / $0.25 |
| Output | $10.00 / $15.00 | $0.50 / $0.75 |
Batch、Flex、Fast 模式與合資格的區域處理有另外的資費。請用服務層級、完整輸入長度、輸出長度、快取行為、工具費用與重試率來估算成本。
CometAPI 價格與可用性快照
CometAPI 目前列示 GPT-6 Luna 與 GPT-6 Sol 均較 OpenAI 對應的 Standard 短上下文 API 資費便宜 20%。對 GPT-6 Luna 而言，CometAPI 的收費為每百萬輸入 tokens $0.08、每百萬輸出 tokens $0.40，相較於 OpenAI 的 $0.10／$0.50。目錄亦列有同樣 20% 折扣的快取讀取與快取寫入價格。
GPT-6 Sol 享有相同的 CometAPI 20% 折扣。其短上下文資費為每百萬輸入 tokens $1.60、每百萬輸出 tokens $8.00，相較於 OpenAI 的 $2／$10 Standard 價格。這使得 Sol 的單位 token 價格遠高於 Luna，但兩者面向不同工作負載：Sol 為高要求程式與代理型工作而設計，Luna 強調高效率的大規模推理。
| CometAPI model | Public status | Short-context input / output | Interpretation |
|---|---|---|---|
| GPT-6 Luna | Listed with 20% off | $0.08 / $0.40* | Input 以公開形式展示；Output 為相應 20% 折扣的計算值。請重新檢查儀表板。 |
| GPT-6 Sol | Listed with 20% off | $1.60 / $8.00* | Input 以公開形式展示；Output 為相應 20% 折扣的計算值。請重新檢查儀表板。 |
*具時間戳的快照與公開計算，非未來價格或帳戶可用性的保證。請參見 CometAPI model catalog 與 pricing page。
GPT-6 Astra vs GPT-6 Sol vs GPT-6 Luna：開發者該如何選擇？
三者應以「成功工作流程的成本」來比較，而非僅看規格。Astra 具最高能力上限；Sol 以更低 token 費率提供強推理；Luna 在邊界清晰且可驗證的任務上將單位成本降到最低。
| Model | Choose it when | Operating tradeoff |
|---|---|---|
| GPT-6 Astra | 工作是最困難的端到端任務：含糊不清、後果重大、工具繁重或審查成本昂貴。 | 最高 token 價格，但在最困難案例中，可能降低下游失敗與人工介入。 |
| GPT-6 Sol | 需要強勁的程式與代理表現，但不想為每次請求都支付 Astra 等級的費率。 | 適合作為高要求生產工作的強力預設；評估其額外能力是否足以降低重試以抵消相較 Luna 的成本差。 |
| GPT-6 Luna | 工作範圍狹窄、可度量、高量，並受 Schema、規則或抽檢保護。 | 最低單位成本，但若任務定義薄弱或驗證不良，節省可能轉化為審查與重試成本。 |
Recommended routing pattern： 將常規且邊界清晰的工作送往 Luna；將高要求案例路由至 Sol；在複雜度、模糊性或後果使更高能力上限具價值時，保留 Astra。升級訊號可包括驗證失敗、需要工具、低信心、異常長的提示，或高錯誤成本。
為何 GPT-6 Terra 尚未發佈？
截至 2026 年 9 月 23 日，OpenAI 未宣布 GPT-6 Terra 模型或提供原因。其公開的 GPT-6 模型目錄列有 Astra、Sol 與 Luna，API 變更日誌宣布了 Sol 與 Luna，但沒有 Terra 的模型 ID。先前的 GPT-5.6 世代包含 Terra，這解釋了相關提問，但不構成 GPT-6 的發佈計畫。
任何基於價格、產品線策略或時程的解釋皆屬分析而非 OpenAI 聲明。在 OpenAI 發佈模型頁或公告前，GPT-6 Terra 的發佈日期、規格、基準與價格仍屬未知。
開發者如何存取並使用 GPT-6 Sol 與 Luna？
直接使用 OpenAI
兩個模型 ID 已可於 OpenAI 的 Responses 與 Chat Completions API 使用。對需要內建工具與函式呼叫的推理，請使用 Responses。Chat Completions 支援一般請求，但在 Sol 與 Luna 上進行函式呼叫需要將 reasoning_effort 設為 none。
確認 live 路由後使用 CometAPI
CometAPI 提供 OpenAI 相容的 base URL，因此團隊可用 OpenAI SDK 搭配 CometAPI 金鑰。公開目錄目前以 Luna 為較安全的示例。僅在帳戶確認 Sol 路由已啟用後，將模型替換為 gpt-6-sol。
若你的 CometAPI 儀表板記錄所選路由支援 Responses 與聊天，請在推廣前另行測試。請記錄供應商、路由、模型 ID、reasoning 設定、延遲、tokens、驗證結果與計費成本，以便將閘道測試與 OpenAI 直連測試區分。
結論
GPT-6 Sol 與 GPT-6 Luna 以兩種不同的工作負載經濟性擴展了 GPT-6 家族。Sol 為複雜程式與代理型工作而建；Luna 則面向高效率、聚焦的規模化工作。Astra 仍是最困難端到端任務的選項。由於三者在不同條件下都可能具經濟性，正確的比較應是「每個被接受結果的成本」，而非僅看上下文長度或 token 價格。
請以具代表性的評估集開始。衡量品質、延遲、總 tokens、重試、驗證失敗與人工審查時間。使用 OpenAI 公布的模型 ID 以直接存取，並在做出任何與閘道相關的可用性聲明前，驗證 CometAPI 的 live 路由與帳戶資費。