本文要点
- GPT-6从旗舰Astra扩展到Sol和Luna两个低成本档。
- API标价相对GPT-5.6促销价下降50%。
- 发布叙事从最高分转向每任务成本、缓存和可用范围。
阅读辅助
先看数字、证据和来源，再读正文。
OpenAI在9月22日正式发布GPT-6 Sol和GPT-6 Luna。
2026-09-03 · GPT-6 Astra已作为旗舰档出现，Sol和Luna发布以它为能力背景。
OpenAI这次发布先给出一张价格表：GPT-6系列新增Sol和Luna，API标价较GPT-5.6对应模型的促销价低50%。这让发布重点落在成本效率和任务路由上，而不只是最高能力展示。
发布页确认了API模型名gpt-6-sol和gpt-6-luna。Sol价格为每百万input tokens 2美元、每百万output tokens 10美元；Luna为0.10美元和0.50美元。同页还列出Agents’ Last Exam、DeepSWE、AutomationBench和OSWorld等分数，并明确写到这些模型“not yet available in Chat”，说明普通Chat入口尚未开放。
能力结论需要降级。OpenAI的评测数字很完整，但竞品评测来自公开报告，任务成本口径由OpenAI整理；Artificial Analysis同日的独立文章支持“成本效率前沿前移”，同时指出Intelligence Index和Coding Agent Index并没有整体拉开差距，部分知识工作评测还有回落。早报因此把这条定为medium置信：发布事实和价格是高置信，性能优势要等第三方复测。
对开发者和企业买方来说，采购问题出现了新变量。Sol接近高端档能力，Luna压到低价快速档；如果缓存、推理努力和任务失败率能一起受控，GPT-6的竞争就会从“谁分数最高”移动到“谁用较低总成本完成一个可交付任务”。
News peg：过去24小时新增了什么
这条新闻成立的时间点很清楚：OpenAI在2026年9月22日发布《Introducing GPT-6 Sol and Luna》，并在同一窗口内通过官方博客、开发者账号和生态入口同步扩散。采集结果显示，官方页面的正文已经由CDP提取成功，标题、日期、价格表、可用范围和评测数字都来自OpenAI发布材料。
OpenAI给出的定位是：GPT-6 Astra仍是“best model across the board”，Sol和Luna则继承GPT-6 Astra的训练方法和能力改进，但面向更高性价比。这里的“continues to be”必须按状态动词处理，意思是Astra仍然保持旗舰位置，不是说Astra在9月22日又提高了一次。Sol和Luna的新闻点，是GPT-6家族从旗舰档扩展到可更大规模调用的成本档。
官方可用范围也有明确边界。OpenAI称Plus、Pro、Business、Enterprise、Edu用户从发布日起可在ChatGPT Work和Codex使用GPT-6 Sol与GPT-6 Luna；Free和Go用户可在desktop app使用GPT-6 Luna；API中可调用gpt-6-sol和gpt-6-luna。但正文同时写明“these models are not yet available in Chat”。因此中文稿不能写成“已全面进入ChatGPT聊天”，也不能把ChatGPT Work、Codex、桌面端和普通Chat混为一个入口。
发布页还说，为保持服务稳定，模型会在当天逐步roll out；看不到模型时later retry。这是典型状态边界：它说明发布已经发生，同时提示访问可能分批开放。对用户体验而言，“不可见”可能是 rollout 延迟；对事实写作而言，这不能被误写为官方撤回或未发布。
| 原文状态或数字 | 忠实中文写法 | 风险边界 |
|---|---|---|
| compared with GPT-5.6 promotional pricing | 相对GPT-5.6促销价低50% | 相对所有历史价降50% |
| GPT-6 Astra continues to be our best model | Astra仍保持全局最强定位 | Astra再次变强或再次上调 |
| These models are not yet available in Chat | 尚未进入普通Chat入口 | ChatGPT全量可用 |
| rollout gradually throughout the day | 发布日分批推送，可稍后重试 | 所有人立即可见 |
| competitor models were taken from public reports | 竞品分数来自公开报告 | OpenAI重新实测所有竞品 |
价格：标价下降不等于总账单自动减半
价格是OpenAI这篇公告中最硬的事实。官方表格显示，GPT-5.6 Sol到GPT-6 Sol，输入价从4美元降到2美元，输出价从20美元降到10美元；GPT-5.6 Luna到GPT-6 Luna，输入价从0.20美元降到0.10美元，输出价从1.20美元降到0.50美元。口径都是每100万tokens。OpenRouter的Sol和Luna页面也分别列出2/10美元和0.10/0.50美元，可作为第三方模型目录的交叉核对。
但这里有两个容易被标题写错的点。其一，OpenAI的比较基准是“GPT-5.6 promotional pricing”，不是所有历史价格，也不是行业平均价格。其二，Luna输出价从1.20美元到0.50美元，严格计算不是整齐的50%；OpenAI的“reducing API prices by 50% compared with their GPT-5.6 promotional pricing”是发布主口径，具体价格表仍应逐项列出。
在长任务Agent里，标价只是账单的一部分。一个Agent任务的真实成本还受上下文长度、缓存命中率、reasoning effort、工具调用次数、失败重跑和人工复核影响。OpenAI同日发布的GPT-6 prompt caching更新把这个问题说得更直接：符合条件的shared prefixes在30分钟窗口内复用，可让cached input tokens获得最高90%折扣；新的缓存仪表盘和诊断工具用于检查模型、工具、设置或输入变化造成的cache miss。
这意味着Sol和Luna的成本叙事由两层组成。第一层是公开标价下调，使更多开发者愿意把GPT-6放进日常Agent链路。第二层是缓存和诊断工具降低长上下文重复输入的边际成本。只有两层同时成立，企业看到的才是每个任务的总成本下降，而不是单价好看但账单仍被长上下文和重试吞掉。
| 模型 | OpenAI标价 | 官方比较基准 | 第三方核对 |
|---|---|---|---|
| GPT-6 Sol | $2 input / $10 output | GPT-5.6 Sol促销价$4/$20 | OpenRouter列出同价 |
| GPT-6 Luna | $0.10 input / $0.50 output | GPT-5.6 Luna促销价$0.20/$1.20 | OpenRouter列出同价 |
| GPT-6缓存读 | 最高90%折扣 | eligible cached input tokens | OpenAI缓存官文 |
| 缓存复用窗口 | 30分钟 | 共享前缀复用窗口 | OpenAI缓存官文 |
评测：OpenAI自报和AA独立口径并不完全同向
OpenAI的官方评测叙事集中在Agent、编码和计算机使用。采集摘要显示，GPT-6 Sol max effort在Agents’ Last Exam V1得56.4%，OpenAI称高于Claude Opus 5在该评测中的最高分，且每任务成本低60%。DeepSWE v1.1中，GPT-6 Sol max effort得68.8%，距离Claude Fable 5最高69.9%低1.1个百分点，OpenAI称每任务成本低约80%。GPT-6 Luna max effort在DeepSWE v1.1得66.6%，OpenAI称相对相关竞品每任务成本低93%或96%。
计算机使用方面，官方摘要给出GPT-6 Sol xhigh在OSWorld 2.0 offline中为60.5%，Claude Opus 5 medium为60.3%，OpenAI称成本约低80%。AutomationBench中，GPT-6 Sol xhigh得33.2%，每任务成本0.27美元；官方称Claude Opus 5 max为26.9%，成本为GPT-6 Sol的11.1倍。这些数字支持OpenAI的主张：Sol和Luna不是只靠低价，而是在部分Agent任务上试图保持可竞争的成功率。
Artificial Analysis的同日文章给了更谨慎的外部约束。它的标题和摘要写得很清楚：GPT-6 Sol和Luna通过相对GPT-5.6 Sol、Luna减半成本推动成本效率前沿，但Intelligence Index和Coding Agent Index整体仍与GPT-5.6基本持平，各评测有进步也有回落。该文称GPT-6 Sol max运行Artificial Analysis Intelligence Index的每任务成本为1.06美元，约比GPT-5.6 Sol max的1.99美元低50%；GPT-6 Luna max为0.07美元，约比GPT-5.6 Luna max的0.18美元低60%。
AA的编码Agent口径也不支持“全线提升”。文章称GPT-6 Sol max在Artificial Analysis Coding Agent Index得57，比GPT-5.6 Sol max高2点，其中Terminal-Bench 4.0为43% vs 37%，SWE-Atlas-QnA为58% vs 54%。但GPT-6 Luna max得41，比GPT-5.6 Luna max低2点，SWE-Atlas-QnA和DeepSWE分项都出现回落。换句话说，Sol的发布更像是“用低价保持一线Agent能力”，Luna则更像是“把足够可用的GPT-6放到极低成本档”。
AA还指出两个知识工作回落点：GDPval-AA v2.1中，Sol约降100 Elo，Luna约降75 Elo；AA-Briefcase v1.1中，Luna约降45 Elo，Sol持平。它把原因指向更短交付物和遗漏rubric元素。这对企业试用很关键，因为很多真实工作不是单题答对，而是交付一份完整文档、代码修改或分析报告。模型更便宜，如果交付物更容易漏项，人工复核成本会把节省吃掉。
可用范围：Work、Codex、API和Chat不是一回事
OpenAI的可用范围需要拆开读。第一组是付费用户和组织账户：Plus、Pro、Business、Enterprise、Edu可在ChatGPT Work和Codex中使用Sol与Luna。第二组是Free和Go用户：官方写的是可在desktop app使用GPT-6 Luna。第三组是开发者：API中有gpt-6-sol和gpt-6-luna两个模型名。第四组是普通Chat：官方明确写“not yet available in Chat”。
这组边界对中文读者尤其重要，因为“ChatGPT可用”很容易被写成泛称。ChatGPT Work是面向工作流和组织使用的入口，Codex是编码Agent入口，desktop app面向终端用户，API面向开发者集成；普通Chat则是另一个分发面。OpenAI发布Sol和Luna，说明模型已经进入多个产品线，但不等于所有ChatGPT用户在聊天框里都能切到这两个模型。
OpenRouter页面提供了另一个观察面。它把GPT-6 Sol描述为OpenAI GPT-6系列中位于旗舰Astra之下、Luna之上的cost-efficient high-end model，并列出1,050,000 token上下文窗口、128,000 tokens最大输出和两个提供方。Luna页面则描述为更快、更低成本档，同样列出1,050,000 token上下文和128,000 tokens最大输出。OpenRouter不是OpenAI官方API文档，但它说明第三方路由生态已经把这两个模型作为可售卖SKU展示。
Next.js的信号则更偏社区评测。Next.js官方帖称GPT-6 Sol在Next.js evals中达到97%，与最高成功率并列；同帖还说Claude Opus 5.5也达到97%，并在三者中平均成本最低。Next.js评测页脚注说明，Success Rate是pass@4，即四次尝试中任意一次通过则计为通过；Avg List Cost是按公开标价和provider-reported token counts得到的平均成本，属于相对参考，不是账单。这两个脚注会限制97%的解读：它是特定eval、特定pass@4规则下的成功率，不是所有Next.js项目的生产可用率。
这条新闻为何重要
Sol和Luna的重要性不只在“OpenAI又发了模型”。GPT-6 Astra已经承担旗舰能力展示，Sol和Luna承担的是规模化使用的经济模型。过去一年，模型厂商的竞争越来越像三维表：能力、速度、成本。Agent场景又加了一层，因为任务成本不是单次回答价格，而是长上下文、工具调用、缓存、重试和验证一起形成的闭环。
从OpenAI自己的材料看，Sol主打的是“接近高端能力的成本效率”，Luna主打的是“低价高速的可用GPT-6”。这会影响开发者默认路由：高风险复杂任务仍可能留给Astra或其他旗舰模型，常规代码修改、文档处理、数据抽取和多步骤自动化则可能被迁到Sol或Luna。对OpenAI而言，这是一种扩大GPT-6调用量的路径；对竞品而言，它把竞争压力从单榜第一扩展到了每任务成本。
不过，今天的材料也提醒读者不要把“成本效率”简单理解为“便宜”。OpenAI的官方评测强调每任务成本低于竞品，Artificial Analysis也承认成本下降；但AA同时指出部分知识工作质量回落。若一个模型以更少或更短的输出完成任务，却漏掉必要交付元素，表面token成本下降可能换来更多人工检查和二次返工。企业真正要测的是“合格交付成本”，不是“模型调用成本”。
安全和可靠性也不能脱离价格看。OpenAI在Sol/Luna发布中强调事实性、专业工作、编码、计算机使用和协作风格。AA则补充了hallucination角度：GPT-6 Sol max的幻觉率从92%降到60%，Luna max从93%降到77%；Sol通过更常拒答实现，尝试回答比例从GPT-5.6 Sol max的99%降到83%，准确率也从59%降到54%。这不是单向胜利，而是拒答、准确率和错误答案之间的再平衡。
OpenAI这次发布最值得记住的是“价格表成为模型能力的一部分”。Sol和Luna不是把GPT-6再拆两个名字，而是把前沿模型包装成两条可采购成本曲线：Sol承接高端Agent任务，Luna承接高频低价任务。对于开发者，模型选择会越来越像调度系统问题，而不是排行榜问题。
这也解释了为什么早报不把官方评测直接写成“全面领先”。OpenAI的数字证明它有足够强的发布依据，Artificial Analysis证明降价不是空话；但两者合在一起也显示，能力提升不均匀，尤其是知识工作交付质量仍有回落。更便宜的模型如果让Agent更频繁地尝试、重试和自检，可能让总任务成本下降；如果它只是减少输出或遗漏rubric，成本优势就会变成质量债。
接下来真正影响市场的是路由权。谁能把Astra、Sol、Luna这类不同档位稳定编排进同一工作流，谁就能把“旗舰模型发布”转化为“企业可控预算”。OpenAI已经给出了价格和缓存工具，第三方评测开始给出反证。剩下要由真实项目回答：在同样验收标准下，Sol和Luna到底能不能少花钱交出合格结果。
接下来要看的验证点
官方细节决定可比性。OpenAI需要继续补充AutomationBench、Agents’ Last Exam、DeepSWE和OSWorld的完整设置，尤其是reasoning effort、工具环境、竞品公开报告版本和每任务成本计算方式。只有这些口径公开，外部团队才能判断“低60%”“低80%”“低93%”这些数字是否可比。
第三方榜单负责拆解官方叙事。Artificial Analysis已经给出一个复杂结论：成本明显下降，部分指数持平，部分知识工作回落。Arena、Next.js evals和其他编码评测如果后续给出稳定结果，就能把OpenAI官方主张拆成更细的问题：Sol是否适合作为默认高端编码模型，Luna是否适合高频Agent子任务，二者在长上下文和缓存命中高的任务里是否尤其划算。
产品分发会影响采用规模。当前边界是ChatGPT Work、Codex、API和Free/Go desktop app，不包括普通Chat。若OpenAI后续把Sol和Luna扩展到更广的Chat入口，采用规模会明显不同；若长期停留在工作流和开发者入口，它们更像是面向Agent时代的成本层，而不是大众聊天模型。
最后一组是企业自己的账单。建议把试用报告写成四列：任务完成率、人工返工率、总token成本、缓存命中率。只要其中任一列缺失，就无法判断GPT-6 Sol和Luna是否真正降低了生产成本。今天的发布给出了一个有吸引力的起点，但最终答案会出现在真实Agent任务的验收记录里。