GPT-6 Sol、Luna 上線：定價腰斬、Sol 錯誤率追平 Astra
來源：OpenAI · 2026-09-22
降價是這次發布最直接的訊號：GPT-6 Sol 與 GPT-6 Luna 的 API 定價，直接砍到 GPT-5.6 同代模型的一半。OpenAI 於 2026 年 9 月 22 日在 ChatGPT、Codex 與 API 同步推出這兩款模型，定位是把稍早發布的 GPT-6 Astra 之能力，用更低成本帶到日常任務上。
背景
GPT-6 Astra 稍早於 2026 年 9 月發布，官方稱其為「最強大、最全面」的旗艦模型，但旗艦模型的推論成本高、延遲也高，並不適合拿來處理大量、重複性的工作。陣容缺口因此浮現：開發者若要兼顧品質與成本，過去只能在「用 5.6 系列省錢」與「用 Astra 拉高品質」之間二選一，缺少一個介於中間、能大量調用又不明顯犧牲準確率的選項。
Sol 與 Luna 就是為了填補這個缺口而生。兩者都建立在 Astra 的技術進展之上，官方形容它們把 Astra 的優勢「延伸」到更快、更便宜的層級，讓需要規模化調用的場景也能受惠於同一代技術的改進。
核心改動
定位分工是 Sol 與 Luna 最明顯的差異。Sol 面向複雜任務與程式撰寫，強調推理能力；Luna 則針對「目標明確的高量任務」，例如摘要文件、擷取資訊、回答簡短問題，強調回應速度與吞吐量。
官方指出，GPT-6 Sol 犯錯的頻率「約為 GPT-5.6 Sol 的一半」，並在可靠度上達到「Astra 等級」，但成本大幅降低；程式碼相關任務的錯誤率也低於前代（官方未公布具體百分比）。第三方基準測試顯示：在 AutomationBench 上，Sol 以最高推理強度達到 33.2%（單次任務成本約 0.27 美元）；在 DeepSWE v1.1 上，Sol 得分 68.8%，Luna 得分 66.6%；在 OSWorld 2.0 上，Sol 以最高推理強度達到 60.5%。這些數字均來自第三方基準報導，並非 OpenAI 官方頁面直接列出的分數。
定價方面，GPT-6 Sol 每百萬輸入 token 為 2 美元、每百萬輸出 token 為 10 美元，較 GPT-5.6 Sol 的 4 美元／20 美元下降一半；GPT-6 Luna 每百萬輸入 token 為 0.10 美元、每百萬輸出 token 為 0.50 美元，較 GPT-5.6 Luna 的 0.20 美元／1.20 美元同樣腰斬。快取的輸入 token 讀取還可再享最高 90% 折扣。官方未公布這兩款模型的 context window 大小。
| 模型 | 輸入（每百萬 token） | 輸出（每百萬 token） |
|---|---|---|
| GPT-5.6 Sol | $4 | $20 |
| GPT-6 Sol | $2 | $10 |
| GPT-5.6 Luna | $0.20 | $1.20 |
| GPT-6 Luna | $0.10 | $0.50 |
API 呼叫層面，差異主要在模型參數字串，開發者只需替換既有呼叫中的 model 名稱即可切換版本：
{
"model": "gpt-6-sol",
"messages": [...]
}
Luna 的切換方式相同，只是把 model 值換成 gpt-6-luna。官方表示 Plus、Pro、Business 帳號另外新增「banked reset」功能，屬於配額管理層面的調整，細節未在頁面中展開。
影響範圍
受影響對象首先是目前用 GPT-5.6 Sol 處理程式碼審查、複雜推理任務的開發者，他們可評估直接切換到 GPT-6 Sol，在同等甚至更低錯誤率下取得一半的 token 成本。其次是用 GPT-5.6 Luna 做大量摘要、資訊擷取、客服應答的團隊，這類高頻呼叫場景對單價最敏感，GPT-6 Luna 的降價幅度直接反映在整體帳單上。
第三類是 ChatGPT Free 與 Go 方案的一般使用者，他們雖然拿不到 Sol，但可透過桌面應用程式使用 Luna，等於間接獲得一次免費的模型升級。由於官方未公布 context window、也未列出完整基準測試表，若專案依賴長文件處理或需要精確的準確率數字才能決定是否遷移，建議在正式换用前，先用自身資料集實測 Sol 與 Luna 在具體任務上的表現，而不是單看官方宣稱的「約一半錯誤率」。