刚刚， GPT-6 Sol 和 GPT-6 Luna 发布，API 永久降价：
并且，这些模型的能力大幅提升，且相比 Anthropic 有巨量的价格优势（故意的）
AutomationBench：横轴成本，纵轴得分
并且 Tibo 还宣布，所有 Plus、Pro、Business 账户将获得一次 banked reset：
Tibo 的发布补充
工作流与编程
Sol、Luna 使用了与 Astra 类似的训练方法，分别定位复杂编程与专业工作、快速且大规模的日常任务。Astra 继续提供家族内最高能力；推理和缓存效率的改善同时降低了服务成本
GPT-6 家族
Agents’ Last Exam 测试 55 个细分行业的长流程专业任务。Sol（max）拿到 56.4%，超过本次评测中 Opus 5 的最高成绩，每个任务便宜 60%
Agents’ Last Exam
FrontierCode 1.1 Main 同时检查代码正确性、测试质量、改动范围、代码风格和仓库规范。Sol 相比前代明显提升，并以更低成本达到 Fable 5.1（xhigh）的水平
FrontierCode 1.1 Main
DeepSWE 1.1 包含 113 个原创软件工程任务，覆盖 91 个仓库、5 种语言，使用统一的 Agent 框架运行：
Sol（max）：68.8%，距 Fable 5 的最高成绩 69.9%（xhigh）差 1.1 个百分点，每个任务便宜约 80%
Luna（max）：66.6%，与 Opus 5、Fable 5 的 medium 档位相近，成本分别低 93%、96%
DeepSWE 1.1
以上 GPT 数据来自研究环境或 API，对手数据来自公开报告；缺少 Fable 5.1 成绩的项目沿用了 Fable 5。图中的 low、medium、high、xhigh、max 为不同推理投入档位
Computer Use
在 OSWorld 2.0 离线集中，Sol（xhigh）得分 60.5%，Opus 5（medium）为 60.3%，Sol 每个任务便宜约 80%。Luna（max）超过 GPT-5.6 Sol（medium），成本约为它的 1/10
OSWorld 2.0 离线集，采用部分完成得分
这组数据采用 2026 年 8 月 8 日版本，指标是 partial reward，按任务各部分的完成情况给分
事实准确性测试使用匿名化的真实对话，样本来自用户曾指出旧模型答错的问题。Sol 的错误约减少一半，接近 Astra 的水平；Luna 在较高推理档位上，以约 1/100 的评测成本达到 GPT-5.6 Sol 的可靠性
困难问题上的事实错误率，越低越好
缓存大幅降价
GPT-6 提高了默认缓存命中率，复用请求开头相同上下文的中间计算结果。命中的输入读取价格为普通输入的 10%，写入缓存为普通输入的 1.25 倍：
| $0.20 | $0.01 | |
开发者新增了几项控制：
查看命中情况。 Prompt Caching Dashboard 显示缓存占比和变化，诊断工具定位输入、参数、工具及历史消息变化造成的缓存损失
中途调整推理档位。 在后续上下文追加配置更新，提高或降低 reasoning effort，保留此前缓存
开关当前可用工具。 保持工具定义稳定，通过工具选择范围等机制调整可用工具，复用前缀
设置显式断点。 指定缓存前缀的结束位置，把动态内容放在后面
GitHub 提供的使用数据是：过去几个月，OpenAI 模型的数十亿次请求中，需要重新处理的 prompt tokens 占比下降了 超过 50%，Copilot 因而响应更快
可用范围、API 与订阅额度
对于付费的 Plus、Pro、Business、Enterprise、Edu 用户现已可用，可在 ChatGPT Work 和 Codex 获得 Sol、Luna；而对于 Free、Go 用户可以在桌面应用中试用 Luna
在 API 中，模型模型名为 gpt-6-sol、gpt-6-luna。两者均支持文本、图片输入及文本输出，上下文窗口 105 万 tokens，最大输入 92.2 万、最大输出 12.8 万
