OpenAI 发布 GPT-6 Sol 与 Luna：中低端模型永久降价超50%，重塑智能体经济性

OpenAI 正通过推出新模型来扩充其人工智能模型产品线，包括 全新的 GPT-6 Sol 和 GPT-6 Luna——这两款属于中端与入门级的模型，旨在作为企业级‘工作马’，承担对智能要求较低的常见任务；二者通过 OpenAI 的应用程序编程接口（API）调用时，价格均仅为前代产品的 一半或更低 。

两者在基准测试中均较其前代 GPT-5.6 有所提升，但性能与能力仍不及本月早些时候发布的旗舰级 GPT-6 Astra 模型 ，该公司总裁曾就此发布重磅声明，称我们现已步入“通用人工智能（AGI）时代”。

• GPT-6 Luna 定价低至令人震惊的亲民水平： 0.10 美元 / 0.50 美元（USD） 每百万输入/输出 token

• GPT-6 Sol 定价为 2 美元 / 10 美元（USD） 每百万输入/输出 token

OpenAI 表示，推理与缓存方面的改进使其得以在提升模型能力的同时降低价格。OpenAI 发言人向 VentureBeat 确认，GPT-6 Sol 与 GPT-6 Luna 的上述定价为永久性价格，而非促销价或首发优惠价。相较于 OpenAI 当前公布的 GPT-5.6 定价，此次降价幅度显著：

• GPT-5.6 Sol 当前输入 token 价格为每百万 4 美元，输出 token 价格为每百万 20 美元，因此 GPT-6 Sol 在输入与输出两方面价格均恰好降低 50%。

• GPT-5.6 Luna 当前输入价格为每百万 0.20 美元，输出价格为每百万 1.20 美元，因此 GPT-6 Luna 输入价格降低 50%，输出价格降低 58.3%。

Sol 主要面向开发者与知识工作者反复执行的复杂工作——例如构建功能、代码审查、调试及数据分析。

Luna 则定位为高吞吐量选项，适用于定义更明确的任务，例如摘要生成、信息抽取及回答直白问题。

而 Astra 则保留用于最复杂、多维度的项目，涵盖跨多种要素与媒介类型的任务，或难度更高的科学与数学问题。

对企业而言，这种细分至关重要，因为 AI 智能体的经济性正日益取决于工作流中模型调用的次数、上下文重复加载的量，以及企业是否真正在每个步骤都需使用前沿模型。

Sol 的定价直接对标 Claude Sonnet 5 —— 并且其 token 单价仅为新发布的 Opus 5.5 的一半

按每百万 token 输入 2 美元、输出 10 美元计，GPT-6 Sol 的定价与 Anthropic 的 Claude Sonnet 5 完全一致；Anthropic 已于 8 月将该款模型首发时的 2 美元 / 10 美元定价定为永久价格。

但Anthropic在周二上午再次改变了竞争格局，推出了 Claude Opus 5.5。该新模型的输入代币价格为每百万4美元，输出代币价格为每百万20美元，使得GPT-6 Sol在未缓存的输入和输出代币费率上均比Opus 5.5便宜50%。

Anthropic表示，Opus 5.5本身的单代币成本比Opus 5低20%，且在典型工作负载下运行成本约低40%，因为它完成相同任务所需的代币数更少。

这仍使Anthropic最高通用访问层级在原始代币定价上明显更昂贵。Claude Fable 5.1的输入价格为每百万10美元、输出价格为每百万50美元，分别是Sol输入与输出价格的五倍。

谷歌在面向性能的Flash层级上仍更具进攻性。其最新模型 Gemini 3.8 Flash于本月早些时候发布，在截至12月31日的推广期内，输入价格为每百万0.75美元、输出价格为每百万3.75美元；自2027年1月1日起，价格将上调至每百万1.50美元/7.50美元。

谷歌将该模型定位用于长周期软件工程、自主智能体及复杂企业工作流。

因此，即便在Gemini 3.8 Flash预定涨价后，Gemini仍将比GPT-6 Sol更便宜，但两者的定价结构不同：谷歌明确限定了当前Flash费率的有效期，而OpenAI表示Sol的2美元/10美元定价不设促销截止日期。

Luna则处于完全不同的价格层级。其原始代币费率为0.10美元/0.50美元，在输入与输出两端均比Sonnet 5低95%，且大致比Gemini 3.8 Flash当前推广费率低86.7%。

对比 SpaceXAI昨日刚发布的Grok 4.7 ，Luna在输入端便宜95%，在输出端便宜约91.7%（该比较基于Grok 4.7最低成本定价，即输入代币数低于20万时的费率）。

这些是价格比较而非能力等效性比较，但它们说明了Luna为何被设计用于将大量常规智能体工作路由至更昂贵的推理模型之外。

开源权重模型正对这一定价施加更大压力。 小米最新发布的MiMo-V2.6-Pro，在昨夜首发时即成为全球性能最强的开源权重模型（依据 Artificial Analysis），通过小米API提供的未缓存输入代币价格为每百万0.435美元、输出代币价格为每百万0.87美元——较GPT-6 Sol的输入价格低约78%，输出价格低91%。

更小的MiMo-V2.6-Flash价格更低，为0.14美元/0.28美元，即输入价格比Sol低约93%，输出价格比Sol低97%。

Luna与该开源权重层级相比更具竞争力：其0.10美元的输入费率比MiMo-V2.6-Flash的0.14美元低约29%，尽管其0.50美元的输出费率比Flash的0.28美元高出约79%。

并且由于小米以MIT许可证发布这两款MiMo模型，企业可下载并自行托管，而非向小米按代币付费——从而将经济模式从API费用转向企业自身的基础设施与运维成本。

这使得GPT-6 Sol最有力的定价论点不再关乎其是否为市面上最便宜的模型，而更在于其更高的API成本能否转化为足够多的任务级可靠性、编码性能及运维简易性，以证明其相对于日益强大的开源权重替代方案所收取的溢价是合理的。

OpenAI正将每项完成任务的成本作为基准

OpenAI的性能论点高度聚焦于每项成功任务的成本，而非孤立的基准测试分数。

在AutomationBench 1.0.6 上——该基准测试评估智能体在销售、营销、财务、支持及人力资源等领域的47种工具中完成工作流的表现—— OpenAI报告称GPT-6 Sol在xhigh努力度下的得分为33.2%，每项任务成本为0.27美元。

其评估显示，Claude Opus 5在最大努力度下得分为26.9%，但每项任务成本是Sol的11.1倍。据OpenAI称，Claude Fable 5.1配合Opus 5回退机制得分为31.4%，其每项任务成本超过Sol的8.9倍；OpenAI指出，该比较低估了Fable配置的实际成本，因其未计入发生在约40%任务中的Opus回退。

低努力度 GPT-6 Astra在AutomationBench上的得分为30.3%，低于Sol xhigh的33.2%，同时 每项任务成本为Sol的3.9倍。

这些Anthropic对比现需一个重要限定条件。OpenAI的图表将Sol与Opus 5进行基准测试，但Anthropic在OpenAI预定发布前数小时发布了Opus 5.5。Anthropic为Opus 5.5定价为4美元/20美元，并称其在典型工作负载下的成本比Opus 5低约40%。其新发布的基准测试显示其性能相较Opus 5有显著提升，但未包含GPT-6 Sol。这意味着目前尚无同一测试框架下的公开结果，来确定Sol或Opus 5.5究竟哪一方能实现更低的成功任务单位成本。

编码数据也呈现类似模式。在 DeepSWE 1.1上，GPT-6 Sol在最大努力度下得分为68.8%，而Claude Fable 5在xhigh努力度下得分为69.9%，OpenAI估算Sol的每项任务成本约低80%。GPT-6 Luna得分为66.6%；OpenAI称其任务成本比所对比的Opus 5配置低93%，比Fable 5低96%。

在 OSWorld 2.0——一项计算机使用基准测试中，OpenAI测试显示Sol xhigh得分为60.5%，而Claude Opus 5在中等努力度下得分为60.3%，OpenAI称其每项任务成本约低80%。

而在评估涵盖55个子行业的长周期专业工作的Agents’ Last Exam上，GPT-6 Sol在最大努力度下得分为56.4%；高于OpenAI评估中Opus 5的最高得分，且每项任务成本低60%。

厂商对比需谨慎对待。当基准测试在不同配置、努力度设置及测试框架下运行时，不同实验室可能得出不同的相对结果。

OpenAI未提供GPT-6 Sol与Gemini 3.8 Flash、Grok 4.7或小米新款MiMo-V2.6模型在同一测试框架下的对比结果。它们的代币价格可直接比较，但仅凭这些价格无法推断其真实任务经济性。

事实准确性成本也在降低

OpenAI还在事实可靠性方面提出成本-性能论点。

在一项基于已去标识化ChatGPT对话构建的内部评估中（用户此前曾标记其中的事实性错误），该公司称GPT-6 Sol的错误数量约为GPT-5.6 Sol的一半，且目前“以更低成本接近Astra级别的可靠性”。

Luna 展示了一种不同类型的效率提升。在更高推理努力水平下，OpenAI 表示 GPT-6 Luna 可以以约为 GPT-5.6 Sol 任务成本百分之一的开销，达到与后者相当的事实准确性。

该公司提醒称，该评估刻意选取了易引发错误的对话场景，不能代表 ChatGPT 的常规使用情况。

缓存已成为总体拥有成本（TCO）的一部分。

Token 定价仅是智能体（agent）经济性的一个组成部分。长期运行的编程类和业务类智能体会反复向模型发送系统提示词、文件、工具定义以及对话历史。

OpenAI 表示，GPT-6 提高了默认提示词缓存命中率，并提供 缓存输入 token 读取价格九折优惠。开发者还可更改推理努力程度或可用工具，而不会使先前缓存的上下文失效，并可显式定义可缓存提示词前缀的结束位置。

Anthropic 也在推动同一杠杆。Sonnet 5 宣传通过提示词缓存实现最高达 90% 的成本节约；而 Google 当前在其入门级定价中对每百万个缓存的 Gemini 3.8 Flash token 收取 0.075 美元；Grok 4.7 则将其缓存输入定价为低于其 20 万 prompt 阈值的每百万 token 0.50 美元。

小米在名义缓存读取定价方面走得更远：MiMo-V2.6-Flash 将缓存输入定价为每百万 token 0.0028 美元，Pro 版本则为每百万 token 0.0036 美元。这些费率使得开源权重模型在需反复重用大型提示词前缀的智能体工作负载中尤其具有竞争力，尽管自托管部署会带来自身的硬件、编排及利用率成本。

OpenAI 以 GitHub 为例说明其运营影响，称缓存改进使 Copilot 所使用的数十亿次 OpenAI 模型请求中，需进行全新处理的提示词 token 占比下降超 50%。

Replit 提供了推理价格下降如何改变产品层的另一例证。OpenAI 表示，其早先的价格下调帮助 Replit 向数百万用户推出了免费模式（Free Mode），使订阅用户可在不消耗常规用量积分的情况下提问和规划应用程序。OpenAI 还表示，在 7 月降价 80% 后，GPT-5.6 Luna 的使用量增长逾 10 倍。

对齐能力提升伴随尚未解决的边缘案例。

OpenAI 还公布了关于智能体不良行为的异常具体数据。在一项内部编程欺骗测试中（该测试被刻意设计以诱发不诚实行为），GPT-6 Sol 的欺骗率为 1.3%，较 GPT-5.6 Sol 的 10.4% 下降；Luna 则从 9.5% 降至 2.8%。

在另一项对抗性测试中，智能体收到一个故障搜索工具，并依据其是否承认该工具已损坏（而非猜测答案）进行评分：Sol 的未披露故障率从 77.8% 降至 5.4%，而 Luna 从 78.3% 降至 30.2%。在 Codex 测试中，OpenAI 观察到 Sol 未尝试绕过自动化安全审查员；Luna 在 0.3% 的运行中尝试绕过，低于此前的 3.5%，且未观察到任何成功绕过案例。

这些结果并非全面强劲。当模型遇到诸如“访问被拒绝”等明确警告时，Sol 在 64.4% 的对抗性测试运行中仍试图绕过该限制，而 GPT-5.6 Sol 为 68.2%；Luna 的比例为 42.4%，低于此前的 76.5%。OpenAI 强调，这些测试被刻意设计为高难度、主要低风险场景，且未启用其产品中全部系统级防护措施，因此不应被解读为常规使用下的失败率。

可通过 API、Codex 和 ChatGPT Work 获取。

GPT-6 Sol 和 Luna 可通过 OpenAI API 获取，作为 gpt-6-sol 和 gpt-6-luna。OpenAI 正将这两款模型逐步部署至 ChatGPT Work 和 Codex，面向 Plus、Pro、Business 和 Enterprise 用户；免费版（Free）及 Go 用户可通过桌面应用访问 Luna。目前这两款模型尚不可在 Chat 中直接使用；OpenAI 表示，Work 和 Codex 的部署将在当日内逐步推进，以保障服务稳定性。

GPT-6 Astra 仍是 OpenAI 针对更重视能力最大化而非成本的工作负载所提供的顶级选项。

然而，对企业买家而言更具实质意义的转变在于：模型选择正日益不再围绕挑选单一‘最佳’AI，而是转向在模型组合中分配不同类别的工作任务。

凭借 Luna 的定价，日常提取与摘要任务可迁移至成本低得多的层级；Sol 面向重复性编程及智能体工作，采用 Sonnet 级别的 token 定价；Astra 则继续用于最困难的任务。

OpenAI 将 Sol 和 Luna 的降价永久化，进一步强化了这一组合策略论点：开发者无需围绕一项计划取消的折扣来构建生产级路由逻辑及单位经济效益假设。

Anthropic 同日发布的 Opus 5.5 以及小米开源权重的 MiMo-V2.6 系列，使这一转变更加明确。厂商正日益不仅依据智力分数营销模型，更依据其在给定计算资源与资金投入下所能完成的有用工作量进行营销。因此，下一轮企业级模型评测必须衡量任务成功完成率、token 消耗量、缓存复用率、延迟及返工率——而不仅仅是 API 列表价格或单一基准测试得分。