GPT-6 Sol斩杀5.6全系！Astra的1/5价格，Luna比梁文谷还便宜，周二Codex重置

本文由 量子位 撰写/授权提供，转载请注明原出处。

以下文章来源于：量子位（QbitAI）

作者：梦晨

GPT-6 Sol、Luna 深夜上线，API 价格直接砍半！

Astra 改进的训练方法这两款也都用上了，所以也继承了 Astra 在计算机使用等方面的提升。

那还有啥好说的，等于 5.6 系列直接被斩杀了呗。

现在系列里 Astra 负责当以前的 Sol，Sol 负责当以前的 Terra，Luna 还是以前的 Luna。

Terra 生态位直接被挤没了。

与 5.6 系列相比，6 系列的 API 定价直接砍 50%，其中 Luna 的输出砍得比 50% 还多一点。

而且 Luna 的输入价格比 DeepSeek-V4.1 Flash 的梁文谷价格（$0.15）还便宜一点了，就是不知道缓存命中率有没有的比。

为啥升级还便宜了？

OpenAI 称这得益于缓存和推理环节的效率提升，省下来的成本直接让利给用户和开发者。

这不得尊奥特曼一声奥特之王（限时 24 小时）。

整个发布公告看下来，我先学会一招，用 GPT-6 Sol 最好别开 Max。

效果提升有限，价格提升很大，就不如直接开 Astra 了，还有个别榜单跑分 Max 比 xHigh 掉分。

什么你不知道怎么在 Codex 里开 Max？

在设置里可以选，默认是没打开的，这下知道为什么没打开了。

按照 AutomationBench 这个榜，GPT-6 Sol 的 high 和 xhigh 两个档位已经摸到了 Astra 的 light 和 medium 的水平。

AutomationBench 测的是 AI 在销售、营销、运营、客服、财务和人力资源六大领域 47 个工具上执行端到端业务流程的能力。

作为对比，Claude Opus 5 在 max effort 下得分和 GPT-6 Sol 的 medium 差不多，但单任务成本是 Sol 的 11.1 倍。

Claude Fable 5.1，成本是 Sol 的 8.9 倍以上，而且这还没算上约 40% 任务触发 Opus 5 回退产生的额外开销。

为测试 GPT-6 Sol 的计算机使用能力，我让它在图表中把隔壁新发的 Opus5.5 成绩也画上去。

这下可以直观看出，Opus5.5 的 Max 档达到了 GPT-6 Astra 水平，价格也达到了 Astra 水平。

换 Agents' Last Exam，这次考长周期任务，覆盖55个子行业。

GPT-6 Sol 在 max effort 下得分 56.4%，超过 Claude Opus 5 在该测试中的最高分，成本还低了 60%。

编程是这次重点展示的方向。

OpenAI 透露了一组内部数据：公司内部的 Coding Agent 使用量呈指数级增长，按 API 价格折算，中位数研究员每天的 token 消耗已超过 600 美元，90 分位的研究员超过 7000 美元。

随着编程 agent 承担的任务越来越长、越来越复杂，持续使用的成本变得更加关键，这正是 Sol 和 Luna 要解决的问题。

在 DeepSWE v1.1（测试 AI 在真实代码库中解决复杂软件工程任务）上，GPT-6 Sol 其实并没有比5.6 Sol更好，但确实便宜不少。

GPT-6 Luna 在 max effort 下得分 66.6%，与 Claude Opus 5 和 Fable 5 在 medium effort 下水平相当，成本分别低了 93% 和 96%。

在 Cognition 推出的 FrontierCode（评估 AI 编写的代码是否达到可合并进真实代码库的标准）上，GPT-6 Sol 相比 GPT-5.6 Sol 同样有明显提升，能以更低成本匹配 Claude Fable 5.1 xhigh 的表现。

这个榜隔壁 Claude 的档位又乱了起来。

计算机操作，这块还是 Astra 比较权威。

GPT-6 Sol 也仅仅是比 5.6 Sol 便宜了，high 档位以上水平其实没超过 5.6 多少。

GPT-6 Luna 在 max effort 下超过了 GPT-5.6 Sol 在 medium effort 下的表现，成本仅为后者的十分之一。

事实准确性方面，OpenAI 用一组从真实 ChatGPT 对话中提取的、用户曾标记过事实错误的案例进行了测试。

结果是 GPT-6 Sol 的错误率大约是上一代的一半，接近 Astra 的水平。GPT-6 Luna 在较高 effort 下能匹配 GPT-5.6 Sol 的准确度，而成本只有百分之一。

模型能力之外，OpenAI 对 GPT-6 的基础设施也做了几项改进。

首先是提示词缓存。

改进后的缓存机制默认提供更高的命中率，缓存命中的输入 token 可享受 90% 的价格折扣。

OpenAI 还上线了缓存监控面板和诊断工具，开发者可以查看缓存使用情况、定位未命中的原因并针对性优化。

还有这样一个实用的改动：调整推理 effort 级别或开关工具时，不再会打断之前的缓存上下文。

GitHub 已经在用这套方案。据 OpenAI 披露，过去几个月里这些优化让 GitHub Copilot 需要重新处理的提示 token 比例下降了超过 50%，涉及数十亿次请求。

终于能在任务的不同任务灵活切换配置了。

之前看已经有人做出来，搭配 Jev 可以在任务中途毫秒级切换。

然后是对话风格。

OpenAI 把 Astra 上改进过的沟通方式带到了 Sol 和 Luna 上，在技术和编程对话中感知会尤为明显，表现为更清晰、更少术语、更少无效细节、回复整体更简短但不丢失关键信息。

OpenAI 在博客中展示了同一个网页开发任务下 GPT-5.6 Sol 和 GPT-6 Sol 的对比回复。

5.6 会主动复述用户已知的信息并使用含糊措辞，6 则更直接，会说明自己检查了什么、没检查什么。

对齐方面，Sol和 Luna 在测试中优于 GPT-5.6 同级模型，包括在编程任务中做出误导性声明的比率更低。OpenAI 强调，这些对齐测试专门挑选了容易诱发不诚实行为的场景，正常使用中出现此类问题的概率远低于测试数据。

最后，关于额度重置。

总之是周二，具体时间未定，醒来的朋友们可以开蹬了。

参考链接：

[1]https://openai.com/index/introducing-gpt-6-sol-and-luna/#alignment-reviewer-bypass

[2]https://x.com/miu21590/status/2101857866378362926?s=20

扫码关注公众号

获取更多技术资讯