OpenAI 发布 GPT-6 Sol 与 Luna：旗舰同源、价格减半的两款平价模型
2026 年 9 月 22 日，OpenAI 正式推出 GPT-6 Sol 与 GPT-6 Luna，沿用 9 月 3 日旗舰 GPT-6 Astra 的训练方法再做成本优化，API 价格较 GPT-5.6 同级便宜 50%，缓存读取降价 90%，并同步上线 Prompt Caching Dashboard。本文解读规格、定位与对管理者的意义。
2026 年 9 月 22 日，OpenAI 正式发布 GPT-6 Sol 与 GPT-6 Luna 两款模型。官方说明，两者与 9 月 3 日推出的旗舰 GPT-6 Astra 采用同源训练方法，再针对成本做优化，API 价格较 GPT-5.6 同级模型便宜 50%。model ID 分别为 gpt-6-sol 与 gpt-6-luna。定价方面，Sol 每百万 tokens 输入 2 美元、输出 10 美元；Luna 输入 0.10 美元、输出 0.50 美元；两款的缓存读取（cache read）均降价 90%（一折）。即日起可在 API、Codex 与 ChatGPT Work 使用；Plus、Pro、Business、Enterprise、Edu 用户两款全开，Free 与 Go 用户可在桌面版使用 Luna，普通 ChatGPT 对话界面则逐步推送。同日还配套推出 GPT-6 Prompt Caching Dashboard。值得一提的是，这次发布与 Anthropic 的 Claude Opus 5.5 仅相隔数分钟，媒体多以并报方式处理。
两款模型的分工：Sol 做智能体任务，Luna 跑高量例行工作
OpenAI 对两款模型的定位切得很清楚。Sol 主打重复性的程序开发与智能体（agent）任务，也就是需要多轮工具调用、持续修正的工作流；Luna 则锁定摘要、数据抽取这类高量、格式固定的例行工作，以极低单价换取大规模吞吐。官方自述的基准数字（未经独立验证）如下：
- AutomationBench：Sol 33.2%，官方称在 xhigh 推理强度下胜过 Claude Opus 5 max，且成本仅为其 9%。
- DeepSWE v1.1：Sol 68.8%、Luna 66.6%。
- OSWorld 2.0：Sol 60.5%。
- 事实错误率：Sol 约为前代的一半。
需要提醒的是，这些数字全部来自 OpenAI 官方，比较对象与测试条件由厂商自行设定，尚无第三方复测，解读时应保留判断空间。
与前代和竞品比较：价格战进入“旗舰技术下放”阶段
过去一年，模型厂商的竞争重心从“谁最强”逐渐转向“同样能力谁更便宜”。GPT-6 Sol 与 Luna 的做法是把旗舰 Astra 的训练方法直接下放，再压缩成本，让中低价位的模型也能承接原本要用旗舰才做得好的智能体任务。对照 GPT-5.6 同级便宜 50%、缓存读取再打一折，等于同一套工作流的账单可能大幅缩减。与 Anthropic 几乎同时发布 Claude Opus 5.5 也显示，两家在发布节奏上互相紧盯，这种“同日对撞”未来可能成为常态。
Prompt Caching Dashboard：把缓存变成可管理的成本工具
同日推出的 GPT-6 Prompt Caching Dashboard 是容易被忽略但实务上很重要的配套。它提供三项能力：
- 可自行设置缓存断点，决定提示词哪一段要固定被复用。
- 调整推理强度时不会破坏既有缓存，避免每改一次设置就重新付全额。
- 预热（warm-up）机制可降低首次调用的延迟。
对大量重复调用的应用（例如每天处理上千份文件的抽取流程）来说，缓存命中率直接决定成本，这个仪表板让成本从“事后看账单”变成“事前可设计”。
对管理者的意义
这则新闻的核心信息是：AI 智能体与例行自动化的门槛价格再次被砍半，过去因为成本而搁置的项目（客服摘要、订单数据抽取、代码维护智能体）值得重新评估。但官方基准终究是厂商自述，导入前仍应以自家真实数据做小规模测试，并善用缓存仪表板把成本控制在可预测的范围内。