OpenAI 發布 GPT-6 Sol 與 Luna：旗艦同源、價格砍半的兩款平價模型
2026 年 9 月 22 日，OpenAI 正式推出 GPT-6 Sol 與 GPT-6 Luna，沿用 9 月 3 日旗艦 GPT-6 Astra 的訓練方法再做成本優化，API 價格較 GPT-5.6 同級便宜 50%，快取讀取降價 90%，並同步推出 Prompt Caching Dashboard。本文解讀規格、定位與對管理者的意義。
2026 年 9 月 22 日，OpenAI 正式發布 GPT-6 Sol 與 GPT-6 Luna 兩款模型。官方說明，兩者與 9 月 3 日推出的旗艦 GPT-6 Astra 採用同源訓練方法，再針對成本做優化，API 價格較 GPT-5.6 同級模型便宜 50%。model ID 分別為 gpt-6-sol 與 gpt-6-luna。定價方面，Sol 每百萬 tokens 輸入 2 美元、輸出 10 美元；Luna 輸入 0.10 美元、輸出 0.50 美元；兩款的快取讀取（cache read）均降價 90%（一折）。即日起可在 API、Codex 與 ChatGPT Work 使用；Plus、Pro、Business、Enterprise、Edu 用戶兩款全開，Free 與 Go 用戶可在桌面版使用 Luna，一般 ChatGPT 對話介面則逐步推出。同日還附帶推出 GPT-6 Prompt Caching Dashboard。值得一提的是，這次發布與 Anthropic 的 Claude Opus 5.5 僅相隔數分鐘，媒體多以並報方式處理。
兩款模型的分工：Sol 做代理任務，Luna 跑高量例行工作
OpenAI 對兩款模型的定位切得很清楚。Sol 主打反覆性的程式開發與代理（agent）任務，也就是需要多輪工具呼叫、持續修正的工作流；Luna 則鎖定摘要、資料抽取這類高量、格式固定的例行工作，以極低單價換取大規模吞吐。官方自陳的基準數字（未經獨立驗證）如下：
- AutomationBench：Sol 33.2%，官方稱在 xhigh 推理強度下勝過 Claude Opus 5 max，且成本僅為其 9%。
- DeepSWE v1.1：Sol 68.8%、Luna 66.6%。
- OSWorld 2.0：Sol 60.5%。
- 事實錯誤率：Sol 約為前代的一半。
需要提醒的是，這些數字全部來自 OpenAI 官方，比較對象與測試條件由廠商自行設定，尚無第三方複測，解讀時應保留判斷空間。
與前代和競品比較：價格戰進入「旗艦技術下放」階段
過去一年，模型廠商的競爭重心從「誰最強」逐漸轉向「同樣能力誰更便宜」。GPT-6 Sol 與 Luna 的做法是把旗艦 Astra 的訓練方法直接下放，再壓縮成本，讓中低價位的模型也能承接原本要用旗艦才做得好的代理任務。對照 GPT-5.6 同級便宜 50%、快取讀取再打一折，等於同一套工作流的帳單可能大幅縮減。與 Anthropic 幾乎同時發布 Claude Opus 5.5 也顯示，兩家在發布節奏上互相緊盯，這種「同日對撞」未來可能成為常態。
Prompt Caching Dashboard：把快取變成可管理的成本工具
同日推出的 GPT-6 Prompt Caching Dashboard 是容易被忽略但實務上很重要的配套。它提供三項能力：
- 可自行設定快取斷點，決定提示詞哪一段要固定被重用。
- 調整推理強度時不會破壞既有快取，避免每改一次設定就重新付全額。
- 預熱（warm-up）機制可降低首次呼叫的延遲。
對大量重複呼叫的應用（例如每天處理上千份文件的抽取流程）來說，快取命中率直接決定成本，這個儀表板讓成本從「事後看帳單」變成「事前可設計」。
對管理者的意義
這則新聞的核心訊息是：AI 代理與例行自動化的門檻價格再次被砍半，過去因為成本而擱置的專案（客服摘要、訂單資料抽取、程式碼維護代理）值得重新評估。但官方基準終究是廠商自陳，導入前仍應以自家真實資料做小規模測試，並善用快取儀表板把成本控制在可預測的範圍內。