分析 • OpenAI • GPT-6 • 2026年9月27日

GPT-6 Sol 与 GPT-6 Luna – OpenAI 不仅仅提升了智能，更改变了 AI 的经济模型 GPT-6 Sol 和 GPT-6 Luna 是 OpenAI 推出的两个新模型，旨在将 GPT-6 生成能力从最昂贵的前沿模型领域带入日常工作和大规模部署。然而，基准测试揭示的故事比营销宣传更耐人寻味：在综合智能方面，Sol 并没有超越 GPT-6 Astra 或 Claude Opus 5.5。Luna 则更弱一些。尽管如此，正是这两个模型可能比又一个基准测试纪录对 AI 的实际应用产生更大的影响。原因很简单——价格。 数据状态：2026年9月27日 。在本文中，我们特意将 OpenAI 发布的基准测试与 Artificial Analysis 的独立测量结果分开。不应直接比较来自不同基准测试配置的结果。 摘要 GPT-6 Sol 在 API 中的价格为 每百万输入 token 2 美元，每百万输出 token 10 美元 。而 GPT-6 Luna 的价格仅为 0.10 美元和 0.50 美元 。这意味着价格正好相差二十倍。 两个模型都获得了约 105 万 token 的上下文窗口，最大输出限制为 128k token，支持图像处理以及 AI Agent 所需的工具：function calling、web search、file search 和 computer use。 但 GPT-6 Sol 并不是 OpenAI 最强大的模型。根据当前的 Artificial Analysis Intelligence Index，GPT-6 Sol 在最大推理能力下达到约 48 分 。GPT-6 Astra 为 53，而 Claude Opus 5.5 高达 58。GPT-6 Luna 则约为 37 分。 因此，GPT-6 Sol 和 Luna 应被视为首先是 成本效率的革命 ，而不是又一批无条件超越所有竞争对手的模型。 目录 什么是 GPT-6 Sol 和 GPT-6 Luna？ 技术规格 价格——革命由此开始 独立基准测试 OpenAI 基准测试 编程与软件工程 AI 智能体 为什么 Luna 可能比 Sol 更重要？ GPT-6 Sol 对比 GPT-6 Astra Claude Opus 5.5 对比 GPT-6 Gemini 3.8 Flash 对比 GPT-6 Kimi、GLM 和开放权重模型 幻觉与事实准确性 对业务的意义 AI 系统的新架构 选择哪个模型？ 未来几年会发生什么？ 结论 来源 1.

什么是 GPT-6 Sol 和 GPT-6 Luna？ 2026年9月22日，OpenAI 将 GPT-6 系列扩展为两个模型： GPT-6 Sol 和 GPT-6 Luna 。 这一点非常重要，因为它们并不是 GPT-6 Astra 的直接继任者。Astra 仍然是一个专注于最高质量的前沿级（frontier）模型。而 Sol 和 Luna 则旨在解决另一个问题：如何将很大一部分 GPT-6 的能力应用于注重成本、速度以及能够执行数百万次操作的场景中。 OpenAI 将 Sol 定位为适用于高要求编程和智能体工作流（agentic workflows）的模型。而 Luna 则旨在超大规模下执行集中式任务。 由此建立起如下层级： GPT-6 Astra – 需要最高质量的最复杂任务， GPT-6 Sol – 复杂的日常工作、编程和智能体， GPT-6 Luna – 低成本、大规模的任务执行和子智能体。 这一变化可能比看起来更重要。OpenAI 越来越不像一家只销售单一通用聊天机器人的公司。它开始提供多个层级的“智能计算能力”，可以根据问题动态选择。 在实践中，系统可以使用 Luna 来分析一千份文档，使用 Sol 来解决 50 个模糊案例，而仅在有五个真正困难的问题时才调用 Astra。 这种方法可能比将所有数据发送到最强大的模型要便宜得多。 2.

GPT-6 Sol 和 GPT-6 Luna 的规格 特征 GPT-6 Sol GPT-6 Luna 主要用途 coding, agenci, złożone workflow zadania masowe, podagenci, klasyfikacja 上下文 105 万 token 105 万 token 最大输出 12.8 万 token 12.8 万 token 输入 文本 + 图像 文本 + 图像 Function calling 是 是 Web search 是 是 File search 是 是 Computer use 是 是 Reasoning effort none → max none → max Open weights 否 否 因此，百万级别的上下文不再是仅属于最昂贵模型的专属功能。 理论上，你可以向模型传递庞大的代码库、数百份文档、案件历史、企业程序或非常长的技术文档。 然而，不应将一百万个上下文 token 与完美的记忆等同。模型仍可能遗漏极长输入中的信息。大上下文增加了可能性，但并不能消除对良好的检索（retrieval）、数据索引和适当提示词设计的需求。 3.

价格——真正的变革从这里开始 模型 100 万输入 token 100 万输出 token GPT-6 Astra $10 $50 GPT-6 Sol $2 $10 GPT-6 Luna $0.10 $0.50 因此，Astra 比 Sol 贵五倍。而 Sol 比 Luna 贵 20 倍 。 这是一个巨大的差异。 用生成一百万个 Sol token 的价格，可以生成 2000 万个 Luna token。 对于普通的聊天机器人来说，这可能并不那么重要。用户提出一个问题，模型生成一个回答，操作就结束了。 但在智能体（Agent）系统中，情况完全不同。 智能体可以： 分析任务， 制定计划， 检索文档， 执行工具， 读取结果， 修改计划， 执行下一个工具， 检查自己的回答， 请求另一个智能体进行审查。 因此，用户的一个指令可能意味着数十甚至数百次 LLM 调用。 在这样的世界里，模型的价格不再是一个细节。它变成了系统架构中最重要的要素之一。 4.

独立基准测试：GPT-6 Sol 并非新的领导者 来自 Artificial Analysis 的数据最有趣，因为它们允许在排除制造商自带的基准测试之外来审视此次发布。 模型 Artificial Analysis 智能指数 输入 / 输出价格 Claude Opus 5.5 max 58 $4 / $20 GPT-6 Astra max 53 $10 / $50 GPT-6 Sol max 48 $2 / $10 Gemini 3.8 Flash high 41 $0,75 / $3,75* GPT-6 Luna max 37 $0,10 / $0,50 *分析期间适用的 Gemini 价格。 表格立即展示了两点。 首先， OpenAI 未能在质量方面夺回绝对领先地位 。Claude Opus 5.5 在当前的 Artificial Analysis 指数中得分高于 GPT-6 Astra，更不用说 Sol 了。 其次，Sol 的成本结构与排名更高的模型完全不同。 GPT-6 Astra 多获 5 分，但每个 token 的成本是其高出五倍。 Claude Opus 5.5 比 Sol 多获 10 分，但其输出 token 的价格是后者的两倍。 Luna 看起来更有趣。37 分虽然不是前沿水平的分数，但 $0.10/0.50 的价格极低。 根据 Artificial Analysis 的测量，Luna max 配置的平均索引任务成本约为 0.07 美元 ，而 Sol max 约为 1.06 美元 。 这在实际测试任务成本上大约是十五倍的差距。 5.

OpenAI 的基准测试显示了什么？ OpenAI 发布了包含 Sol 和 Luna 在软件工程、自动化和代理工作方面的评估结果。 Benchmark GPT-6 Sol GPT-6 Luna > AutomationBench 33,2% 20,7% Agents' Last Exam 56,4% 50,9% FrontierCode 1.1 49,3% 42,4% DeepSWE 1.1 68,8% 66,6% OSWorld 2.0 offline 64,4% 52,7% > 这些是 OpenAI 发布配置下的结果。不应将其与独立实验室的结果混淆。 AutomationBench 是一个很好的例子。 OpenAI 报告 Sol 为 33.2%，而 Artificial Analysis 使用的独立 AutomationBench-AA 可能给 Sol 提供最高约 62%。 这并不意味着其中一个结果是错误的。 不同的 Benchmark 可能使用不同的测试框架、工具、推理配置、尝试次数或评估方法。 这是现代 LLM 对比中的最大问题之一。两个具有相同测试名称的表格不一定在衡量完全相同的内容。 6.

Coding：最大的惊喜是 GPT-6 Luna DeepSWE 1.1 的结果可能是整个发布中最有趣的数据。 OpenAI 报告： GPT-6 Sol – 68,8% ， GPT-6 Luna – 66,6% 。 差距仅为 2.2 个百分点 。 与此同时，Luna 在基础代币费率方面比 Sol 便宜 20 倍。 这并不意味着 Luna 与 Sol 在编程能力上几乎相同。 基准测试汇总并不涵盖所有方面。Sol 可能在架构设计、多步骤规划、非典型仓库处理或调试复杂错误方面表现更出色。 尽管如此，差距仍然足够小，足以认真考虑将 Luna 作为编码系统的第一层。 示例工作流 Luna 分析 issue。 Luna 定位相关文件。 Luna 准备初步实现。 Luna 运行测试。 第二个 Luna 执行代码审查。 如果结果正确——任务完成。 如果出现问题——由 Sol 接手任务。 最困难的情况可以升级到 Astra 或 Claude Opus 5.5。 这样的系统比为每项操作都使用前沿模型要便宜得多。 FrontierCode 已经显示出 Sol 更大的优势：49.3% 对比 42.4%。我们对直接进入生产环境的更改要求越高，更强大的模型就越重要。 7.

GPT-6 Sol 和 Luna 主要是为智能体（Agents）构建的 Function calling、web search、file search 和 computer use 在两个模型中均可用。 这比传统基准测试得分的进一步提升更为重要。 LLM 不再仅仅是文本生成器。它正在成为一个可以： 阅读文档、 搜索互联网、 调用 API、 操作应用程序、 修改文件、 运行代码、 分析自身工作的结果。 问题在于，执行 50 个步骤的智能体比普通聊天机器人消耗多得多的 token。 这就是为什么 Luna 可能具有如此重要的意义。 用调用一次昂贵模型的成本，可以运行多个廉价的子智能体。 一个智能体可以准备解决方案。第二个可以进行检查。第三个寻找错误。第四个将结果与程序进行对比。 这为此前在经济上难以证明可行性的多智能体系统铺平了道路。 8.