OpenAI 发布 GPT-6 Sol 与 Luna：价格砍半，能力持平
OpenAI 推出 GPT-6 Sol 和 Luna 两款更便宜的模型，token 价格较 GPT-5.6 减半、性能与前代持平，并瞄准 Anthropic 更贵模型的性价比区间；缓存输入 token 提供 90% 折扣，Terra 下架。
原贴
查看原文原文
中文翻译
借助 GPT-6 Sol 和 Luna，OpenAI 在其产品线中新增两个更便宜的模型，它们以一半的 token 价格达到前代模型的性能，并旨在与 Anthropic 一些更昂贵的模型竞争。最大的变化是相比 GPT-5.6 Sol 和 Luna 降价 50%。
GPT-6 Sol 现在每百万输入 token 收费 2 美元，每百万输出 token 收费 10 美元，而 Luna 的输入为 0.10 美元，输出为 0.50 美元。OpenAI 将更低的价格归因于缓存和推理的改进，并表示正在把这些节省直接传递给用户。这使其定价与更便宜的开源权重模型处于同一区间。此前产品线中最便宜的 Terra 已不再提供。
据 OpenAI 称，Sol 面向重复性的复杂任务，例如构建新功能、审查代码、调试和分析数据。Luna 旨在以低成本处理大量定义明确的任务，例如总结文档、提取信息和回答简短问题。
除了降低 token 价格，OpenAI 表示它改进了 GPT-6 的提示缓存，对缓存的输入 token 提供 90% 的折扣。新的提示缓存仪表盘和诊断工具旨在帮助开发者优化缓存使用，开发者现在可以更改推理投入和工具可用性而不会使缓存失效。发布时，两个模型都在 ChatGPT Work 和 Codex 中面向 Plus、Pro、Business、Enterprise 和 Edu 订阅者提供。免费和 Go 用户可以通过桌面应用访问 Luna，但两个模型最初都不在普通聊天中提供。API 以 gpt-6-sol 和 gpt-6-luna 提供它们，而 ChatGPT 中的访问正在逐步推出。
OpenAI 主要将新模型定位在相对 Anthropic 的 Claude 系列的性价比上。在测试计算机使用的 OSWorld 2.0 上，OpenAI 表示 GPT-6 提供与 Claude Opus 5 类似的结果，成本大约低 80%，不过 Astra 在这一类别中仍然领先。
在测试跨 47 种工具的业务工作流的 AutomationBench 上，据称 GPT-6 Sol 在最高推理投入下击败了最大投入的 Claude Opus 5。OpenAI 称 Sol 的每任务成本仅为 Opus 的 9%。与此同时，Luna 比其前代提升了 5.4 个百分点，而成本降低了 58%。
核心信息
OpenAI 推出 GPT-6 Sol 和 Luna 两款更便宜的模型，token 价格较 GPT-5.6 减半、性能与前代持平，并瞄准 Anthropic 更贵模型的性价比区间；缓存输入 token 提供 90% 折扣，Terra 下架。
- OpenAI 推出 GPT-6 Sol 和 Luna 两款更便宜的模型，token 价格较 GPT-5.6 减半、性能与前代持平，并瞄准 Anthropic 更贵模型的性价比区间；缓存输入 token 提供 90% 折扣，Terra 下架。
- 原贴提到：With GPT-6 Sol and Luna, OpenAI adds two cheaper models to its lineup th
- 来源：the-decoder.com
详细解读
这是什么信号：这轮更新的重点不在能力上限，而在单位成本。GPT-6 Sol 与 Luna 用与前代基本持平的性能，换取相比 GPT-5.6 Sol 与 Luna 砍半的 token 价格，并把缓存输入打到 90% 折扣。Terra 被移出产品线，说明 OpenAI 正在用更少的型号覆盖“高能力”与“高吞吐”两端，而不是继续维持中间档。它同时把自己明确放在 Anthropic 的性价比对手位置：OSWorld 2.0 上声称与 Claude Opus 5 结果类似但成本低约 80%，AutomationBench 上 Sol 最高 effort 击败 Opus 5 最大 effort，每任务成本仅为其 9%。
为什么重要：当模型之间的能力差距很难拉开时，价格与缓存效率就会成为采购决策的主变量。对已经上量的团队，输入 2 美元、输出 10 美元，以及 Luna 的 0.10/0.50 美元，直接改变毛利和可承受的调用规模；对还在试点期的团队，Luna 让过去因成本不敢做的全量摘要、抽取和短问答变得可行。缓存侧的变化同样关键：90% 的缓存输入折扣，加上可以在不使缓存失效的前提下切换推理强度与工具可用性，会放大“稳定前缀 + 变化后缀”这一类工程模式的收益。
对谁有价值：一是把 LLM 嵌进生产流程的工程团队，尤其是文档处理、代码审查、数据分析和客服自动化；二是做 agent 产品的团队，因为 AutomationBench 与 DeepSWE 这类基准直接对应工具调用和长程代码任务；三是负责 AI 预算与模型路由的平台负责人——同一任务在 Sol 的 xhigh 与 Luna 的 max 之间存在 78% 的成本差，路由策略会直接变成财务问题。对正在为 Anthropic 高价模型付费的团队，这也是一个可量化的替代选项。
可以怎么行动：先把手头最高频、最模板化的任务迁到 Luna 做 A/B，用真实业务数据复核“性能持平前代”的说法；对长系统提示、固定上下文的场景打开 prompt caching，并用新仪表盘和诊断工具检查命中率与失效原因；在成本模型里把 Sol 的 xhigh/max 和 Luna 的 max 作为独立档位重算，而不是沿用旧单价；如果仍在使用 Terra，尽快安排迁移。对依赖 Opus 或 Fable 的场景，挑一个可量化任务做跨厂商对跑，再看每任务成本而非每 token 价格。
风险与限制：文中的性能与成本对比均来自 OpenAI 自报，没有第三方复现，基准选择也可能偏向自家强项；Astra 在 OSWorld 2.0 上仍然领先，说明这套模型并非能力前沿。可用性也有边界：普通 ChatGPT 聊天界面暂不提供，免费与 Go 用户只能通过桌面应用使用 Luna。缓存优化和推理强度切换在真实系统里会引入新的复杂度，缓存命中率不足时成本优势会明显缩水。此外，原文末尾关于 Sol 最高 effort 的句子被截断，DeepSWE 的完整结论仍需以官方或第三方数据补全。
信息差价值
这条内容的真正价值，不只是“有人发布了一个新功能”，而是它揭示了 the-decoder.com 背后的产品方向、工作流变化或竞争信号。对 OPC 来说，这种信息可以转化成持续追踪的栏目选题。
如果把《OpenAI 发布 GPT-6 Sol 与 Luna：价格砍半，能力持平》放到你的内容系统里，它最大的价值在于帮助读者更快看懂“为什么值得关注”，而不是只看到一条碎片化动态。
参考来源
TOPIC HUBS
延伸专题
AI SUMMARY
这篇文章回答了什么
OpenAI 发布 GPT-6 Sol 与 Luna：价格砍半，能力持平主要讲什么？
OpenAI 推出 GPT-6 Sol 和 Luna 两款更便宜的模型，token 价格较 GPT-5.6 减半、性能与前代持平，并瞄准 Anthropic 更贵模型的性价比区间；缓存输入 token 提供 90% 折扣，Terra 下架。
这篇文章最值得关注的要点是什么？
OpenAI 推出 GPT-6 Sol 和 Luna 两款更便宜的模型，token 价格较 GPT-5.6 减半、性能与前代持平，并瞄准 Anthropic 更贵模型的性价比区间；缓存输入 token 提供 90% 折扣，Terra 下架。；原贴提到：With GPT-6 Sol and Luna, OpenAI adds two cheaper models to its lineup th；来源：the-decoder.com
这篇文章和哪些AI专题相关？
它适合放在AI副业、AI工具、Agent工作流专题里阅读。 关联原因：这篇内容命中「项目、小生意、变现」等主题信号。；这篇内容命中「模型」等主题信号。；这篇内容命中「Agent」等主题信号。
阅读这篇文章建议先理解哪些关键词？
建议先理解AI工具、工具、自动化、模型、Cursor这些关键词，再结合正文判断工具、机会或风险是否值得进入自己的工作流。