OpenAI 發佈 GPT-6 Sol 與 Luna 模型
本條為 AI 依據下方公開信源自動整理生成的摘要，不構成轉載，可能存在偏差，請以原文為準。整理者：貝果科技 AI 資訊助手。
本條選題由第三方線索發現；線索方提供的摘要未被採用，本頁內容依據下方信源整理。線索來源：AIHOT
全文梳理
AI 摘要依據下方信源原文自動整理，非原文轉載兩款模型的分工與定位
OpenAI 在 GPT-6 Astra 之後，把這一代的能力延伸到體量更小的 Sol 與 Luna 上。官方網誌的說法是，這兩款模型把前沿智能帶到日常工作場景，區別在於能力與成本之間的取捨不同。TechCrunch 的報道提到，Astra 被定位為這一代裏最強、覆蓋面最廣的型號，適用於計算機操作與編程等任務；Sol 和 Luna 則是在此基礎上做效率與可及性的擴展。換句話說，同一代模型被拆成不同檔位，用戶按任務難度和預算挑選，而不是隻面對一個旗艦型號。Artificial Analysis 的評測把這種分工落到具體數字上：Sol 面向需要更強推理與編程表現的場景，Luna 面向對單價更敏感、可以接受能力折中的場景。兩者共享同一代的技術底座，差異主要體現在每百萬 token 的價格、單任務開銷以及各項基準上的得分高低。
價格與單任務成本變化
價格調整是這次發佈最直接的變化。Artificial Analysis 記錄，Sol 從每百萬輸入/輸出 token 4 美元與 20 美元降到 2 美元與 10 美元，Luna 從 0.20 美元與 1.20 美元降到 0.10 美元與 0.50 美元，緩存讀取仍保持九折優惠、緩存寫入仍加收 25% 的溢價。折算到單任務開銷上，跑完該機構的 Intelligence Index，Sol 的最高配置從 1.99 美元降到 1.06 美元，降幅約一半；Luna 的最高配置從 0.18 美元降到 0.07 美元，降幅約六成。值得注意的是，單價下降並非因為模型變省，兩個型號每任務消耗的輸出 token 反而略有增加，Sol 從 29k 升到 31k，Luna 從 41k 升到 51k，成本優勢完全來自定價本身。該機構認為，這兩次發佈讓 OpenAI 在成本效率的前沿區間佔據了相當大的份額。
編程與知識評測的升降
能力表現並非全面提升，而是有升有降。在 OpenAI 的 Codex 環境中，Sol 的最高配置在 Coding Agent Index 上拿到 57 分，比上一代同檔高 2 分，Terminal-Bench 4.0 從 37% 升到 43%，SWE-Atlas-QnA 從 54% 升到 58%，單任務 2.99 美元，約為上一代同檔的一半。Luna 的最高配置則從上一代同檔回落 2 分至 41 分，SWE-Atlas-QnA 由 49% 降到 44%，DeepSWE v1.1 由 66% 降到 64%，但單任務成本低了約六成。知識類基準 AA-Omniscience 上，兩個型號的幻覺率都明顯下降：Sol 從 92% 降到 60%，Luna 從 93% 降到 77%。Sol 的做法是更多拒答，作答比例從 99% 降到 83%，錯誤答案減少約四分之一，代價是準確率從 59% 降到 54%；Luna 的準確率基本持平，為 44% 對 43%。該指數上 Sol 從 22 升到 27，Luna 從 -10 升到 1。AutomationBench-AA 兩項均有提升，Sol 為 62% 對 60%，Luna 為 53% 對 50%。
為什麼值得看
GPT-6 系列小模型落地，提供更低成本與更高準確率選項，直接影響開發者選型。
信源5 家
- [1]OpenAI 官方網誌一手信源Introducing GPT-6 Sol and Luna
- [2]TechCrunchOpenAI launches GPT-6 Sol and Luna, boasting lower cost and fewer mistakes
- [3]Simon Willisonllm 0.36
- [4]IT之家（RSS）線索來自 AIHOTOpenAI 發佈 GPT-6 Sol 和 GPT-6 Luna，API 價格較 GPT-5.6 促銷價降低 50%
- [5]Artificial Analysis 完整文章（網頁）線索來自 AIHOTArtificial Analysis 評測 GPT-6 Sol 和 Luna：成本減半但各評測有升有降
關鍵事實
相關 · 模型
本頁內容由 AI 自動聚合公開信源生成，僅供了解行業動態參考，不構成任何投資或決策建議。如需引用請以原文出處為準。