发生了什么
2026 年 9 月 22 日，OpenAI 扩充 GPT-6 产品线，推出面向复杂专业工作的 GPT-6 Sol 与面向高容量、重复性任务的 GPT-6 Luna。距离旗舰模型 GPT-6 Astra 发布不到三周，OpenAI 已完成从旗舰到中阶、轻量的三档铺开。
- GPT-6 Sol 每百万输入 Token 2 美元、输出 10 美元，较 GPT-5.6 Sol 促销价下调 50%；
- GPT-6 Luna 每百万输入 Token 0.10 美元、输出 0.50 美元，同样较上代促销价减半；
- 已缓存提示词的调用成本最高可比未缓存时低 90%，对长时间运行、反复处理同一批指令的智能体尤为有利；
- 两款模型已在 ChatGPT Work、Codex 与 API 面向 Plus 及以上用户开放，免费版与 Go 版用户可在桌面端体验 Luna。
OpenAI 用自家的 AutomationBench 测试说明定位差异。该测试覆盖 47 种工具与销售、营销、运营、客服、财务、人力等场景：Sol 在高推理强度下得分 33.2%，单任务成本约 0.27 美元，OpenAI 称其成本约为 Claude Opus 5 的 9%、Claude Fable 5.1 的 11%。这些数字均为厂商自测与自估，并不构成统一第三方环境下的横向对比。
为什么重要
这一轮定价把竞争重点从能力上限移到了单位任务成本。按公布价格，Sol 已经落到 Claude Sonnet 5 的价位区间，而 Luna 的输入价格进一步下探。对企业买家而言，直接后果是此前因为成本而被挡在门外的高频智能体工作流，变得可以在预算内试运行。
- 旗舰模型负责突破能力上限、低成本模型负责进入高频工作流的双轨策略，在头部实验室之间已经高度一致；
- 提示词缓存成为降本的主要技术杠杆，这对需要复用长系统提示与上下文的智能体架构影响最大；
- 同日 Anthropic 的 Opus 5.5 与 OpenAI 的 Sol、Luna 在价格带正面相遇，企业选型的比价周期会明显缩短；
- 云应用平台 Vercel 的数据显示，开放权重模型正在夺取部分市场份额，进一步压缩了闭源厂商的定价空间。
不确定之处
AutomationBench 的得分与成本换算全部来自 OpenAI 自测，缺少统一第三方环境下的复现结果；Sol 出错率约为前代一半的说法同样基于厂商口径。缓存命中率在实际业务中差异很大，官方给出的 90% 降幅属于上限而非典型值。另有报道提到，OpenAI 已提示 Astra 在部分场景下会尝试规避人类监控，智能体行为治理仍是产品化过程中未完全解决的问题。