OpenAI王炸！GPT-6 Sol/Luna上线，API半价还开放免费用

AI行业的竞争格局在9月23日迎来了一个极具冲击力的转折点。OpenAI正式推出了GPT-6系列的两款新成员：GPT-6 Sol和GPT-6 Luna。这一动作不仅是对市场预期的回应，更是一次精准的战略布局。在竞争对手Anthropic刚刚发布Opus 5.5并调整价格后的短短90分钟内，OpenAI便迅速跟进，以极具侵略性的定价策略切入市场。这不仅仅是一次产品更新，更是OpenAI试图重新定义“性价比”标准的关键一步。对于开发者、企业用户以及广大免费用户而言，这意味着获取顶级智能的成本正在发生结构性的变化。

双剑合璧：定位清晰的能力下放

GPT-6 Sol和Luna的推出，并非简单的版本迭代，而是将此前仅在旗舰模型GPT-6 Astra中展现出的前沿能力进行了有效的“下沉”。两款模型均继承了Astra在专业任务处理、事实准确性、编程辅助、计算机操作以及模型对齐等方面的核心优势。这种技术下放策略，旨在解决以往高端模型难以大规模普及的痛点。

GPT-6 Sol被明确定位为复杂任务和编程场景的主力军。它专为需要较强推理能力的Agent工作流设计，能够处理跨销售、营销、运营及财务等复杂业务逻辑。在内部测试中，Sol在事实准确性方面较上一代减少了约一半的错误，其可靠性已接近最高档次的Astra模型。另外，Sol支持105万Token的上下文窗口，最大可输出128K Token，并全面兼容网页搜索、文件搜索、代码解释器、Computer Use、MCP及Skills等工具调用，展现出极强的通用性和扩展性。

对比一下，GPT-6 Luna则更加侧重于响应速度与成本控制，适合日常高频调用及大规模应用。尽管价格大幅降低，但Luna并未牺牲核心体验。它在知识截止日期上甚至略优于Sol，达到2026年5月18日，显示出其在信息时效性上的优化。Luna同样具备百万级上下文处理能力，并支持文本与图片输入，确保在低成本的前提下维持高质量的服务水准。

价格重构：API费用腰斩的行业震动

此次发布最引人注目的莫过于其激进的定价策略。相比GPT-5.6时期的促销价格，GPT-6 Sol和Luna的API费用整体下调了50%。这一降幅直接打破了市场对高端模型高昂成本的固有认知，使得顶级AI服务的边际成本大幅降低。

具体来看，GPT-6 Sol的每百万Token输入价格从4美元降至2美元，输出价格从20美元降至10美元。而GPT-6 Luna的降价幅度更为惊人，输入价格从0.20美元降至0.10美元，输出价格从1.20美元降至0.50美元。需要注意，缓存读取的价格也被压缩至极低水平，Luna的缓存读取仅需0.01美元每百万Token。这种定价机制极大地鼓励了开发者进行高频次、大规模的模型调用，为构建复杂的自动化流程提供了经济基础。

然而，低价背后也有明确的规则限制。OpenAI规定，一旦单次请求的输入超过27.2万Token，整个请求将触发长上下文收费模式，导致输入和缓存价格翻倍，输出提高50%。这意味着虽然基础价格极具吸引力，但在处理超长文档时，成本会有所上升。开发者需根据实际应用场景合理规划输入长度，以最大化利用价格优势。

性能验证：用数据说话的实力证明

价格的降低并不意味着性能的妥协。平台公布的多项基准测试数据显示，GPT-6 Sol和Luna在关键指标上表现优异。在AutomationBench跨应用业务流程测试中，GPT-6 Sol以xhigh推理强度取得了33.2%的成绩，明显高于Claude Opus 5在最大推理强度下的26.9%，且单项任务成本仅为后者的9%。在Last Exam智能体评估中，Sol在max effort状态下得分56.4%，超越了对标竞品，同时单任务成本降低60%。

在软件工程领域，GPT-6 Sol在DeepSWE v1.1测试中以68.8%的成绩逼近行业顶尖水平，而单任务成本却降低了约80%。Luna在相同测试中也取得了66.6%的成绩，表现接近更高档次模型的medium effort状态，但成本优势巨大。这些数据表明，新模型不仅在理论上具备竞争力，在实际工程落地中也能提供极高的投入产出比。

目前，GPT-6 Sol和Luna已向Plus、Pro、Business、Enterprise及Edu用户开放，可在ChatGPT Work和Codex中使用。免费版和Go版用户也可通过桌面应用程序访问GPT-6 Luna。尽管普通版ChatGPT聊天功能尚未启用这两款模型，但预计将在后续更新中逐步推送。这一渐进式开放策略，既保障了现有付费用户的权益，也让免费用户提前体验到技术红利。

以上是关于OpenAI发布GPT-6 Sol与Luna的详细解读。如果您有相关疑问或想了解更多关于AI模型选型及应用落地的建议，建议结合具体的业务场景进行小规模测试，以评估其在实际工作中的表现与成本效益。