GPT-6 Sol 和 Luna 来了：和 Astra 怎么选？
OpenAI 9 月 22 日发布了 GPT-6 Sol 和 GPT-6 Luna，用训练 Astra 的方法做出来，但便宜得多。我的建议很简单：日常写代码、做分析，默认用 GPT-6 Sol；量大、规则清楚的活交给 Luna；只有 Sol 反复搞不定的难活才上 Astra。Plus 在 Work 和 Codex 里就能用，不用为了新模型升级 Pro。
AONIR 根据 OpenAI 官方数据整理（2026 年 9 月 22 日）。消息数为官方估算，实际消耗取决于任务。
开始阅读先看结论
日常写代码、做分析：默认用 GPT-6 Sol。它的 API 价格是 Astra 的五分之一，Plus 在 Codex 里能跑的条数约是 Astra 的 3 倍。
批量提取、分类、改格式这类有标准答案的活：交给 GPT-6 Luna，价格只有 Astra 的百分之一。
Sol 反复卡住、要跨很多工具连续跑很久的难活：再上 Astra，它仍然是最强的一款。
在哪用：ChatGPT 的 Work 和 Codex，Plus 及以上都有；Free 和 Go 可在桌面版用 GPT-6 Luna；普通 Chat 暂时没有。
GPT-6 三款模型对比
价格来自 OpenAI 开发者文档，消息数来自 ChatGPT Learn 定价页，均于 2026 年 9 月 23 日核对。消息数是 Codex 本地任务的估算，不是固定上限。
左右滑动查看完整表格
| 比较项 | GPT-6 Astra | GPT-6 Sol | GPT-6 Luna |
|---|---|---|---|
| 官方定位 | 最困难的端到端工作 | 日常工作与复杂编程 | 明确、可重复的大量任务 |
| API 价格 / 百万 token（输入 / 输出） | $10 / $50 | $2 / $10 | $0.10 / $0.50 |
| 缓存输入 / 百万 token | $1 | $0.20 | $0.01 |
| 上下文 / 最大输出 | 105 万 / 12.8 万 token | 105 万 / 12.8 万 token | 105 万 / 12.8 万 token |
| Plus 在 Codex 每 5 小时约 | 5–45 条 | 15–150 条 | 350–3,000 条 |
| Pro 5× 在 Codex 每 5 小时约 | 25–225 条 | 70–700 条 | 1,750–14,000 条 |
| ChatGPT 里在哪用 | Work、Codex；Chat 里以 GPT-6 Pro 提供给 Pro、Business 等计划 | Work、Codex | Work、Codex；Free / Go 可在桌面版使用 |
| 建议起步推理档 | Light | Medium | High |
先说结论：多数任务默认用 GPT-6 Sol
GPT-6 Astra 月初上线时，最大的问题是贵：API 价格是 GPT-5.6 Sol 的 2.5 倍，在 Codex 里也特别烧额度。9 月 22 日这次，OpenAI 用训练 Astra 的方法又做了两款便宜的模型：GPT-6 Sol 和 GPT-6 Luna。
所以现在的选择顺序简单了：日常写代码、改文档、做分析，先用 GPT-6 Sol；批量提取、分类、改格式这类有标准答案的活，交给 GPT-6 Luna；只有 Sol 反复卡住、任务要连续跑很久、要跨很多工具的，才值得换 Astra。
OpenAI 自己的说法也是这样：Astra 仍然是最强的模型，适合要最好结果、不在乎成本的时候；Sol 和 Luna 负责把这一代的能力用到更日常、更高频的工作上。
在哪里能用？Plus 能不能用？
GPT-6 Sol 和 Luna 从 9 月 22 日起在 ChatGPT 的 Work 和 Codex 里分批开放，Plus、Pro、Business、Enterprise、Edu 都有。Free 和 Go 用户可以在桌面版里用 GPT-6 Luna。API 里的模型名是 gpt-6-sol 和 gpt-6-luna。
普通 Chat 暂时没有这两款。聊天窗口里的 Instant、Medium、High 还是 GPT-5.6 Sol；Pro 用户看到的 GPT-6 Pro，背后是 Astra。
在桌面版的 Work 或 Codex 里，输入框下面有个模型和推理强度的控件，默认从“6 Sol Light”起步。往 Smarter 方向调是更强、更慢，往 Faster 方向是更快、更省；想指定具体模型或推理档，点 Advanced。没看到新模型，先更新客户端，官方说是当天分批开放的，晚点再看。
点击查看大图ChatGPT Learn 上的模型控件示意：Work 与 Codex 默认从 6 Sol Light 起步，点 Advanced 可以指定模型和推理档。
ChatGPT Learn：ModelsPlus 用 Sol 能跑多少？大约是 Astra 的 3 倍
对 Plus 用户来说，这次最实在的变化在额度上。按 ChatGPT Learn 的官方估算，Plus 在 Codex 里每 5 小时大约能发 5–45 条 Astra 本地消息，换成 GPT-6 Sol 是 15–150 条，GPT-6 Luna 是 350–3,000 条。同样一份 Plus 额度，用 Sol 能跑的任务大约是 Astra 的 3 倍。
这些数字范围很宽，因为消耗取决于任务本身：改几行代码和读完整个仓库再跑测试，差别可以有十倍。云端任务目前用的是 GPT-5.6 Sol，也可能比本地消息更耗额度，另外还可能有每周上限。把它当成量级参考，别当成固定条数。
Pro 5× 和 20× 的额度分别是 Plus 的 5 倍和 20 倍，换成 GPT-6 Sol 大约是每 5 小时 70–700 条和 300–3,000 条。不过 Pro 目前没有 5 小时限制，只算周额度，这两个数字用来比较用量大小。
点击查看大图官方 Codex 额度估算：每 5 小时的本地消息数，按模型和计划列出。数字是估算范围，不是固定上限。
ChatGPT Learn：PricingAPI 价格：Sol 是 Astra 的五分之一，Luna 是百分之一
每百万 token，GPT-6 Sol 输入 $2、缓存输入 $0.20、输出 $10；GPT-6 Luna 输入 $0.10、缓存输入 $0.01、输出 $0.50；Astra 是 $10、$1、$50。同样的 token，Sol 只要 Astra 的五分之一，Luna 只要百分之一。
和上一代比，Sol 从 $4 / $20 降到 $2 / $10，Luna 从 $0.20 / $1.20 降到 $0.10 / $0.50，官方的说法是便宜 50%。三款模型的上下文都是 105 万 token，最大输出都是 12.8 万，容量没有区别。单次输入超过 27.2 万 token 时，整次请求按 2 倍输入价、1.5 倍输出价计算。
这套价格只对 API 有效。用 ChatGPT 账号登录 Work 和 Codex，消耗的是套餐里的额度，不按 token 扣钱；在 Codex 里填自己的 API key，才走这套账单。
跑分怎么看：Sol 高档位能追上低档位的 Astra
OpenAI 这次的图都是“成本—得分”曲线：横轴是完成一个任务花多少钱（对数刻度），纵轴是得分，同一个模型的几个点对应不同推理档位。看这种图，别只比谁的最高点高，要看花同样的钱谁做得更好。
AutomationBench 用 47 个工具跑销售、运营、财务等业务流程。GPT-6 Sol 开到 xhigh 档得分 33.2%，每个任务约 $0.27；低档的 Astra 得分 30.3%，成本是 Sol 的 3.9 倍。花不到四分之一的钱，Sol 的高档位做得比 Astra 的低档位还好；不过把 Astra 开到高档，它仍然是最高分。
点击查看大图AutomationBench：横轴为每个任务的成本（对数刻度），纵轴为得分；同一模型的多个点对应不同推理档位。
OpenAI：Introducing GPT-6 Sol and Luna写代码：Luna 的分数已经接近 Sol
DeepSWE 考的是在真实代码库里完成原创的长任务。GPT-6 Sol 最高档得分 68.8%，GPT-6 Luna 最高档 66.6%，只差两个百分点左右。
差别在成本：从图上看，Luna 每个任务的花费比 Sol 低得多。如果你要批量跑很多规则清楚的代码任务，比如统一改接口、补类型、批量加测试，先拿几个试 Luna，结果能通过验收再大规模用。
点击查看大图DeepSWE：在真实代码库中完成长任务的得分与每任务成本。
OpenAI：Introducing GPT-6 Sol and Luna最实在的改进：事实错误少了一半，说话也更直接
跑分之外，对普通用户最有感的是这一条。OpenAI 用用户标记过“答错了”的真实对话做测试：GPT-6 Sol 犯的事实错误大约只有 GPT-5.6 Sol 的一半，接近 Astra；GPT-6 Luna 开到较高档位时，准确度和 GPT-5.6 Sol 差不多，成本只有约百分之一。
要注意，这批测试题专门挑的是容易答错的对话，日常使用里出错本来就少得多，所以图上的百分比不是日常错误率。
另一个变化是说话方式。官方把 Astra 的沟通风格带到了 Sol 和 Luna 上：术语更少、废话更少，回答整体短一点，写代码时会说清楚自己检查了什么、没检查什么。
点击查看大图高难度对话中的事实错误率（越低越好）。测试题来自用户标记过错误的对话，不代表日常错误率。
OpenAI：Introducing GPT-6 Sol and Luna按任务怎么选
拿不准的时候，用同一个真实任务各跑一次：同样的输入、同样的推理档、同样的验收标准，比较一次做对的概率和花掉的额度，再决定默认用哪个。
- GPT-6 Sol：日常写代码、修 bug、代码审查、写报告和方案，以及需要来回改几轮的工作。
- GPT-6 Luna：批量提取字段、分类、改格式、写结构化摘要，结果有明确标准可以检查。
- GPT-6 Astra：跨很多文件和工具、要连续跑很久、Sol 已经卡住两三次的任务，或者出错代价很高、你只想要最好结果的时候。
- GPT-5.6 Terra：推广期间还能选，但这一代没有新版 Terra。原来交给 Terra 的活，可以试试 GPT-6 Sol 的低档或 GPT-6 Luna。
要不要为了新模型升级 Pro？不用
GPT-6 Sol 和 Luna 对 Plus 开放，用不着为了新模型去买 Pro。而且 Sol 比 Astra 省额度，同一份 Plus 额度能跑更多轮，本来就更不容易撞到上限。
Pro 的价值还是那两点：普通 Chat 里的 GPT-6 Pro（背后是 Astra），以及 Plus 5 倍、20 倍的用量。你在 Codex 里经常用完额度，才值得看 Pro 5×。AONIR 的 Plus 为 ¥168 / 月，Pro 5× 为 ¥730 / 月，都可以微信自助充值到本人账号；20× 目前暂停。
充值 ChatGPT Pro 5× · ¥730 / 月→你可能还想知道
01GPT-6 Sol 和 GPT-6 Astra 有什么区别？
Astra 是 OpenAI 最强的模型，适合最难的端到端任务；GPT-6 Sol 用类似方法训练，面向日常工作和复杂编程，API 价格是 Astra 的五分之一（$2 / $10 对 $10 / $50）。在 AutomationBench 上，Sol 最高档得分 33.2%，超过低档 Astra 的 30.3%，成本约为后者的四分之一。
02ChatGPT Plus 能用 GPT-6 Sol 吗？
可以。GPT-6 Sol 和 Luna 从 2026 年 9 月 22 日起在 Work 和 Codex 中对 Plus、Pro、Business、Enterprise、Edu 分批开放；普通 Chat 暂时没有。Free 和 Go 可以在桌面版使用 GPT-6 Luna。
03Plus 用 GPT-6 Sol 每 5 小时能发多少条？
按 ChatGPT Learn 的官方估算，Plus 在 Codex 里每 5 小时约 15–150 条 GPT-6 Sol 本地消息，Astra 约 5–45 条，GPT-6 Luna 约 350–3,000 条。实际消耗取决于任务大小、上下文和推理档，还可能有每周上限。
04GPT-6 Sol 和 Luna 的 API 价格是多少？
每百万 token，GPT-6 Sol 输入 $2、缓存输入 $0.20、输出 $10；GPT-6 Luna 输入 $0.10、缓存输入 $0.01、输出 $0.50。两者都比 GPT-5.6 同款便宜 50%。模型名分别是 gpt-6-sol 和 gpt-6-luna。
05GPT-6 有 Terra 吗？
这次只发布了 Sol 和 Luna，没有 GPT-6 Terra。GPT-5.6 的 Sol、Terra、Luna 在推广期间仍可在 Work 和 Codex 中选择。
06为什么我在 ChatGPT 里看不到 GPT-6 Sol？
先确认你在 Work 或 Codex 里，而不是普通聊天窗口；再更新桌面应用或 Codex CLI。OpenAI 说明新模型会在发布当天分批开放，暂时没看到可以稍后再试。
有据可查，方便追溯
本文依据 OpenAI 2026 年 9 月 22 日的发布说明、开发者文档与 ChatGPT Learn 定价页整理，文中图表截自官方页面并标注来源。新模型当天分批开放，价格和额度可能调整。