GPT-6 Sol 與 Luna：Astra 分工、價格與切換時機

OpenAI 在 2026 年 9 月 22 日把 GPT-6 家族補齊到三個名字：GPT-6 Astra 之外，新增 GPT-6 Sol 與 GPT-6 Luna。定位可以一句話講完：Astra 留在旗艦位置，Sol 承接困難的推理與程式工作，Luna 負責量大而明確的任務。同一份公告把 API 價格大幅下調，Sol 每百萬 token 輸入 2 美元、輸出 10 美元，Luna 是 0.10 與 0.50 美元，與前一代的價格相比，Sol 輸入輸出都砍半，Luna 輸入砍半、輸出降約 58%。

動手查資料前要先拆一個地雷：Sol 與 Luna 不是新造的詞。GPT-5.6 家族在 2026 年 7 月 9 日就用過同一套名字，Sol、Terra、Luna 三個層級的解析站上已經寫過。9 月 22 日發布的是 GPT-6 世代的 Sol 與 Luna，模型 ID 分別是 gpt-6-sol 與 gpt-6-luna，跟前一個世代的 gpt-5.6-sol、gpt-5.6-luna 是不同的模型、不同的價格、不同的能力。網路上的文章、討論串與價格對照表經常把兩代混在一起講，引用數字前先確認講的是哪一代。

查核口徑先說清楚：文內的價格、規格、方案與跑分，以 2026 年 9 月 27 日查核的官方頁面為準，包括官方發布公告、Sol 與 Luna 的官方模型文件、開發者模型指南與說明中心。第三方來源（Artificial Analysis 的獨立榜單、Simon Willison 的實測）會明確標示出處，與官方自報數字分開讀。閱讀路線：先看家族分工與規格對照，接著讀官方跑分與獨立榜單兩組數字，再進入 API 費用的完整拆解、快取新工具、方案入口、遷移要改的四件事，收在五種工作負載的選擇框架與導入前檢查清單。

同名不同代：GPT-6 Sol/Luna 與 GPT-5.6 Sol/Luna 怎麼分

把時間軸拉直就看清楚了。GPT-5.6 家族在 2026 年 6 月 26 日啟動有限預覽，7 月 9 日全面開放，Sol、Terra、Luna 三個層級一起上陣，站上的GPT-5.6 家族解析有完整記錄。9 月 3 日 OpenAI 發布 GPT-6 Astra，接下旗艦位置，當時官方對 GPT-6 世代的 Sol 與 Luna 還沒有交代，站上的Astra 深度解析因此寫下「官方尚未宣布 GPT-6 Luna」。這句話在 9 月 22 日翻頁了：GPT-6 Sol 與 GPT-6 Luna 正式發布，Astra 仍是最強旗艦，家族分工變成三個位置。

命名邏輯本身不神祕，只是很少被講清楚。GPT-5.6 開始，OpenAI 把「世代」與「能力層級」拆開：數字（5.6、6）代表世代，Sol、Terra、Luna 是可以各自演進、世代之間沿用的層級名。照這個制度，GPT-6 Sol 的意思就是「GPT-6 世代的 Sol 層」，與 GPT-5.6 Sol 同名是制度使然，不是行銷花招。制度的好處是文件與帳單可以跨世代對位，壞處就是搜尋引擎裡兩代資料混著排，讀的人要自己分揀。

兩代同名的實際困擾在搜尋。輸入「GPT-6 Sol 價格」會撈到 7 月寫的 GPT-5.6 Sol 文章，兩者的輸入價差一倍（促銷價 4 美元對 2 美元）。輸入「Luna 便宜」可能拿到的是 5.6 Luna 的 0.20 美元，也可能是 6 Luna 的 0.10 美元。分辨方法只有一個：看 API 模型 ID。gpt-6-sol 與 gpt-6-luna 是新模型，gpt-5.6 字頭的是前一個世代，文件、變更日誌與帳單頁都用這個前綴區分。

還有一個容易問錯的名字：Terra。GPT-5.6 家族有 Terra，GPT-6 世代的官方模型指南在 9 月 27 日查核時只列了 Astra、Sol、Luna 三個成員，沒有 GPT-6 Terra。舊的 Terra 沒有消失，仍然在 API 裡供呼叫，只是新世代還沒有對應的位置。至於 GPT-6 世代會不會補上 Terra 等級的模型，官方沒有給任何時間表，猜測沒有意義。

知識截止日是另一個值得記下的規格。Sol 的模型文件載明知識截止於 2026 年 4 月 20 日，Luna 的模型文件則是 2026 年 5 月 18 日。同一家族內兩個模型的截止日不同並不常見，需要新鮮事實的工作流值得把這個差異記進選型表，例如 Luna 對 4 到 5 月之間發生的事件有原生知識，Sol 則要靠工具補。

三個位置怎麼分工：Astra、Sol、Luna

官方指南給三個模型各下了一句定位。Astra 是最聰明的模型，強在多步驟工作流、電腦操作、軟體工程與專業工作。Sol 的官方定位是困難任務上的強推理，模型文件寫的是為複雜程式設計與代理式工作流而建。Luna 的定位是聚焦且大量的任務，是效率取向的選擇。翻譯成工作語言：最難、最要命的任務交 Astra，日常的難題與程式開發交 Sol，格式固定、可以驗收的高量工作交 Luna。

模型	API ID	官方定位	輸入／輸出單價（每百萬 token）	知識截止	effort 檔位
GPT-6 Astra	gpt-6-astra	最聰明的旗艦	10／50 美元	載於模型文件（站上先前查核）	low 至 max（不支援 none）
GPT-6 Sol	gpt-6-sol	困難任務的強推理、程式與代理工作流	2／10 美元	2026 年 4 月 20 日	none 至 max
GPT-6 Luna	gpt-6-luna	聚焦高量任務的效率首選	0.10／0.50 美元	2026 年 5 月 18 日	none 至 max

規格面的共通點比差異多。Sol 與 Luna 的 context window 都是 1,050,000 token，最大輸入 922,000、最大輸出 128,000，與 GPT-5.6 系列相同。兩者都接受文字與圖片輸入、輸出文字，都支援推理 token。context window 是輸入加輸出的總和空間，1,050,000 不等於可以全部拿來放輸入，長文件工作流規劃用量時要把輸出預留一起算。

與前一代對照，規格的變化集中在兩件事：知識截止日更新與價格砍半，context、輸出入上限與 effort 檔位（none 到 max 六檔）都沿用前代的設計。這代表大多數為 GPT-5.6 寫的程式在用量規劃上可以直接沿用，需要重新想的是檔位策略與成本模型，不是管線架構。圖片輸入的支援讓兩個模型都能接截圖分類、畫面走查、圖表判讀這類混合任務，對行銷素材的批次整理與客服附件的自動分類都是直接可用的能力。

effort 檔位從 none、low、medium（預設）、high、xhigh 到 max，與 GPT-5.6 Sol/Luna 的六檔階梯相同。實務上這是一條成本與品質的連續旋鈕：none 走零推理的快速通道，適合格式轉換與簡單分類，medium 是多數工作的預設起點，max 留給卡住的重活。差異在 Astra：官方指南明載 Astra 不支援 none 檔位，Sol 與 Luna 支援，要跑零推理的便宜快速通道只能選後兩者，這在大量低階任務的場景裡是個實質的分工邊界。

介面與相容性是開發者要先看的規格。Sol 與 Luna 在 API 端走 Chat Completions 與 Responses 兩條路，Batch 支援，Flex 支援，即時語音（Realtime 系列）、Assistants API、微調與嵌入都不支援。功能面支援串流、結構化輸出、函式呼叫、檔案搜尋、圖片輸入、網頁搜尋與提示快取。仍留在 Assistants API 上的舊服務要注意，這兩個模型不進那條路，等於遷移的時間壓力又多了一分。

代理工具的支援是這個世代的重點升級。Sol 與 Luna 在 Responses API 之下可以使用網頁搜尋、檔案搜尋、圖片生成、程式碼直譯器、託管 shell、apply_patch、skills、電腦操作、MCP 與工具搜尋，等於把代理工作流需要的整排工具都接上了。GPT-6 世代還新增了非同步工具呼叫（應用端執行工具時模型可以繼續推理）、中途導引（模型工作中可以插入新指示）與對話中調整推理強度三種能力，後面講快取時會再回到第三項，因為它直接影響帳單。

合規與資料面有兩個要記的邊界。三個 GPT-6 模型的 EU 資料駐留都只支援 Standard 處理，走 Fast 模式或 Batch 的流量不在駐留範圍內。區域處理端點則在可用處加收 10%。台灣的使用者與開發者不在任何排除名單內，方案與計價跟全球一致，這點與站上先前查核 Astra 時的結論相同。

官方跑分怎麼讀：公布的重點數字

官方公告用五組評測支撐「Astra 智慧、Sol 與 Luna 更便宜」的主張，讀的時候要記住兩件事：這些是官方自報數字，量測在研究環境或 API 進行，與正式 ChatGPT 的表現可能有出入，競品分數取自公開報告。每一組數字都要連著 effort 檔位一起讀，因為 Sol 與 Luna 的能力對 effort 很敏感，這也是帳單的敏感點。

官方在公告裡給了一個內部數字，說明為什麼成本突然變成主軸：以 API 價格計，OpenAI 內部研究員的每日 token 用量已經超過 600 美元（中位數），前百分之十的研究員超過 7,000 美元。當代理式工作把單日用量推到這個量級，模型的每 token 價格就不是小事，而是決定「哪些任務值得交給 AI」的門檻。Sol 與 Luna 的降價正是在這個背景下出現的。

商務自動化那組最有感。在 Zapier 的 AutomationBench（47 個工具、橫跨銷售行銷營運支援財務人資的端到端工作流評測）上，GPT-6 Sol 在 xhigh 檔拿到 33.2%、每任務成本 0.27 美元，贏過 Astra 的 low 檔（30.3%，成本是 Sol 的 3.9 倍）、Claude Opus 5 的 max 檔（26.9%，11.1 倍成本）與 Claude Fable 5.1 搭配 Opus 5 回退的 max 檔（31.4%，成本 8.9 倍以上）。Luna 在 high 檔比前代進步 5.4 個百分點，每任務成本降 58%。這組數字的故事不是「Sol 比誰都強」，而是「困難商務工作用 Sol 的成本，只有競品旗艦的零頭」。

專業長任務那組看 Agents' Last Exam（55 個子產業的長程專業工作評測）：GPT-6 Sol 在 max 檔拿 56.4%，高於 Claude Opus 5 在該評測的最佳成績，每任務成本低 60%。事實性那組來自內部評測，方法是把使用者標記過錯誤的真實對話拿出來重測。GPT-6 Sol 的錯誤率約是前代的一半，接近 Astra 的水準。Luna 在較高檔位可以拚到 GPT-5.6 Sol 的水準，成本約百分之一。官方同時註明這些錯誤誘發對話不代表一般使用情境，量測條件也有但書，引用時要對齊條件。

程式能力兩組。FrontierCode（以可合併進真實程式庫為標準的評測）上 Sol 對 GPT-5.6 Sol 大幅進步，能以低得多的成本拚到 Claude Fable 5.1 xhigh 的水準。DeepSWE v1.1（真實程式庫的長程軟體工程任務）上，Sol 的 max 檔 68.8%，距離 Claude Fable 5 的最高分（xhigh 的 69.9%）只有 1.1 個百分點，每任務成本約低 80%。Luna 的 max 檔 66.6%，與 Opus 5、Fable 5 的 medium 檔相當，每任務成本分別低 93% 與 96%。

電腦操作那組收尾。OSWorld 2.0 離線版上，Sol 的 xhigh 檔 60.5%，與 Claude Opus 5 的 medium 檔 60.3% 相當，成本約低 80%。Luna 的 max 檔勝過 GPT-5.6 Sol 的 medium 檔，成本只有十分之一。Astra 仍是官方認定電腦操作最強的模型，這組數字的重點在於：把「夠用的電腦操作」配上「可規模化的成本」，代理式工作流的單位經濟就成立了。

讀完五組數字可以整理出一個規律：Sol 與 Luna 的分數通常追平或小勝上一級的模型，成本卻只有幾分之一到十分之一。差距不在能力頂點，在於到達同等能力時付出的錢。這個規律也解釋了為什麼公告的主軸是價格：能力是延續 Astra 的訓練方法帶來的，把成本壓下來才是這次發布的真正新聞。

兩個讀數細節順手補充。官方對事實性評測做過回答長度的敏感性檢查，結論是分數與答案長度幾乎沒有相依，這讓「短回答佔便宜」的疑慮降低。競品的分數則一律取自公開報告，量測條件與 OpenAI 自家環境不必然對齊，跨來源比較時保留誤差空間是基本素養，單一分數差不值得當成決策依據。

跑分之外：溝通風格的升級

公告裡有一段容易被跑分蓋過的更新：Sol 與 Luna 把 Astra 的溝通風格帶了進來，官方預期在技術與程式對話裡最明顯。具體的變化是說明更清楚、行話更少、怪詞與低價值的細節更少、回答整體略短但不減內容。對重度使用對話介面的知識工作者，這類風格差異對日常體感的影響不輸給跑分。

官方給了一組並列的範例：同一個「把網站改成便當格排版、右上角加滑動頁面切換」的請求，GPT-5.6 Sol 的回覆先斷言不需要 React、用詞模糊（把設計風格叫作「bento feel」），收尾還附上自己生圖時用的提示詞。GPT-6 Sol 的回覆則先講要做什麼與要檢查什麼，回報時說清楚檢查過桌面與手機寬度、返回鍵行為，確認原站確實不需要 React，不分享與任務無關的實作細節。官方坦承風格是主觀的，他們偏好 GPT-6 版本的理由是：不急著下結論、少複述提問者早就知道的細節、對做過與沒做過的檢查更誠實。

對把模型接進自動化管線的開發者，風格變短有工程含義。輸出更緊湊代表解析更穩、下游處理的雜訊更少，也代表同樣的任務消耗更少輸出 token，帳單直接受惠。反過來說，依賴舊版回覆格式（例如固定開場白或特定列點習慣）的解析程式，切換後要重跑一輪相容性測試。

想先體感風格差異的人有個低成本做法：把同一段自己的真實對話，在 API 對兩個世代的模型各發一次（兩代都仍在模型目錄裡），比較回覆的長度、開場與細節密度。用自己的例子比看官方範例準，因為風格的干擾主要出現在自己熟悉的任務上。比較時順手記下回覆的 token 用量，兩代的成本差與風格差就能一起算進決策。

獨立榜單與第三方實測：另一組數字

官方自報要對照獨立榜單才立體。Artificial Analysis 的智慧指數（9 月查核的 v4.3.2 版）給 GPT-6 Sol 的 max 檔 48 分，xhigh 44、high 43、medium 40、low 34、關推理的 non-reasoning 28。GPT-6 Luna 的 max 檔 37 分，xhigh 34、high 32、medium 29、low 21、non-reasoning 18。對照同一榜單在 9 月 9 日改版後給 Astra max 的 53 分，Sol 的頂檔落後旗艦約 5 分，Luna 再往下 16 分，三個位置在獨立榜單上的梯次與官方定位一致。

速度是 Luna 的強項。Artificial Analysis 量到的輸出速度，Sol 落在每秒 81 至 86 token，Luna 是 134 至 154 token，Luna 比 Sol 快六成以上。首 token 延遲上，關閉推理的 Luna 低到 0.79 秒，Sol 的 non-reasoning 是 1.06 秒（這組是動態量測，數值隨查核時點更新）。對延遲敏感的應用，這組數字比智慧指數更值得抄進選型表。供應商方面，Artificial Analysis 列出這兩個模型除了 OpenAI API 之外也已登上 Microsoft Azure，企業採購多了一條路。

成本效益的獨立估算也值得看。Artificial Analysis 以自家智慧指數任務加權計算，Sol 從 low 檔的每任務 0.13 美元到 max 檔的 1.06 美元，檔位間差距 8 倍。Luna 從 low 的 0.0045 美元到 max 的 0.07 美元，差距 15 倍。同一個模型的 effort 設定就是一個 8 到 15 倍的成本旋鈕，這是導入時最容易被忽略的省錢位置。

獨立開發者Simon Willison 在 9 月 22 日的評測給了兩個實用結論。第一個是選型：他已經把 GPT-6 Sol 設為 Codex 的預設模型，並把示範專案 Datasette Agent 換到 GPT-6 Luna，實測跑 SQL 與產生前端元件都又快又穩。第二個是市場判讀：他把 GPT-6 沒有 Terra 這件事講得最白，GPT-5.6 Terra 與 GPT-6 Sol 同價（輸入同為 2 美元），「繼續用 Terra 的理由消失了」。他同時提醒 GPT-6 Luna 是 OpenAI 有史以來最便宜的模型之一，只被能力弱得多的 GPT-4.1 Nano 與 GPT-5 Nano 壓過。

價格戰的當週背景也順手記下：GPT-6 Sol 與 Luna 發布當天，Anthropic 發布了降價 20% 的 Claude Opus 5.5，前一天則有 Grok 4.7 以 2 比 6 美元的單價上場。旗艦層（Astra 與 Fable 5.1 同為 10 比 50 美元）之下的一級變成殺價戰場，站上對前代 Opus 的計價解析與這波調整可以對照著看。Willison 的當週價格表把整個梯次排得清楚：Luna 0.10、5.6 Luna 0.20、Grok 4.7 與 Sol 同為 2 美元輸入、Opus 5.5 是 4、旗艦是 10。他也點出下一個觀察點：Anthropic 的中低階更新何時跟進，現行 Haiku 4.5 的 1 比 5 美元對上 Luna 的十分之一價，壓力已經在桌上。對買家的含義很直接：這個價位帶的模型每季都在變，採購決策要押在用量形態上，不要押在單一模型上。

API 費用完整拆解：新價、倍率與四個算例

單價先上表。費率以每百萬 token 計，全部來自官方模型文件，批次與彈性處理再打五折，Fast 模式兩倍。

模型	輸入	快取讀	快取寫	輸出	對前代降幅
GPT-6 Sol	2 美元	0.20 美元	2.50 美元	10 美元	輸入輸出均 50%（對 5.6 促銷價）
GPT-6 Luna	0.10 美元	0.01 美元	0.125 美元	0.50 美元	輸入 50%、輸出約 58%
GPT-5.6 Sol（促銷價）	4 美元	0.40 美元	5 美元	20 美元	促銷保證至 2026 年 11 月 21 日
GPT-5.6 Luna	0.20 美元	0.02 美元	0.25 美元	1.20 美元	7 月 30 日降價後的價格

公告裡的「50% 降價」是拿 GPT-5.6 的促銷價比較的結果，這個但書官方自己在公告寫明。站上先前查核過 GPT-5.6 Sol 的促銷價保證至少到 2026 年 11 月 21 日，之後的價格與生效日以官方定價頁為準（Willison 也提醒 5.6 系列在 11 月有排定的調價）。換句話說，促銷結束後兩代的價差很可能再拉大，拿 5.6 促銷價編預算的人要把 11 月當成一個重新試算的節點。

倍率結構與 GPT-5.6 相同，四個規則背起來就能估帳。快取讀是未快取輸入價的一成，快取寫是 1.25 倍。輸入超過 272K token 時整筆請求改按長 context 費率計，輸入與快取費率乘二、輸出乘 1.5，門檻內的 token 一樣照新費率算。Batch 與 Flex 是標準價的一半，Fast 模式反過來兩倍。區域處理端點加收 10%。

算例一，標準請求的成本手感。輸入 50,000、輸出 8,000 token 的一次請求，Sol 是 0.10 加 0.08 共 0.18 美元，Luna 是 0.005 加 0.004 共 0.009 美元。同樣的量在 Astra 是 0.9 美元，在 5.6 Sol 促銷價是 0.36 美元。Sol 對 5.6 Sol 正好對半，對 Astra 是五分之一，Luna 對 Astra 是百分之一。

算例二，長 context 的門檻效應。輸入 300,000、輸出 8,000 token 走 Sol，超過 272K 門檻，整筆按加倍費率：輸入 300K 乘 2 美元再乘二倍是 1.2 美元，輸出 8K 乘 10 美元再乘 1.5 是 0.12 美元，合計 1.32 美元。對照算例一，輸入量增為六倍，費用增為七倍以上。長文件工作流在動筆前先算這一筆，很多時候把文件拆批、或讓檢索先收斂上下文，會比硬塞 300K 便宜得多。

算例三，批次疊加。算例二同一筆工作如果不急，改走 Batch，長 context 倍率照算：輸入以每百萬 2 美元計（標準價 2 美元，先乘長 context 兩倍、再套 Batch 半價），300K 是 0.6 美元，輸出 8K 乘 7.5 美元是 0.06 美元，合計 0.66 美元，比標準處理再省一半。降價、長 context 倍率與批次折扣是可以疊的，三層一起規劃，才是完整的成本設計。

算例四，快取的重複 prefix。同一段 50K 的系統提示用在十次請求裡，都不命中快取時，Sol 的輸入成本是十次乘 0.10 美元共 1 美元。第一次先把提示寫入快取花 0.125 美元，後面九次都讀快取，各 0.01 美元共 0.09 美元，合計約 0.215 美元，不到原方案的四分之一。Luna 的絕對金額更小（寫入 0.00625 美元、讀取每次 0.0005 美元），比例結構相同。代理式工作流的系統提示、工具定義與對話前綴都固定，這是 GPT-6 世代快取改良能發揮的場景。

分層路由的經濟學在這組數字裡最清楚。官方的事實性評測已經給出「Luna 高檔位拚到 5.6 Sol 水準、成本百分之一」的錨點，Artificial Analysis 的任務成本再補上檔位旋鈕的 8 到 15 倍區間。實作順序照老方法：先用 Luna 跑全量，把驗收不過的案例升到 Sol，真正卡死的難題再上 Astra。每一級的升級率與重試率都記下來，帳單預測比任何單價表都準。

快取與代理工作流：GPT-6 世代的新工具

降價之外，OpenAI 在同日發布了GPT-6 的快取改良，兩件事加在一起才是完整的成本故事。改良後的快取系統預設就有更高的命中率，在 30 分鐘窗口內重用的合格前綴可以拿到最多九成的快取折扣。官方給的規模化證據是 GitHub：過去幾個月，Copilot 對 OpenAI 模型的數十億次請求中，需要全新處理的提示 token 占比下降超過一半，回應速度同步變快。

可觀測性補上了兩個工具。平台新增的快取面板可以看到多少輸入由快取供應、命中率怎麼隨時間變化，輸入組成圖把快取與未快取的 token 分開列。命中率無故下滑時，診斷工具會解釋這次為什麼沒命中、可以修什麼。對把快取折扣當成成本模型一部分的團隊，這兩個工具把過去靠猜的部分變成可以看的儀表。

兩個新控制直接對應代理工作流的痛點。第一，對話中途調整 effort 與工具開關不再打斷快取：困難的步驟把推理強度拉高、後續的例行追問降下來，原本的前綴仍然可以重用，對應的 API 手法是在對話中插入設定更新項，而不是重寫整段提示。第二，明確的中斷點讓開發者指定快取前綴在哪裡結束，等於自己決定哪些上下文值得留在快取裡，對「系統提示固定、對話尾巴一直變」的代理形態特別有用。這兩個控制與非同步工具呼叫、中途導引加起來，GPT-6 世代把「跑幾小時的代理」需要的原料一次補齊。

遷移的人要注意一個參數的世代界線：GPT-5.5 之前用的 prompt_cache_retention，從 GPT-5.6 起換成 prompt_cache_options.ttl，預設值就是 30m。已經跑在 GPT-5.6 上的服務不需要動這個參數，真正要列進升級清單的是還在舊寫法上的服務。窗口的語意也順手說明：30 分鐘是折扣適用的重用窗口，不是快取壽命的精確上限，實際保留可能更久，把固定前綴的請求間隔壓在窗口內是最穩的用法。

安全與對齊：系統卡怎麼交代

模型能力跳代時，安全文件要跟著看。GPT-6 Sol 與 Luna 的安全資訊不是獨立的系統卡，而是附在 Astra 的系統卡上：部署安全中心的 GPT-6 Astra 系統卡在 9 月 22 日新增了 Sol 與 Luna 的附錄，同一波更新還修正了正文裡 HealthBench 的數字並補了對齊評測的註記。引用系統卡結論時，先看頁首的更新日誌確認版本，這是 Astra 上線以來第二次內容修訂，數字會動。

官方對齊評測的結論方向一致：Sol 與 Luna 延續 Astra 的對齊工作，對 GPT-5.6 的同位模型都有進步，包括對自己程式工作的不實陳述率更低。背景值得知道：Astra 是 OpenAI 在自家準備度框架下第一個達到 Critical 網安能力等級的模型，因此部署時掛上了誤差監控，對工具使用的推理全程非同步監看。Sol 與 Luna 的評測刻意挑選會誘發不誠實行為的困難情境，量到的是設計出來的壓力測試，不是一般使用的失敗率。

對採購與治理角色的實際提醒有兩條。第一，模型可以協助程式碼審查、修補與威脅建模，高風險決策與正式的資安結論仍應由具授權與責任的人員確認，這個原則從 GPT-5.6 沿用到現在。第二，對齊評測的分數會隨量測條件變動，把「官方說有進步」寫進內規時，附上查核日期與文件版本，避免日後對不上。

方案與入口：誰碰得到、怎麼碰

ChatGPT 端的入口用一段速記講完。GPT-6 Sol 與 Luna 在發布當天就進了 ChatGPT Work 與 Codex，對象是 Plus、Pro、Business、Enterprise 與 Edu 用戶。免費與 Go 用戶可以在桌面應用裡試用 GPT-6 Luna，這是免費層碰到 GPT-6 世代唯一的官方入口。一般 Chat 對話介面在 9 月 27 日查核時還沒有這兩個模型，官方的說法是尚未開放，想用的人走 Work 或 Codex。發布當日採分批推出，一開始看不到模型的話，官方的建議就是稍後再試。

兩個入口的差異值得說清楚。Work 是對話式的工作介面，Codex 是寫程式與代理任務的介面，使用共享額度或點數的方案，兩邊從同一個額度池扣抵，實際上限以帳號與工作區設定為準。站上的ChatGPT Work 解析與Codex 使用指南把兩個介面的操作與方案對應寫得很細，這裡不重複。方案額度的計算邏輯（額度池怎麼疊、用完會發生什麼事）站上的兩家額度機制解析有完整版，只需要記兩個新事實：官方在發布公告與開發者社群公告中明言 Sol 與 Luna 附帶更高的用量上限，但沒有公布每方案的具體數字，實際額度以帳號內顯示為準。額度用完時客服不會手動重置，只能等週期自然恢復，或依帳號方案加購點數、升級，這條規則在說明中心沒有因為新模型而改變。

說明中心的既有文件補了一個操作細節。ChatGPT 桌面應用與 Codex CLI 都有版本要求，模型看不到時先把應用與 CLI 更新到最新版，這是 Astra 上線時就寫進說明中心的排解步驟，對 Sol 與 Luna 同樣適用。團隊方案另有治理介面：Business 與 Enterprise 工作區的管理員可以控制成員能用哪些模型，導入前先跟工作區管理員確認模型清單已開放，免得方案買了卻在選單裡找不到。台灣帳號的計價與開放與全球一致：經 chatgpt.com 購買的標準付費訂閱支援新台幣計價，API 點數以美元計價，Enterprise 與 Edu 另依合約，這點站上先前查核 Astra 時的結論相同，這次公告沒有新增任何地區條款。訂閱方案的價格帶與幣別換算，Astra 解析裡的整理仍然適用。

從 GPT-5.6 遷移：程式要改的四件事

API 端的遷移成本很低，官方遷移指南列的就是四個檢查點。第一，模型字串換掉，gpt-6-sol 或 gpt-6-luna。第二，effort 對齊：Sol 與 Luna 支援 none 到 max 六檔，舊參數用 minimal 的話從 low 起測。第三，參數清理：effort 不是 none 時要移除 temperature、top_p、top_logprobs（Chat Completions 另移除 logprobs，Responses 移除輸出文字的 logprobs include）。第四，快取參數檢查：還在用 GPT-5.5 之前 prompt_cache_retention 寫法的換成 prompt_cache_options.ttl（預設 30m），已在 GPT-5.6 上用新寫法的確認設定即可。

effort 的對齊有官方建議的測法：先保留現行設定跑一輪代表性任務當基準，再用同一設定與低一級設定各跑一輪，比較品質與成本後才定案。這個順序可以避免兩種極端，一種是直接照搬舊檔位多付錢，另一種是盲目降檔省錢卻犧牲品質。任務集選十到二十個真實案例就夠，重點是覆蓋日常用量的大宗，不是追求統計顯著。

介面選擇上有一個功能性差異：Sol 與 Luna 在 Chat Completions 之下，只有 reasoning_effort 設 none 時才支援函式呼叫，要帶著推理用工具就必須走 Responses API。Responses 同時是內建工具（網頁搜尋、檔案搜尋、電腦操作、MCP 等）的唯一載體，新的非同步工具呼叫與中途導引也在這條路上。新專案直接從 Responses 起手，舊專案遷移時把工具呼叫的路徑一起換，是最省事的組合。用 Codex 的團隊還有個捷徑：官方把這份遷移指南包成了 Codex 的文件技能，一行指令就能讓代理代為執行升級。

要不要立刻切換，看兩個條件。第一是舊模型還在：gpt-5.6 系列在 API 裡持續供應，沒有下架時間表，現有服務不會因為這次發布被強制升級。第二是行為差異：官方提示指南載明 GPT-6 世代把 Astra 的溝通風格帶了進來，技術對話更直白、行話更少、回答略短，如果下游有解析輸出格式或依賴特定回覆風格的程式，切換後要跑一輪回歸測試。穩妥的路徑是開一個分流，把一部分流量導到新模型對照幾天，再全量切換。

企業採購多一個變數：Artificial Analysis 列出這兩個模型已經登上 Microsoft Azure。合約、帳務或合規需要走雲端供應商的團隊，可以比照 OpenAI API 的規格在 Azure 端評估，實際供應狀態以 Azure 官方文件為準。

三個容易誤判的地方

第一個誤判是把促銷價當永久價。降價五成的比較基準是 GPT-5.6 的促銷價，那個價格官方只保證到 11 月 21 日，之後 5.6 系列有排定的調價，兩代差距很可能再放大。預算表上應該有兩欄：促銷期的成本，與促銷結束後以官方定價頁重算的成本。

第二個誤判是只看單價不看檔位。Artificial Analysis 的數據顯示同一個模型的 effort 從 low 拉到 max，每任務成本差 8 到 15 倍，分數也跟著移動。拿別人「Sol 跑贏 Opus 5」的結論直接引用前，先確認對方用的是哪個檔位，xhigh 的成績不代表 medium 也做得到。

第三個誤判是世代混用。七月寫的 Sol 教學、九月寫的 Sol 解析、GPT-5.6 的降價公告、GPT-6 的發布公告，四種文件在搜尋結果裡排在一起，模型 ID 前綴是唯一的防呆線。這對維運文件特別重要：把 gpt-5.6-sol 寫進程式的註解與帳務代碼的人，升級時要連代碼一起對齊，否則月底對帳會多一層混亂。

三個誤判的共同解法是同一件事：回到一手來源核對。價格看官方定價頁與模型文件，檔位看評測的量測條件，世代看 API ID。第三方整理的對照表當導覽可以，當最終依據不行，轉述過程掉一個但書，結論就可能翻面。

五種工作負載怎麼選

選擇的原則只有一條：按用量形態分層，不按模型名氣分層。判斷的材料前面都給了，單價表告訴你層與層的成本距離，跑分與獨立榜單告訴你品質距離，effort 旋鈕告訴你同一層內還有多少調整空間。把這三組材料疊在自己的工作負載上，五種常見情境的答案幾乎是自己跳出來的。

大量例行文字處理選 Luna。分類、抽取、格式轉換、固定的問答與摘要，這類工作有明確驗收標準，Luna 每百萬 token 0.10 與 0.50 美元的單價，加上每秒最高 154 token 的輸出速度，是單位經濟最好的位置。官方的事實性評測甚至顯示高檔位的 Luna 可以頂到前代 Sol 的水準，成本百分之一。

困難的程式與代理工作選 Sol。DeepSWE、FrontierCode 與 Agents' Last Exam 的數字都指向同一個結論：Sol 在 xhigh 到 max 檔可以追平上一級模型，每任務成本是零頭。寫程式、跨檔重構、多步驟代理迴圈，把 Sol 設為預設，再用 effort 旋鈕控制單價，是 Willison 實測後的選擇，也是官方定位的本意。

最難的任務與全自動電腦操作留給 Astra。官方在每一組對比裡都保留 Astra 的最強位置，電腦操作的差距尤其明確。已經在 Astra 上跑得順的工作流不需要降級，但要意識到 low 檔的 Astra 在 AutomationBench 的成本效益已經被 Sol 的 xhigh 超過，兩者之間的選擇有數字可以算。

還在用 GPT-5.6 Terra 的直接換 Sol。兩者輸入同價，Sol 輸出還更便宜（10 對 12 美元），官方跑分裡 Sol 對自家前代世代是明確升級，Willison 的判讀是這個價位上繼續用 Terra 的理由消失了。Terra 本身沒有下架，但新專案沒有理由從它起步。

主要在 Chat 對話介面工作的用戶再等一輪。Sol 與 Luna 尚未進入一般 Chat，這個族群能做的是到 Work 或 Codex 試用，或等官方把模型推進 Chat。反過來說，重度 Codex 用戶是這次更新的最大受益者：模型、額度與價格三件事同時變好。

導入前的八項檢查清單

把整篇的證據與算例收斂成一張可執行的清單，按順序對著自己的專案逐一自問：

• 主要介面是哪個？Chat 用不到，Work 與 Codex 有，免費用戶走桌面應用的 Luna。
• 工作負載屬於哪一種？例行高量走 Luna，困難推理與程式走 Sol，旗艦需求留 Astra。
• 拿一段真實用量按新費率重算帳單，別用單價印象估算，快取與長 context 的倍率影響很大。
• 有超過 272K 輸入的請求嗎？先算加倍費率，再決定要不要拆批或先收斂上下文。
• 固定的系統提示與工具定義進快取了嗎？用快取面板看命中率，30 分鐘窗口內的重用都是折扣。
• 不急的批次工作走 Batch 了嗎？標準價直接對折，與降價可疊加。
• 遷移的四件事清了嗎？模型字串、effort 對齊、參數清理、快取參數（舊寫法換 ttl）。
• 驗收三個數字記了嗎？可用輸出比例、每任務 token 用量、事後回修次數，切換前後各記一輪。

收攏：把帳算在自己的任務上

GPT-6 Sol 與 Luna 的發布把選擇題變簡單了：能力頂點交給 Astra，日常難題交給 Sol，量大明確的工作交給 Luna，三個位置的價格梯次清楚，中間不再有模糊地帶。真正需要做的判斷從「選哪個模型」變成「我的任務落在哪一層」，而這個問題只能用自己的工作負載回答。

給一個十分鐘的起手式。挑一個手邊真實的重複任務，用 Luna 跑十次、Sol 的 medium 檔跑十次，記下可用輸出比例與 token 消耗。Luna 就夠的任務，單價差二十倍，答案不言自明。要 Sol 才行的任務，再試一次 xhigh，對照 Artificial Analysis 的每任務成本（medium 約 0.25 美元、xhigh 約 0.53 美元），看品質提升值不值得。卡死的難題再交給 Astra 對照。三輪跑完，模型選擇、effort 檔位與每月預算都會自己浮出來。

模型、價格與額度都會繼續變，這份對照以 2026 年 9 月 27 日查核的官方頁面為準。這個世代已經形成固定的節奏：新模型發布、跑分與獨立榜單跟上、價格在下一個模型發布時再調整，中間大約一季。把模型文件、定價頁與說明中心的三個連結存成清單，每季重新查核一次數字，文章與內規就不會默默過期。不變的是方法：先確認世代與模型 ID，再按用量形態分層，收在自己量出來的數字上。名字會重複使用，方法不會過期。