核心事件速览
OpenAI 于 2026 年 9 月 23 日正式发布 GPT-6 系列新成员——GPT-6 Sol 与 GPT-6 Luna。两款模型基于与 GPT-6 Astra 相同的训练方法打造，旨在将 Astra 的先进性能以更低延迟与成本提供。
关键硬信息如下：
- 发布时间：2026 年 9 月 23 日
- 新模型名称：GPT-6 Sol、GPT-6 Luna
- API 价格变化：较 GPT-5.6 促销价下降 50%
- 开放时间：即日起上线
- 可用渠道：ChatGPT Work、Codex（Plus 及以上用户可用）；免费用户与 Go 用户可在桌面端使用 Luna；Chat 通道暂未开放
- 模型 ID：API 中以
gpt-6-sol与gpt-6-luna提供 - 是否开放权重：文中未提及开源或权重开放信息
性能表现：多维度对齐 Astra 级能力
GPT-6 Sol 与 Luna 并非降级简化版，而是在多项专业场景中达到接近甚至超越前代旗舰的水平。
**自动化业务流程测试（AutomationBench）**中，GPT-6 Sol 在 xhigh 强度下性能优于 Claude Opus 5，成本仅为后者的 9%；GPT-6 Luna 在 high 强度下较前代提升 5.4%，单任务成本降低 58%。
**智能体能力（Last Exam）**方面，GPT-6 Sol 在 max effort 下得分 56.4%，超过 Claude Opus 5 的历史最高分，同时成本降低 60%。
令人意外的数据出现在计算机操作能力：尽管 OpenAI 明确指出 GPT-6 Astra 仍是其最强计算机操作模型，GPT-6 Luna 在 OSWorld 2.0 offline 测试中以 max effort 测得60.5% 分数——与 Claude Opus 5 的 medium effort（60.3%）接近，而成本仅为后者的约十分之一；GPT-6 Sol 在 xhigh effort 下得 60.5%，也逼近 Opus 5 medium effort 水平。同等性能下成本差距达到 80%~90%，构成本次发布最大反差：以中端模型实现旗舰级操作能力。
编程与可靠性升级
两款模型均针对 AI Coding Agent 工作负载优化，答案更简洁、技术表达更清晰，减少冗余术语与低价值细节。
编程测试表现：
- FrontierCode 1.1 Main：GPT-6 Sol 显著优于 GPT-5.6 Sol，以更低代价达到 Claude Fable 5.1 xhigh 水平
- DeepSWE v1.1：GPT-6 Sol 在 max effort 下得 68.8%，距 Fable 5 最高分（69.9%）仅差 1.1 个百分点，单任务成本低约 80%；GPT-6 Luna 单任务成本较 Opus 5 与 Fable 5 分别低约 93% 和 96%
事实可靠性方面，GPT-6 Sol 在真实对话评估中错误率约为前代一半，接近 Astra 级可靠性；Luna 事实准确性同步提升。
OpenAI 还强化了提示缓存机制，默认提供更高缓存命中率，使智能体能更高效复用上下文，降低重复推理成本。
价格与版本对比
下表汇总关键 API 价格与性能对比信息（仅限原文所述数据）：
| 场景 | 模型 | 性能对比 | 成本对比 |
|---|---|---|---|
| API 价格基线 | GPT-6 Sol/Luna | — | 较 GPT-5.6 促销价 -50% |
| AutomationBench xhigh | GPT-6 Sol vs Opus 5 | 优于 Opus 5 | Opus 5 的 9% |
| Last Exam max effort | GPT-6 Sol vs Opus 5 | 高于 Opus 5 历史最高分 | Opus 5 的 40%（-60%） |
| OSWorld 2.0 Luna max effort | 接近 Opus 5 medium effort | 60.5% vs 60.3% | Opus 5 的 约 10% |
| DeepSWE v1.1 Sol max effort | 68.8% vs Fable 5 最高 69.9% | -1.1 个百分点 | Fable 5 的 约 20%（-80%） |
| DeepSWE v1.1 Luna max effort | 接近 Opus 5/Fable 5 medium effort | 中端表现 | Opus 5 的 7%（-93%）；Fable 5 的 4%（-96%） |
落地建议
- 推荐立即使用：对成本敏感、但对智能体任务（尤其是编程、跨应用流程自动化）有稳定性能需求的开发者与企业，GPT-6 Sol 与 Luna 是高性价比选择；特别是 Luna 作为免费用户可用入口，适合作为轻量代理的训练与测试模型。
- 建议继续观望或使用 Astra：若任务极度依赖计算机操作稳定性（如复杂 UI 交互、多软件协同控制），GPT-6 Astra 仍是官方唯一强推荐模型；追求“无妥协体验”的专业场景仍应选 Astra。
写在最后
GPT-6 Sol 与 Luna 的发布标志大模型市场正从单一旗舰策略转向分层供给：以价格杠杆释放性能冗余，让中等强度智能体任务规模化落地成为可能。当成本下降一个数量级而性能仅轻微降级，行业应用的临界点正在到来。