GPT-6 Luna vs Sol vs Astra：按单任务成本选档位

OpenAI 于 2026 年 9 月 22 日发布 GPT-6 Sol 和 GPT-6 Luna，与 GPT-6 Astra 一同组成三档模型家族。大多数团队做的第一件事是打开定价页，看到 Luna 旁边的 $0.10 和 Astra 旁边的 $10，然后断定顶档贵一百倍。

这个数字是真的，但它也是错误的计量单位。你不会把 token 交付到生产环境。你交付的是完成的工作：一个被解决的工单、一个被迁移的文件、一个被跑完的浏览器任务。推理模型自己决定这件事要花多少 token，而你传入的 effort 等级会让这个答案相差一个数量级。一个跑在最大 effort 的便宜模型，每个完成任务的成本可能高于一个快速作答的贵模型。

这篇是 GPT-6 时代对我们此前《GPT-5.6 Sol vs Terra vs Luna》对比的接续。那篇文章按每百万 token 的价格比较各档，对那一代模型来说那是正确的单位。这一篇按单任务成本比较，因为 OpenAI 自己就是用这个单位来论证新模型的。

AI Coding 交流群

如果你也在用 AI 写代码，或者正在研究 Cursor、Claude Code 这些工具，欢迎加入以下交流群。群里平时会聊一些 AI 编程的实际用法、开发工作流，还有各种新工具和新玩法。

纸面上的三个档位

这张表里有两处会让人意外。

第一，Luna 的上下文窗口是三档中最大的。家族里最便宜的模型能吃下整整一百万 token，而 Sol 到 872k 就封顶了。如果你的工作负载是“大量阅读、少量决策”，那么受约束的并不是这个预算档。

第二，Astra 那一行有空缺。Sol 和 Luna 的发布帖没有重申 Astra 的上下文窗口，也没有重申它的缓存读取费率，Astra 同样没有与其他两者并列公布 Artificial Analysis 指数得分。这些是素材里的空白，不是零。

Sol 和 Luna 都被描述为比 GPT-5.6 便宜 50%，而 OpenAI 自己的措辞是：这项对比针对的是 GPT-5.6 的 promotional 价格。这个限定语足够重要，我们专门为它写了一篇拆解。与我们当时记录下的 GPT-5.6 标价相比，降幅比标题更大。

为什么每 token 价格不再能预测你的账单

在费率表和账单之间，隔着三个彼此独立的乘数。

Reasoning tokens are output tokens. 模型在作答前先思考，而这些思考按输出费率计费，输出费率是输入费率的五倍——三个档位都是如此。一个用 8,000 token 推理换来 200 token 答案的任务，按 8,200 token 的答案计费。

Effort level is a dial, not a flag. OpenAI 的基准测试表按 effort 设置分别报告结果：low、medium、high、xhigh、max。就预算而言，同一模型在 max effort 和 low effort 下，是两个不同定价的不同产品。

Agent loops resend the prompt. 一个十二步的 agent 在每一步都会重发它的系统提示、工具定义和累积的历史。除非缓存把它吸收掉，输入量会随步数呈二次增长——这正是 GPT-6 随模型一同发布缓存更新的原因：缓存输入读取享 90% 折扣，并且变更 reasoning effort 或工具不再使前缀失效。

把这些放到一个真实的 agent 任务上：十二次模型调用、40k token 的 prompt 前缀、每次调用 2k 输出 token。假设第一次调用按完整输入价付费，其余十一次从缓存读取该前缀。

标称的输入价格比是 1:20:100。一旦把缓存算进来，差距会拉大到约 1:20:294，也可能又压缩回 1:20:100，完全取决于发布表格没有给出的那个 Astra 缓存读取费率。仅这一个未知数，就能让顶档的单任务成本变化三倍。在围绕 Astra 编预算之前，先弄清楚你的账户上这个数字是多少。

OpenAI 自己的单任务成本数字说明了什么

发布帖把分数和相对成本放在一起公布，这才是最有用的部分。在 AutomationBench 1.0.6 上：

请慢慢读最上面这一对。中档在 xhigh effort 下比旗舰在 low effort 下高 2.9 分，而单任务成本约为其四分之一。以 $0.27 为基准，这让 low effort 的 Astra 落在接近 $1.05 的位置——这是基于 OpenAI 给出的乘数做的算术，不是 OpenAI 印出来的数字。

同样的形态在别处反复出现：

• Agents’ Last Exam V1：Sol 在 max 下得分 56.4%，高于 Claude Opus 5 的最好成绩，单任务成本低 60%。
• DeepSWE 1.1：Sol 在 max 下达到 68.8%，与 xhigh 下的 Claude Fable 5 相差 1.1 分，单任务成本约低 80%。Luna 在 max 下达到 66.6%，与 medium effort 下的 Opus 5 和 Fable 5 相当，单任务成本比 Opus 5 低 93%、比 Fable 5 低 96%。
• OSWorld 2.0 offline：Sol 在 xhigh 下得分 60.5%，对比 medium 下 Opus 5 的 60.3%，单任务成本便宜约 80%。Luna 在 max 下以十分之一的成本击败 medium 下的 GPT-5.6 Sol。
• Factuality：Sol 的错误约为前代的一半。更高 effort 的 Luna 与 GPT-5.6 Sol 持平，成本约为其百分之一。
• Cost movement within the tier：Luna 在 high effort 下比自己的前代高 5.4 分，单任务成本低 58%。

有两点必须诚实说明。上面每一个对比都是针对 Claude Opus 5 写的，因为 Anthropic 在同一天发布了 Opus 5.5，而 OpenAI 的帖子早于它。另外，那张表里的 Astra 数字只是一个 low effort 的数据点；OpenAI 明确表示 Astra“在所有方面仍然是我们最好的模型”。这里没有任何一句说 Astra 输了。它说的是：用 low effort 的 Astra 去买 30.3%，是一种昂贵的方式。

消失的那个档位，以及发生位移的那个

GPT-5.6 是 Sol、Terra 和 Luna。GPT-6 是 Astra、Sol 和 Luna。没有 GPT-6 Terra。

这不是把老的中档改个名。Astra 的位置在 GPT-5.6 Sol 之上，而 GPT-6 Sol 以远低于该档位名称历史费率的价格，继承了中间的位置。如果你的代码今天固定使用 gpt-5.6-terra，那么按角色对应最接近的 GPT-6 模型是 Sol，而不是某个同名的继任者。我们那篇命名解释如今已经成为代际历史，而不是当下的对照表。

两个沿用下来的名字，它们的价格谱系：

同样的名字，不同的模型，不同的成本结构。你的配置里任何把档位名称当作稳定能力等级来处理的地方，都需要重新读一遍。

如何选档位

第四行里的路由模式才是真正省钱的那个。先跑便宜档，用程序校验输出，只把失败的部分升级。如果 Luna 以每个任务 $0.02 清掉队列的 80%，Sol 以 $0.41 收拾剩下的，你的混合成本大约是 $0.10，而不是 $0.41。

在你假设便宜档同时也是快档之前，先看一条关于延迟的脚注。第三方机构 Artificial Analysis（不代表两家厂商中的任何一家）测得，Sol 的 max reasoning variants 为 115.2 输出 token/秒、首 token 时间 102.15 秒，Luna 为 153.9 token/秒、首 token 时间 124.23 秒。这些都是 max effort 下的数字，不能用来描述一次 low effort 的调用。两分钟的首 token 时间对 API 契约意味着什么，我们在那篇延迟文章里拆解过。

在你自己的流量上测量

厂商的单任务成本数字来自厂商自己的测试框架。你的会不一样，而唯一能决定事情的对比，是在你自己的 prompt 上跑出来的那个。

每个响应里的 usage 字段都带着你需要的东西：

{
  "model": "gpt-6-luna",
  "usage": {
    "input_tokens": 41200,
    "input_tokens_details": { "cached_tokens": 39800 },
    "output_tokens": 2140,
    "total_tokens": 43340
  }
}

那一次调用按 Luna 费率计算的成本：1,400 未缓存输入按 $0.10/M，39,800 缓存输入按 $0.01/M，2,140 输出按 $0.50/M。即 $0.00014 加 $0.000398 加 $0.00107，约为 $0.0016。要乘上任务需要的调用次数，而不是任务数量。

三条规则让测量结果可信：

1. Count whole tasks, not calls. 把一次运行中每一步的 usage 都加起来，包括重试和失败的那些。
2. Hold effort constant per row. 一张 Luna-at-max 对比 Sol-at-low 的表，如果你不在表头里说明，它就什么也告诉不了你。
3. Log the cached token count separately. 在冷缓存上跑的档位对比会美化贵的那个模型，因为便宜模型的优势在重复前缀上最大。

实际操作中，这就是一个保存下来的请求、一个用于模型 id 的变量，以及对 usage 字段的一条断言。Apifox 很擅长处理这种形态：把调用定义一次，通过环境变量切换模型，再把这个集合当作测试场景来跑，这样 usage 数字会落进一份报告，而不是三个终端窗口。同一个场景还能在某个档位调价时当作回归检查——按这个发布节奏，那不过是几个月内的事。

简要版本

按 token 算，Luna 的输入价格比 Astra 便宜一百倍。按任务算，在 OpenAI 自己公布的基准测试上，排名就没那么干净了：Sol 在 xhigh effort 下于 AutomationBench 击败 low effort 的 Astra，而成本约为其四分之一；Luna 在 max effort 下与单任务成本高它十倍的模型已经相差无几。

从 Luna 起步，失败就升级，把 Astra 留给那些答错比答慢代价更高的工作。然后自己去测量，因为上面每一个数字都是在别人的工作负载上产生的。

想了解同一 48 小时内两场发布的全景，见我们的《2026 年 9 月 AI 模型价格战》综述。

开发必备：API 全流程管理神器 Apifox

介绍完上文的内容，我想额外介绍一个对开发者同样重要的效率工具 —— Apifox。作为一个集 API 文档、调试、设计、测试、Mock、自动化测试于一体的工具，Apifox 是目前提升研发效率的首选。

如果你正在开发项目，不妨试试其极其友好的界面设计，它完全兼容 Postman 和 Swagger 数据格式，导入数据非常方便，，即使是新手也能很快上手，点击这里即可注册使用。

值得一提的是，除了个人和常规团队使用，针对有高安全合规要求、或需要在内网环境协作的企业，Apifox 还提供了深度定制的私有化部署方案。

获取专属报价与部署方案

详细的私有化部署系统架构与安全白皮书

针对您公司规模的专属报价单

免费的 1v1 专属产品演示 (Demo) 机会

获取部署方案

* 提交后，我们的客户经理将在 1 个工作日内与您联系

林俊锋 企业微信

@Apifox 专属顾问

扫码备注: 私有化 + 公司名