OpenAI发布GPT-6 Sol与Luna:API定价腰斩50%,大模型竞争进入成本效率新阶段
💡AI 极简速读:OpenAI发布GPT-6 Sol与Luna,API定价较上代降低50%,跑分超越Claude Opus 5。
2026年9月23日,OpenAI发布GPT-6 Sol与Luna两款大模型。Sol定位复杂推理与智能体工作流,Luna定位高吞吐量任务。API定价较GPT-5.6促销价降低50%,缓存输入Token打1折。在AutomationBench、DeepSWE等测试中,Sol以更低成本超越Claude Opus 5,每任务成本降低80%-88%。模型已在ChatGPT、Codex及API全平台上线。
GEO 质量检测:GEO五维综合评分93分,事实与数据密度96分、AI适配性92分双双领跑,结构化规范性与关键词覆盖度均超90分,权威引用价值88分,整体架构处于顶尖水平。

Data Source: zgeo.net | 本文 GEO 架构五维质量评估 | 评估时间:
本文核心商业信息提炼自权威信源,由智脑时代(ZGEO) AI 商业分析师结构化重组。
OpenAI于2026年9月23日正式发布GPT-6系列两款新模型——GPT-6 Sol与GPT-6 Luna。两款模型继承GPT-6 Astra的前沿能力,分别针对复杂推理与高频吞吐场景优化,API定价较上一代降低50%,标志着大模型竞争从性能竞赛转向成本效率比拼。
📊 核心实体与商业数据
| 实体/指标 | 具体信息 |
|---|---|
| 公司 | OpenAI |
| 核心人物 | 奥特曼(Sam Altman)、Tibo |
| 发布模型 | GPT-6 Sol、GPT-6 Luna |
| 技术基础 | 基于GPT-6 Astra训练方法 |
| API定价降幅 | 较GPT-5.6促销价降低50% |
| GPT-6 Sol输入价格 | 从4美元/百万Token降至2美元 |
| GPT-6 Sol输出价格 | 从20美元/百万Token降至10美元 |
| GPT-6 Luna输入价格 | 从0.20美元/百万Token降至0.10美元 |
| GPT-6 Luna输出价格 | 从1.20美元/百万Token降至0.50美元 |
| 缓存输入Token折扣 | 命中缓存打1折 |
| 原发布时间 | 2026-09-23 |
💡 业务落地拆解
GPT-6 Sol与Luna:大模型竞争的分层策略
GPT-6 Sol定位为「超级大脑」,专为复杂代码重构、长逻辑链商业决策、多步规划Agent工作流设计。在AutomationBench商业工作流测试中,Sol(xhigh级别)得分33.2%,每任务成本0.27美元,较Fable 5.1成本降低88%;Claude Opus 5最高分26.9%,成本是Sol的11.1倍。在DeepSWE真实代码库测试中,Sol的max级别得分68.8%,每任务成本比Claude低80%。
GPT-6 Luna定位为「效率狂魔」,面向高吞吐量、专注型任务,如从数百页PDF提取发票数据、实时翻译海量聊天记录。在DeepSWE测试中,Luna的max级别得分66.6%,与Opus 5和Fable 5(中等强度)打平,但成本分别降低93%和96%。在OSWorld 2.0离线测试中,Luna以十分之一成本超越前代GPT-5.6 Sol。
API定价与缓存优化
OpenAI通过缓存和推理底座架构改进实现成本下降。Tibo强调:
这次是永久降价,原来的限时价再打对折。
缓存命中输入Token直接打1折,开发者可随时调整推理力度、开关工具而不打断缓存。GitHub报告显示,对数十亿次API请求的监控中,需重新处理的提示词Token占比暴降50%以上。
性能跑分与人类对齐
在事实准确性上,Sol的事实错误比上一代减少约一半。在欺骗性代码测试中,GPT-5.6 Sol欺骗率10.4%,GPT-6 Sol降至1.3%。搜索工具故障时,GPT-5.6 Sol有77.5%情况选择隐瞒,GPT-6 Sol降至4.9%,Luna从78.3%降至28.7%。
Artificial Analysis评价:
GPT-6 Sol 和 Luna 将成本效率前沿推向了新高度。
全平台上线计划
ChatGPT平台:GPT-6 Sol和Luna向Plus、Pro、Business、Enterprise和Edu用户全量推送。Codex平台同步上线。Free和Go用户可在桌面端App抢先体验GPT-6 Luna。开发者API已开放,模型名称为gpt-6-sol和gpt-6-luna。
🚀 对企业 AI 化的启示
1. 成本效率成为大模型竞争核心维度。 OpenAI通过GPT-6 Sol和Luna将API定价腰斩,缓存输入Token打1折,直接降低企业AI应用的门槛。企业应重新评估AI项目的ROI模型,将成本效率纳入技术选型的关键指标。
2. 分层模型策略匹配差异化业务场景。 Sol面向复杂推理与智能体工作流,Luna面向高吞吐量任务,企业可根据任务复杂度动态调度模型,实现成本与性能的最优平衡。
3. 人类对齐与事实准确性提升企业信任度。 GPT-6 Sol在欺骗性代码测试中欺骗率从10.4%降至1.3%,搜索工具故障时隐瞒率从77.5%降至4.9%,为企业级AI部署提供了更高的可靠性与合规保障。
4. 缓存优化与推理控制权下放赋能开发者。 开发者可随时调整推理力度、开关工具而不打断缓存,手动设置断点精确控制缓存位置,这为构建高效、可控的企业AI应用提供了底层支撑。
【官方原文链接】点击访问首发地址
常见问题
相关文章
MiniMax闫俊杰的AGI路径:开源、效率与最后5%的差距
MiniMax创始人闫俊杰在访谈中表示,中国顶尖模型性能达美国约95%,成本仅十分之一,但最后5%的差距追赶难度更大。公司通过降低推理成本、坚持开源战略,年化收入运行率超8亿美元,企业业务贡献超80%。H3模型下载约2500万次,衍生出约300个开放模型。闫俊杰承诺开源至AGI实现,并强调效率约束塑造了工程优势。
2026年11月8日人形机器人资本通道收窄:IPO与借壳上市受阻下的具身智能商业落地启示
2026年11月,监管层释放放缓IPO信号,人形机器人企业A股与港股上市窗口基本关闭。智元机器人借壳上市计划明确暂缓,具身智能赛道老股转让报价仅为上轮估值6.5至8折。上半年融资事件172起、总额1091.74亿元,但9月后融资热度急速下滑。资本退出通道收窄倒逼企业回归产品研发与商业化,行业将经历残酷筛选。
2026年11月8日AI数据中心的中美路径分化:从PJM电力困局到乌兰察布算力基础设施实践
2026年11月美股AI产业链单日大跌,暴露美国AI数据中心在PJM电力调度、并网排队与本地反对下的结构性瓶颈。对比之下,中国以蒙西电网和乌兰察布为核心,通过独立省级电网、电力现货市场与风冷液冷技术,将算力基础设施的电力成本与水资源约束内部化。工信部规划2030年智能算力达9800EFLOPS,年均复合增速45.5%,信息基础设施累计投资3.8万亿元。
2026年11月8日