GPT-6 Sol

概述

GPT-6 Sol（API 模型 ID gpt-6-sol）是 OpenAI 于 2026 年 9 月 22 日（美西时间；国内报道多在 9 月 23 日）发布的 GPT-6 家族中阶模型，与同日发布的轻量款 GPT-6 Luna 一起补齐了产品矩阵。至此 GPT-6 形成旗舰 Astra → 中阶 Sol → 轻量 Luna 的三档结构。

一句话概括它的意义：把 Astra 那代的能力，压到一个能日常跑的价格。 官方原话是「Sol 和 Luna 建立在 Astra 背后的进展之上，把它的大部分优势带进更快、更负担得起的模型，以支撑规模化工作」，并把降价直接归因于缓存与推理效率的提升。

2026-09-24 更新（本站前情修订）：此前 GPT-6 Astra 模型卡 中「GPT-6 Sol 尚未获官方确认」的判断已作废——OpenAI 已于 2026-09-22 在官方开发者社区正式公告 Sol 与 Luna 上线，本卡为取代该待核实条的正式条目。

三档定价对照（官方定价页 / 公告）：

核心能力

定位：Sol 写代码，Luna 跑批量

官方模型页给了非常直接的分工：

• Sol —— 面向复杂编程与 agentic 工作流：实现功能、代码审查、调试、数据分析这类需要多步推理的活；
• Luna —— 「我们最高效的模型」，面向定义清晰、量大的常规任务：文档摘要、信息抽取、快速问答。

两者规格一致：1,050,000 token 上下文窗口、128,000 最大输出；知识截止 Sol 为 2026-04-20、Luna 为 2026-05-18。输入支持图片，输出仅文本，不支持音频与视频。

reasoning effort 六档

none / low / medium（默认）/ high / xhigh / max。默认 medium 是个重要信号：OpenAI 认为多数任务不需要拉满推理档就能拿到可用结果，成本因此可以下探。

一个容易踩的接口约束：要用内置工具与 function calling，官方推荐走 Responses API；Chat Completions 仅在 reasoning_effort=none 时支持 function calling。老代码直接换 model id 可能静默失效。

可靠性：官方口径的「错误减半」

OpenAI 称在内部事实准确性评估（基于用户实际报错的真实对话）中，GPT-6 Sol 的错误量约为上一代的一半，并强调两款模型在安全对齐评估上也有改善，包括减少对自己编程工作作出误导性陈述。

同时官方给了一句必要的降温：这些评估刻意设置了具有挑战性的情境，结果不能直接视为日常使用中的错误率。把它当「相对改善」而非「绝对错误率」来读。

成本：AutomationBench 的性价比账

腾讯新闻援引 OpenAI 公布的结果（AutomationBench，覆盖 47 种工具的销售/营销/运营/客服/财务/HR 工作流）：

口径提示：该组数字为 OpenAI 自报，与 Anthropic 官方发布表中 AutomationBench 的口径不同（Anthropic 表列 Claude Opus 5.5 40.0%、GPT-6 Astra 41.4%，由 Zapier 运行且把 safeguard 干预计为失败）。跨厂商对比时必须写明「谁跑的、什么档位、什么规则」，裸比分没有意义。

API 调用示例

from openai import OpenAI

client = OpenAI(api_key="sk-...")

# 推荐 Responses API：内置工具与 function calling 的完整支持
resp = client.responses.create(
    model="gpt-6-sol",
    reasoning={"effort": "medium"},   # none/low/medium(默认)/high/xhigh/max
    input="审查这段鉴权代码，列出问题并给出补丁",
)
print(resp.output_text)

# Chat Completions 下若要 function calling，必须显式把 effort 设为 none
resp = client.chat.completions.create(
    model="gpt-6-sol",
    reasoning_effort="none",
    messages=[{"role": "user", "content": "提取这段文本里的所有订单号"}],
    tools=[...],
)

定价（2026-09-24 核对）

OpenAI 把这轮降价称为永久性下调（区别于限时促销）。配套的缓存改动对 agent 场景影响更大：调整 reasoning effort 或工具可用性不再使缓存失效，并新增了 Prompt Caching Dashboard 与 miss Diagnostics 用于定位缓存未命中的原因——长会话 agent 的成本大头本就在缓存读，这条比标价下调更值钱。

待核实：有汇总报道称 OpenAI 产品线中最便宜的 Terra 档已下线。该说法未见 OpenAI 官方公告确认，本站不据此给出迁移建议，请以官方定价页为准。

适合 / 不适合

适合

• 需要 Astra 级别可靠性但预算只到中阶档的编程 / agent 流水线；
• Codex CLI、ChatGPT Work 的日常主力；
• 长上下文批处理：大仓库分析、多文档综合（1.05M 窗口）；
• 想通过 effort 档位做成本分层的团队（简单任务 low、难关 xhigh）。

不适合

• 追求绝对能力上限——那仍是 GPT-6 Astra；
• 需要图像 / 音频 / 视频输出（仅文本输出）；
• 已经在 Chat Completions 上重度依赖 function calling 且不愿改 Responses API 的存量代码；
• 高频跑量——GPT-6 Luna 便宜 20 倍。

避坑清单

1. 别只换 model id 就上线：Chat Completions 下的 function calling 受 reasoning_effort=none 限制，工具调用场景改走 Responses API。
2. 默认 effort 是 medium：追求质量要显式上调，追求成本要显式下调——不写就是 medium。
3. 缓存失效规则变了但别盲信：新规则是「改 effort / 工具不失效」，实际命中率用 miss Diagnostics 自己验一遍再下成本结论。
4. 知识截止 2026-04-20：涉及 4 月之后事件的问答必须配检索工具。
5. 国内无官方 API：走 Azure OpenAI 或 OpenRouter 等中转，注意数据出境合规。
6. 跨厂商基准别裸比：AutomationBench 有三套口径（OpenAI 自报 / Anthropic 转引 Zapier / 第三方复现），引用时写明来源。

相关阅读

• 同家族：GPT-6 Astra（旗舰） · GPT-6 Luna（轻量） · GPT-5.6（前代）
• 同日对手：Claude Opus 5.5 · Claude Fable 5.1
• 搭载工具：Codex CLI · OpenRouter · Claude Code
• 概念：Prompt Caching · Agentic Coding
• 资讯：Claude Opus 5.5 与 GPT-6 Sol/Luna 同日发布

来源

• Announcing GPT-6 Sol and GPT-6 Luna in the API, Codex and ChatGPT（OpenAI 开发者社区官方公告，2026-09-22）
• OpenAI 官方定价页
• GPT-6 家族上新：OpenAI 打价格战，但又不全靠价格战（腾讯新闻，2026-09-23，含 AutomationBench 对比数据）
• OpenAI 发布 GPT-6 Sol 与 Luna 两款新模型，API 价格永久下调 50%（经济观察报 / 上证报，2026-09-23）
• AI“减速”讨论未歇，OpenAI、Anthropic 同日上新（澎湃新闻，2026-09-23）
• GPT-6 prompt caching 更新（OpenAI Developers，2026-09-22）

本卡片由 AI 之家 编辑部根据公开资料整理，非厂商付费内容。定价以 OpenAI 官方定价页为准，基准数据已标注自报 / 第三方口径；欢迎在 反馈邮箱 反馈更新。