一家团队每天让 AI 处理上万张工单时,最贵的未必是最难的那几张,而是大量看起来简单、却重复发生的请求。OpenAI 最近把 GPT-6 系列扩展到 Sol 和 Luna,正是冲着这类工作来的。旗舰 Astra 继续承担高难度任务,Sol 面向复杂编码和代理工作,Luna 则偏向高频、对成本敏感的任务。OpenAI 公告称,相比 GPT-5.6 系列此前的推广价格,两款新模型的 API 单价下降约一半。这是产品价格变化,不等于每一家企业最终 AI 预算都会自动减半。
官方列出的标准输入/输出价格,每百万 token 的 GPT-6 Sol 为 2/10 美元,Luna 为 0.10/0.50 美元。两者价差很大,但不能只据此把所有任务都塞给 Luna。若任务需要反复调用工具、在多份文件间追踪状态、或产出必须经得起人工审核,低单价模型多跑几轮甚至返工,费用与时间可能反过来增加。对普通用户而言,OpenAI 已把两款模型提供给 Work 与 Codex 的相应付费计划,Luna 也可供部分免费或 Go 用户在桌面端试用;官方同时说明它们当时尚未进入普通 Chat 界面,并提示推出会逐步进行。把“API 可用”“Work 可用”“所有聊天用户都看得到”混成一个状态,容易造成误解。
同一代模型,为什么要分三档
过去一段时间,业内对模型的讨论常围绕“谁在排行榜第一”。但企业选型更像安排员工:有人擅长处理开边界的复杂问题,有人适合有清晰规则的重复工作,还有人负责在速度和质量之间取得平衡。OpenAI 在官方说明中把 Astra 放在最高能力档,Sol 则试图让更强的推理和工具使用进入可规模化的价位,Luna 主打更低成本和更快的日常处理。三个档位并存,是因为真实工作并非一种难度。
OpenAI 公布了多项测试,其中 Sol 在 AutomationBench 这类跨应用业务流程评估中取得较高成绩,Luna 在若干编码和专业任务中也较前代进步。测试有其价值:它告诉开发者值得把哪些任务放进候选清单。但不同测试的提示词、工具、努力档和计费方法并不一致。官方自己也注明,部分竞争对手模型的比较来自公开报告,研究环境和实际产品可能存在差异。因此一张测试图不应替代内部验收,更不能直接写成“新模型已经在所有企业场景胜出”。
价格的另一面是缓存。长对话和代理任务会不断重复提交相同背景材料、规则和历史步骤。如果相同前缀能够被缓存,输入成本和等待时间都有机会下降。OpenAI 称针对 GPT-6 改进了默认缓存命中,并为开发者增加诊断手段。这里有一个容易被忽略的业务问题:缓存节省了多少,取决于企业自身工作流是否有可复用的稳定前缀;每条请求都完全不同,就不应照搬别人案例中的节省幅度。建系统的人需要同时看缓存命中率、调用总量和最终答案质量,而非只看输入单价。
企业迁移时,别把“更聪明”当成免验收理由
OpenAI 表示,Sol 与 Luna 在事实性、编码和计算机操作等方面较各自前代有改进。但“事实错误更少”的内部评估取自用户曾报告错误的对话样本,这些对话本身不代表日常请求的平均错误率。对金融、医疗、法律或企业内部数据等敏感工作,仍需把来源核对、权限控制和人工复核保留下来。模型变强可以减少一部分机械劳动,不会自动让责任链消失。
开发者尤其要警惕升级过程中出现的版本差异。OpenAI 的 API 更新日志还记录,9 月 25 日修复了 Sol 和 Luna 图像编码的一项问题,官方建议依赖图像输入的用户重新运行评估,重试受影响流程。这件事和新模型发布属于不同事件,却说明同一型号的生产表现也会随着修复发生变化。做图像理解、界面操作的团队,不能拿发布日的一次测分当永久基线;至少要在关键流程中留存代表性案例,并在模型或平台更新后复测。
更稳妥的部署方式,是先按任务类型分层:需要深度判断的保留在高能力档;明确边界、可自动验收的工作尝试 Sol;只有在质量门槛确实满足时,再把大量重复任务交给 Luna。每层都记录成功率、人工接手率、延迟与单任务总成本,而不只是 token 花费。GPT-6 Sol 和 Luna 把可选项拉宽了,真正的竞争也因此从一张性能榜,转到了企业能否把流程设计得足够清楚。
封面摄影:Steve Jurvetson 的 Sam Altman 真实照片,Wikimedia Commons,CC BY 2.0;按编辑用途裁切,不将旧照片表述为本次发布现场。

