OpenAI于周二发布了GPT-6 Sol和Luna，这两款模型将与OpenAI旗下的旗舰产品GPT-6 Astra一同构成产品线。目前尚未推出GPT-6 Terra。
新版GPT-6定价
此次最受关注的消息是，相较于上一代产品，OpenAI将每百万输入/输出Token的价格下调了一半以上。GPT-6 Sol的定价为每百万输入/输出Token 2美元/10美元（此前GPT-5.6 Sol为4美元/20美元），GPT-6 Luna的定价则为0.10美元/0.50美元（此前为0.20美元/1.20美元）。
GPT-5.6的定价一直属于促销性质，但一位OpenAI发言人向The New Stack表示，新版GPT-6模型的这一价格将作为默认定价。
OpenAI在公告中解释道："缓存和推理方面的改进使我们能够以更低的成本提供这些模型服务，我们将这些节省下来的成本直接让利给用户和客户。"
基准测试表现
不出所料，新模型相较GPT-5.6前代产品展现出明显提升，但总体而言提升幅度并不算特别大。
例如，在Zapier的AutomationBench基准测试（用于检验模型在一系列商业工作流任务中的表现）中，GPT-6 Luna相较前一版本提升了5.4个百分点。
在DeepSWE v1.1软件工程基准测试中，GPT-6 Sol的表现基本与Anthropic的Fable模型持平（最大算力模式下为68.8%，而Fable 5在超高算力模式下为69.9%），但成本仅为后者的20%。Luna在最大算力模式下的得分，与Claude Opus 5和Fable 5在中等算力模式下的得分相近，但成本显著更低。
OpenAI在整篇公告中都着重强调这种成本对比，尤其聚焦于单任务成本，而非单纯的Token定价。
Anthropic打破比较基准
由于Anthropic已于周二早些时候发布了Opus 5.5，OpenAI的这些对比数据已经过时——这正是当下AI时代的常态。Anthropic同样下调了Opus 5.5的Token定价，从每百万5美元/25美元降至4美元/20美元，但这一价格仍是同等级GPT-6 Sol的两倍。
在公告中，当将GPT-6 Sol与Opus 5进行对比时，OpenAI能够宣称相较Anthropic的模型实现了显著的成本节省——总体而言这一结论依然成立，但Anthropic表示，Opus 5.5在完成每项任务时消耗的Token数量也更少，据该公司称，这使其在典型工作负载下的成本比Opus 5低40%。
值得注意的是，目前尚无人对Sol和Opus 5.5进行正面对比测试。根据OpenAI的AutomationBench数据，Sol在单任务成本上可能仍然更低，但在Anthropic的测试中，Opus 5.5在共同的基准测试上得分高于GPT-5.6 Sol。
不过，由于几乎不可能预知一个智能体完成某项任务需要消耗多少Token，这些价格调整仍然无法让用户更容易地进行预算规划。
对于构建智能体的开发者而言，缓存机制的改进或许比Token价格更为重要。OpenAI表示，他们改进了GPT-6的提示缓存机制，默认情况下可实现更高的缓存命中率，缓存输入Token的折扣最高可达90%。
另一个积极的变化是，开发者现在可以更改推理强度和工具可用性，而不会使缓存失效。借助明确的断点设置，开发者可以自行选择缓存前缀的结束位置，新推出的仪表盘和诊断工具也能显示哪些内容被缓存、哪些没有。
GitHub表示，过去几个月中，这些改进使得需要重新处理的提示Token占比减少了一半以上，这一数据覆盖了对OpenAI模型发出的数十亿次请求。
Anthropic在Opus 5.5上也采取了类似举措，除了将按Token计费的价格下调20%外，还将缓存读取价格下调了60%。
风格变化
不过，模型并不仅仅关乎基准测试表现。在GPT-6 Sol上，OpenAI让模型的回答方式更加直接，而不再延续此前那种——虽已有所收敛，但仍偏对话式——的风格。OpenAI表示："用户将会感受到表达更清晰、术语更少、奇怪的措辞减少、低价值信息减少，整体回答略微简短，但不会牺牲实质内容。"
鉴于此前发生的HuggingFace事件，OpenAI在GPT-6 Sol和Luna上着重强调对齐方面的工作也就不足为奇了。
OpenAI表示，这两款模型在其内部的对齐评估中均较GPT-5.6对应版本有所提升，包括在编程工作方面减少了误导性陈述。在内部编程欺骗测试中，GPT-6 Sol的发生率从10.4%降至1.3%。
当研究人员故意提供一个存在缺陷的搜索工具，并以模型是否主动披露问题（而非凭空猜测）作为评判标准时，Sol未披露问题的比例从77.5%降至4.9%。
然而，有一点令人稍感担忧：当研究人员要求模型遵守诸如"访问被拒绝"之类的明确警告提示时，GPT-6 Sol仍有64.4%的运行次数尝试绕过这些限制，相较前代的68.2%仅略有下降。Luna的改进幅度更大，从76.5%降至42.4%。
OpenAI表示，这些测试大多涉及低风险场景，且运行时并未启用其产品中所使用的完整系统级安全防护措施。
在一个预先植入未经授权指令（包括要求披露隐私信息的指令）的模拟留言板测试中，Sol在发现该留言板的情况下，有11.3%的运行次数执行了指定操作，低于此前的51.9%。Luna和Astra均未执行任何此类操作，不过OpenAI指出，Luna发现该留言板的频率也更低。
相比之下，Anthropic表示，在其最全面的对齐测试中，Opus 5.5是表现最出色的模型，并指出METR和Frontier Design是其发布前的外部测试方。Opus 5.5还配备了安全防护机制，可将大多数网络安全任务重定向至Opus 4.8处理，而任何被Anthropic的生物安全或前沿大语言模型开发分类器标记的任务，则会被转交给Opus 5处理。
从本周二起，GPT-6 Sol和Luna已面向Plus、Pro、Business、Enterprise及Edu用户，在ChatGPT Work和Codex中上线。
免费版和Go版用户可在桌面应用中使用Luna。
目前这两款模型尚未登陆Chat。OpenAI表示计划在当天逐步推出，以保证服务稳定性，因此用户可能无法立即看到这些模型。
Q&A
Q1：GPT-6 Sol和Luna的价格是多少？
A：GPT-6 Sol的定价为每百万输入/输出Token 2美元/10美元，GPT-6 Luna的定价为每百万输入/输出Token 0.10美元/0.50美元，相较上一代GPT-5.6系列价格下调了一半以上。
Q2：GPT-6 Sol和Luna什么时候能用，哪些用户可以使用？
A：GPT-6 Sol和Luna从周二起已在ChatGPT Work和Codex中面向Plus、Pro、Business、Enterprise和Edu用户开放，免费版和Go版用户可在桌面应用中使用Luna，但两款模型尚未登陆Chat，将逐步推出。
Q3：GPT-6 Sol和Luna相较GPT-5.6有哪些提升？
A：GPT-6系列在性能和成本上均有改进，比如GPT-6 Luna在AutomationBench测试中提升了5.4个百分点，同时在对齐安全性方面也有提升，例如编程欺骗测试发生率从10.4%降至1.3%。
