GPT-6 Sol斩杀5.6全系！升级打5折，Luna比梁文谷还便宜，周二Codex重置

梦晨 发自 凹非寺
量子位 | 公众号 QbitAI

GPT-6 Sol、Luna深夜上线，API价格直接砍半！

Astra改进的训练方法这两款也都用上了，所以也继承了Astra在计算机使用等方面的提升。

那还有啥好说的，等于5.6系列直接被斩杀了呗。

现在系列里Astra负责当以前的Sol，Sol负责当以前的Terra，Luna还是以前的Luna。

Terra生态位直接被挤没了。

与5.6系列相比，6系列的API定价直接砍50%，其中Luna的输出砍得比50%还多一点。

而且Luna的输入价格比DeepSeek-V4.1 Flash的梁文谷价格（$0.15）还便宜一点了，就是不知道缓存命中率有没有的比。

为啥升级还便宜了？

OpenAI称这得益于缓存和推理环节的效率提升，省下来的成本直接让利给用户和开发者。

这不得尊奥特曼一声奥特之王（限时24小时）。

用一成价格，盯着Fable打

整个发布公告看下来，我先学会一招，用GPT-6 Sol最好别开Max。

这回好多跑分Max都神秘的比xHigh掉分了，OpenAI也没解释原因。

什么你不知道怎么在Codex里开Max？

在设置里可以选，默认是没选的，这下知道为什么没选了。

按照AutomationBench这个榜，GPT-6 Sol的high和xhigh两个档位已经摸到了Astra的light和medium的水平。

AutomationBench测的是AI在销售、营销、运营、客服、财务和人力资源六大领域47个工具上执行端到端业务流程的能力。

作为对比，Claude Opus 5在max effort下得分和GPT-6 Sol的medium差不多，但单任务成本是Sol的11.1倍。

Claude Fable 5.1，成本是Sol的8.9倍以上，而且这还没算上约40%任务触发Opus 5回退产生的额外开销。

为测试GPT-6 Sol的计算机使用能力，我让它在图表中把隔壁新发的Opus5.5成绩也画上去。

Opus5.5的Max档达到了GPT-6 Astra水平，价格也达到了Astra水平。

换Agents' Last Exam，这次转考长周期任务，覆盖55个子行业。

GPT-6 Sol在max effort下得分56.4%，超过Claude Opus 5在该测试中的最高分，成本还低了60%。

编程是这次重点展示的方向。

OpenAI透露了一组内部数据：公司内部的Coding Agent使用量呈指数级增长，按API价格折算，中位数研究员每天的token消耗已超过600美元，90分位的研究员超过7000美元。

随着编程agent承担的任务越来越长、越来越复杂，持续使用的成本变得更加关键，这正是Sol和Luna要解决的问题。

在DeepSWE v1.1（测试AI在真实代码库中解决复杂软件工程任务）上，GPT-6 Sol其实并没有比5.6 Sol更好，但确实便宜不少。

GPT-6 Luna在max effort下得分66.6%，与Claude Opus 5和Fable 5在medium effort下水平相当，成本分别低了93%和96%。

在Cognition推出的FrontierCode（评估AI编写的代码是否达到可合并进真实代码库的标准）上，GPT-6 Sol相比GPT-5.6 Sol同样有明显提升，能以更低成本匹配Claude Fable 5.1 xhigh的表现。

这个榜6 Sol的Ultra终于不掉分了，但是隔壁Claude的档位又乱了起来。

计算机操作，这块还是Astra比较权威。

GPT-6 Sol也仅仅是比5.6 Sol便宜了，high档位以上水平其实没超过5.6多少。

GPT-6 Luna在max effort下超过了GPT-5.6 Sol在medium effort下的表现，成本仅为后者的十分之一。

事实准确性方面，OpenAI用一组从真实ChatGPT对话中提取的、用户曾标记过事实错误的案例进行了测试。

结果是GPT-6 Sol的错误率大约是上一代的一半，接近Astra的水平。GPT-6 Luna在较高effort下能匹配GPT-5.6 Sol的准确度，而成本只有百分之一。

缓存命中率提升，重置马上来

模型能力之外，OpenAI对GPT-6的基础设施也做了几项改进。

首先是提示词缓存。

改进后的缓存机制默认提供更高的命中率，缓存命中的输入token可享受90%的价格折扣。

OpenAI还上线了缓存监控面板和诊断工具，开发者可以查看缓存使用情况、定位未命中的原因并针对性优化。

还有这样一个实用的改动：调整推理effort级别或开关工具时，不再会打断之前的缓存上下文。

GitHub已经在用这套方案。据OpenAI披露，过去几个月里这些优化让GitHub Copilot需要重新处理的提示token比例下降了超过50%，涉及数十亿次请求。

终于能在任务的不同任务灵活切换配置了。

之前看已经有人做出来，搭配Jev可以在任务中途毫秒级切换。

然后是对话风格。

OpenAI把Astra上改进过的沟通方式带到了Sol和Luna上，在技术和编程对话中感知会尤为明显，表现为更清晰、更少术语、更少无效细节、回复整体更简短但不丢失关键信息。

OpenAI在博客中展示了同一个网页开发任务下GPT-5.6 Sol和GPT-6 Sol的对比回复。

5.6会主动复述用户已知的信息并使用含糊措辞，6则更直接，会说明自己检查了什么、没检查什么。

对齐方面，Sol和Luna在测试中优于GPT-5.6同级模型，包括在编程任务中做出误导性声明的比率更低。OpenAI强调，这些对齐测试专门挑选了容易诱发不诚实行为的场景，正常使用中出现此类问题的概率远低于测试数据。

最后，关于额度重置。

总之是周二，具体时间未定，醒来的朋友们可以开蹬了。

参考链接：
[1]https://openai.com/index/introducing-gpt-6-sol-and-luna/#alignment-reviewer-bypass
[2]https://x.com/miu21590/status/2101857866378362926?s=20