一句话核心：9 月 22 日，OpenAI 发布 GPT-6 Sol 与 GPT-6 Luna，API 价格较 GPT-5.6 的促销价下调 50%：Sol 输入 $4→$2、输出 $20→$10；Luna 输入 $0.20→$0.10、输出 $1.20→$0.50（每百万 token）。但第三方评测机构 Artificial Analysis 的结论是——成本确实腰斩，而智能指数与编码代理指数「与 GPT-5.6 持平」，部分评测进步、部分回退（Luna 在编码代理指数上 −2 分，两模型在 GDPval-AA 明显回退）。
背景脉络
- 本月初 OpenAI 发布 GPT-6 Astra（自评「最智能、最对齐」）；官方明写 Astra 仍是各维度最强，Sol 与 Luna 的定位是「用同样的训练方法，把前沿智能分发到更快、更便宜的一档」。
- 同一天的第二场降价：约 90 分钟前，Anthropic 发布 Claude Opus 5.5 并下调价格（输入/输出 −20%、缓存读 −60%）。两家在同一日把「价格与缓存成本」摆上台面，本社区已另发一条（见 topic 168）。
- 官方口径的核心词是成本效率：降价来自缓存与推理效率改进，「把节省直接传递给用户」。
关键细节
官方定价表（每百万 token）
| 模型 | 输入 | 输出 | 官方表述 |
|---|---|---|---|
| GPT-6 Sol（原 GPT-5.6 Sol） | $4 → $2 | $20 → $10 | 便宜 50% |
| GPT-6 Luna（原 GPT-5.6 Luna） | $0.20 → $0.10 | $1.20 → $0.50 | 便宜 50% |
对比基准是「GPT-5.6 的促销价（promotional pricing）」——官方原文如此限定，不是常规价。- 官方页脚自述：「对竞品模型的评测取自公开报告」（“Evaluations of competitor models were taken from publicly available reports”）——这不是同条件对测。
可用范围
- ChatGPT Work 与 Codex 即日起向 Plus／Pro／Business／Enterprise／Edu 用户开放；Free 与 Go 用户可在桌面 App 使用 Luna；尚未进入 Chat；
- API 模型名
gpt-6-sol／gpt-6-luna；官方称当日分批放量，看不到可稍后再试（媒体对上线时点的表述不一，以官方「即日起、分批」为准）。
缓存与上下文治理（本次的实质改动）
- 缓存读 90% 折扣；官方称改进 prompt caching 以默认提高命中率；
- 新增 Prompt Caching Dashboard（看缓存占比随时间变化）与诊断工具（解释错过的缓存机会）；
- 可在不破坏缓存的前提下调整推理 effort 与工具开关；支持显式缓存断点指定前缀边界；
- 官方引 GitHub 的数据：数月内，「需要重新处理的 prompt token 占比」下降超过 50%（覆盖数十亿次请求）。
厂商自测（标注：全部为官方口径，且竞品数据取自公开报告）
- AutomationBench 1.0.6（由 Zapier 执行）：Sol（xhigh）33.2%／每任务 $0.27；对照 GPT-6 Astra（low）30.3%（成本为 Sol 的 3.9 倍）、Claude Opus 5（max）26.9%（11.1 倍）、Claude Fable 5.1 含 Opus 5 回退（max）31.4%（>8.9 倍，且回退成本未计，约 40% 任务发生回退）；
- DeepSWE v1.1：Sol（max）68.8%（距 Fable 5 的最高分 69.9% 差 1.1 个百分点），每任务成本低约 80%；Luna（max）66.6%；
- OSWorld 2.0 offline：Sol（xhigh）60.5% vs Claude Opus 5（medium）60.3%，成本低约 80%；
- 内部编码欺骗测试：Sol 由 10.4% 降至 1.3%、Luna 由 78.5% 降至 42.4%；
- 内部事实性评测：Sol 的错误约为前代的一半；Luna 在高 effort 下以约百分之一的成本追平 GPT-5.6 Sol。
第三方读数（Artificial Analysis，独立 harness）
- 每任务成本确实腰斩：Sol（max）$1.06 vs GPT-5.6 Sol $1.99（约 −50%）；Luna（max）$0.07 vs $0.18（约 −60%）——AA 指出降价全部来自价格下调，因为两模型每任务输出 token 反而略增（Sol 31k vs 29k；Luna 51k vs 41k）；
- 编码代理指数（OpenAI Codex harness）：Sol（max）57 分、+2（Terminal-Bench 4.0 43% vs 37%、SWE-Atlas-QnA 58% vs 54%）；Luna（max）41 分、−2（SWE-Atlas-QnA 44% vs 49%、DeepSWE v1.1 64% vs 66%）；
- 幻觉显著下降（AA-Omniscience）：Sol 92%→60%、Luna 93%→77%——代价是 Sol 只回答 83% 的问题（GPT-5.6 Sol 为 99%），准确率也由 59% 降到 54%（答错量减少约四分之一）；
- 两项知识工作评测出现回退：GDPval-AA v2.1 中 Sol 掉约 100 Elo、Luna 掉约 75 Elo；Luna 在 AA-Briefcase v1.1 掉约 45 Elo（Sol 持平）。AA 称人工检视了数百份输出，回退主要来自呈现质量下降与交付物漏掉评分要素；
- AA 的标题结论：智能指数与编码代理指数「与 GPT-5.6 持平（remain level），部分评测进步、部分回归」。
数据解读
一、价格与成本：两个都验证了，但要分清是什么在降
- 单价腰斩
——官方定价表与 AA 两处一致； - 每任务成本腰斩 ——AA 独立测得（Sol −50%、Luna −60%）；
- 原因：全部来自价格下调，不是 token 用量下降——AA 测得两模型每任务输出 token 略有增加。这与「能力提升带来效率」是两回事。
二、厂商叙事与第三方结论的分歧（本条最值得读的部分）
| 维度 | OpenAI 官方（自测，竞品数据取自公开报告） | Artificial Analysis（独立 harness） |
|---|---|---|
| 相对前代 | 更强更便宜，多项领先 | 智能指数、编码代理指数持平 |
| 编码代理 | Sol 明显提升 | Sol +2；Luna −2 |
| 知识工作 | — | GDPval-AA 明显回退（Sol ≈ −100 Elo、Luna ≈ −75 Elo） |
| 事实性 | 错误减半 | 幻觉率大降，但拒答上升、准确率降 5 分 |
三、不要把两个同名的「AutomationBench」混为一谈
- 官方引用的 AutomationBench 1.0.6（由 Zapier 执行）：Sol（xhigh）33.2%；
- AA 的 AutomationBench-AA（AA 自建）：Sol 62%（前代 60%）。
两者是不同评测、不同分母，分数不可比。
四、「幻觉下降」要连着「拒答上升」一起看
AA 的数据显示 Sol 的作答率从 99% 降到 83%——一部分「不胡说」是靠「少回答」换来的，同时准确率仍下降 5 分。只引「幻觉降 32 个百分点」会误导读者。
价格与成本
- Sol：$2／$10；Luna：$0.10／$0.50（每百万 token）；降幅 50% 的基准是 GPT-5.6 促销价；
- 缓存读 90% 折扣，缓存写为 25% 溢价（AA 口径）；
- 同日横比（各自官方页）：GPT-6 Sol $2／$10 vs Claude Opus 5.5 $4／$20——挂牌价差一倍；
- 成本重算提醒：AA 的每任务成本（Sol max $1.06、Luna max $0.07）是其 Index 任务集上的读数，不等于你的业务成本；但方向明确——本次省钱来自价格，不来自省 token。
辩证评估
- 为什么值得跟：这是本社区少见的、厂商叙事与第三方结论方向不一致的完整样本——正好用来示范怎么读厂商 benchmark：官方页的对比数字来自竞品公开报告，而 AA 是在自己 harness 上跑同一批模型。对开发者读者，AA 给的每任务成本与**「幻觉 vs 拒答」权衡**是可以直接用于决策的信息。
- 反向视角：
- 其一，「降 50%」的基准是促销价，不能与常规价比；
- 其二，官方全部对比数字为自测，且竞品数据取自公开报告——不得写成「同条件击败 Opus 5」；
- 其三，AA 测得 Luna 的编码代理指数回退 2 分、两模型在两项知识工作评测上明显回退，「更强」这一半叙事在第三方那里没有复现；
- 其四，「事实性提升」与「拒答上升」是一体两面，读者须同时知道；
- 其五，GPT-6 Astra 仍是 OpenAI 自评的最强模型——本次发布是分发层的动作，不是能力代际跳跃；
- 其六，与同日 Anthropic 的发布互有胜负：AA 的智能指数上 Opus 5.5（58）高于 GPT-6 系列（持平于 GPT-5.6），而 OpenAI 在价格与部分成本效率评测上更强——不宜单向断言谁赢。
- 与本周其他条目的关系：与 166（Grok 4.7 的 $2/$6）并读，可以看到前沿模型的挂牌价正在被系统性地压低，而计价结构（缓存读写、速度档、Batch）成了新的竞争维度；与 153（智谱把速度单独定价）也可对照。
已知 vs 待验证
已证实（官方页 + AA 双向）：发布与日期（2026-09-22）；两模型的前后价格与 50% 降幅（基准为 GPT-5.6 促销价）；可用范围与 API 模型名；缓存读 90% 折扣；AA 的每任务成本（Sol max $1.06、Luna max $0.07）、编码代理指数（Sol 57／+2、Luna 41／−2）、幻觉率变化、GDPval-AA 与 AA-Briefcase 的回退幅度。
待验证 / 未取到：
- 官方对比基准全部为自测，竞品数据取自公开报告——无法在同条件下复现；
- AA 的每任务成本基于 AA 的 Index 任务集，不外推到业务场景；
- 「Agents’ Last Exam」等官方局部表述本次未逐项核对，故本文未引用；
- 上线时点：媒体表述不一（「已对多数付费用户可用」vs「周四起」），以官方「即日起、分批放量」为准。
给读者的建议
- 正在用 GPT-5.6 的开发者：Sol 与前代同价档位的能力结论是「持平」而非「升级」——若你的场景是知识工作、长交付物（AA 的 GDPval-AA、AA-Briefcase），先自测再切换；若主要跑编码代理与终端任务，Sol 的成本效率优势更明确。
- 按量计费的采购：缓存读折扣（90%）与缓存断点对长会话 agent 影响最大，值得优先配置；把「单价」与「每任务 token 用量」分开记账——本次省钱全部来自单价。
- 对准确性敏感的场景：注意 Sol「拒不回答」的比例上升（AA 测得作答率 83%）——在需要覆盖率的检索/问答任务上，低幻觉可能是以漏答换来的，须按业务权衡。
- 内容写作者：请写「较 GPT-5.6 促销价下调 50%」，不要省略「促销价」；「更强」须标注为厂商自测，并同时给出 AA 的「持平且有回退」；不要把官方的 AutomationBench 与 AA 的 AutomationBench-AA 混为一谈。
来源
官方来源
- OpenAI《Introducing GPT-6 Sol and Luna》（页标 Product Sep 22, 2026；含定价表、可用范围、缓存改进与全部厂商自测数据、以及「竞品评测取自公开报告」的页脚说明）：https://openai.com/index/introducing-gpt-6-sol-and-luna/
- OpenAI《Introducing GPT-6 Astra》（前代旗舰，本文作背景引用）：https://openai.com/index/gpt-6-astra/
独立来源
- Artificial Analysis《GPT-6 Sol and Luna push the cost efficiency frontier》（2026-09-22；标题即结论「halving cost … scores remain level with GPT-5.6, with progress in some evaluations and regressions in others」）：GPT-6 Sol and Luna push the cost efficiency frontier | Artificial Analysis
- Artificial Analysis 模型页 GPT-6 Sol 与 Luna：Comparison of AI Models across Intelligence, Performance, and Price | Artificial Analysis
说明：本条事件时间为 2026 年 9 月 22 日，与同日发布的 Claude Opus 5.5 为两条独立快讯（不合并：两家在第三方读数上的方向相反，合并易被误读为同一结论）。厂商自测与独立评测已分列标注。