GPT-6 Sol 與 Luna 同一天推出,都掛著「能力下放」的口號,單價卻差了 20 倍。這篇把兩款的定價、實測成績與適用場景攤開來比,讓你自己判斷哪一款對上你的工作。
GPT-6 Sol 與 Luna 的定價差多少
兩款模型瞄準的任務本來就不一樣,價格自然分得開。
Sol 每百萬個詞元輸入 2 美元、輸出 10 美元。Luna 是輸入 0.10 美元、輸出 0.50 美元。換算下來,Sol 的單價大約是 Luna 的 20 倍,這個差距不是隨手訂的。
官方定位寫得很清楚:Sol 負責複雜運算與專業工作,Luna 負責大規模、日常性、需要大量重複呼叫的任務。也就是說,兩者不是同一件事的貴版與便宜版,而是兩個不同的使用情境。
對一個每月呼叫量固定的團隊來說,先決定任務性質,通常比先看分數更能省錢。
Sol 貴在哪裡:AutomationBench 的成績
拉開差距的地方,落在需要一連串正確判斷、不能中途出錯的評測上。
AutomationBench 測的是跨應用程式的辦公流程,例如在好幾個工具之間搬資料、按順序完成一組步驟。Sol 在最高推理強度下拿到 33.2%,官方說這個數字超過 Claude Opus 5 的最高設定(26.9%)。同時,它的每任務成本約 0.27 美元,官方算法是壓在對手的一成上下。
換句話說,Sol 用更低的單次費用拿到更高的分數。這對必須連續跑對多個步驟的任務特別關鍵,因為中間錯一步,整段就得重來。
Sol 的另一個價值是推理強度的彈性。同一款模型可以在 low 到 xhigh 之間調整,要判斷的是任務值不值得多花那筆錢。大型重構、失敗後得整段重跑的任務,把強度拉滿通常划得來;換成每天固定跑的例行工作,就未必。
Luna 的成本優勢:DeepSWE 1.1 的成績
Luna 的帳面成績比 Sol 低,但換算成每任務費用之後,故事就變了。
在 DeepSWE 1.1 這類軟體工程測試中,Sol 在最高強度下拿到 68.8%,Luna 是 66.6%。兩個分數的距離不到 3 個百分點,幾乎可以算同一級。可是成本差距拉得很開,官方給出的對照是,Luna 每任務的費用比頂級競品便宜 93% 到 96%。
Luna 還有一個使用上的特性:它在每一張官方評測圖表上,都是把推理強度開到最高時拿到最好成績,而就算用最貴的設定,絕對金額依然很低。這代表選 Luna 的使用者不需要在省錢和拿高分之間反覆權衡,直接開到最強就行。
GPT-6 Sol
- 每百萬詞元:輸入 $2/輸出 $10
- 定位:複雜運算、專業工作
- AutomationBench(最高強度):33.2%,每任務約 $0.27
- DeepSWE 1.1(最高強度):68.8%
- 適合把推理強度當調節旋鈕、單次任務容錯低的場景
GPT-6 Luna
- 每百萬詞元:輸入 $0.10/輸出 $0.50
- 定位:大規模、日常重複任務
- 每任務費用比頂級競品低 93% 到 96%
- DeepSWE 1.1(最高強度):66.6%
- 適合把推理強度開到滿、以量取勝的呼叫方式
怎麼挑:看你的任務需要多少精度
差距的來源其實很集中。
在需要長鏈推理、每一步都可能累積錯誤的評測上,Sol 的優勢比較明顯,代價是更高的單次成本。在單一能力的測試上,例如 DeepSWE 的軟體工程題目,兩者分數相當接近,Luna 落後不到 3 個百分點,卻只需要一小部分的費用。
所以問題不在「哪一款更強」,而在你的工作能不能容忍偶爾重試。任務數量少、單次失誤代價高的團隊,多付的錢換來的是更穩的輸出;任務量大、失敗了再跑一次就好的團隊,Luna 的單位成本才是決定性因素。
要留意的是,這批資料全部來自 OpenAI 自家測試,目前還沒有第三方用同樣的方法重跑,看到的成績建議當作廠商說法。另外,兩款模型都還在分批推送階段,實際可用的推理強度選項與額度限制,可能會隨帳號等級而異。要下決定之前,先用自己手上真實的任務各跑一輪,會比看 benchmark 表更準。






