将前沿智能融入你日常工作的更多方式。

本月早些时候，我们推出了 GPT‑6 Astra，这是世界上最智能、最对齐的模型。尽管最严苛、最重要的项目仍然需要 Astra 的完整深度，但工作会以不同的规模、节奏和预算发生。

因此，我们通过 GPT‑6 Sol 和 GPT‑6 Luna 扩展 GPT‑6 宇宙。GPT‑6 Astra 引入了新一代智能——这些模型通过在成本效率上推进前沿，帮助分配这种智能带来的益处。我们使用与 GPT‑6 Astra 类似的方法训练了 GPT‑6 Sol 和 Luna，将 Astra 在专业工作、事实性、编程、计算机使用和对齐方面达到最先进性能背后的进步，带到了更快、更实惠的模型中。

GPT‑6 模型在成本—智能曲线上处于领先，将每一层级的卓越能力与能够高效大规模交付这些能力的基础设施相结合。缓存和推理方面的改进让我们能够以更低的成本提供这些模型，我们通过将 Sol 和 Luna 的 API（应用程序编程接口） 价格相比其 GPT‑5.6 促销定价降低 50%，把这些节省直接传递给用户和客户。这些改进共同使先进 AI 对更多日常任务和大规模应用变得切实可行。

GPT‑6 API 定价

| 模型 | 输入 | 输出 | 降价幅度 |
| --- | --- | --- | --- |
| GPT‑5.6 Sol → GPT‑6 Sol | $4 → $2 | $20 → $10 | 便宜 50% |
| GPT‑5.6 Luna → GPT‑6 Luna | $0.20 → $0.10 | $1.20 → $0.50 | 便宜 50% |

价格为每 100 万 tokens。

GPT‑6 Astra 仍然是我们全面表现最好的模型。当你想要最佳结果和不妥协的体验时，请选择它。

整个模型家族的一次升级

GPT‑6 Sol 和 Luna 为你已经了解并使用的模型带来了智能升级和成本效率，覆盖对完成复杂工作最有用的能力。

专业工作

GPT‑6 Sol 能够承担困难的工作任务，同时通过更高的使用限额和更低的成本为你提供更多迭代空间，相比价格相近的竞品模型，提供更强的智能和更好的结果。

在 AutomationBench（一项跨应用业务工作流测试）中，GPT‑6 Sol 在 xhigh 努力级别下的表现优于 Claude Opus 5 在 max 努力级别下的表现，而每任务成本仅为 Opus 5 的 9%。在 high 努力级别下，GPT‑6 Luna 相比其前代提升 5.4 个百分点，每任务成本降低 58%。

GPT‑6 Sol 也以远低于 Claude Fable 5.1 的成本超越后者，甚至优于低努力级别的 GPT‑6 Astra。

| 模型（及努力级别） | 得分 | 每任务成本 |
| --- | --- | --- |
| GPT‑6 Sol (xhigh) | 33.2% | $0.27 |
| GPT‑6 Astra (low) | 30.3% | 3.9x GPT‑6 Sol |
| Claude Opus 5 (max) | 26.9% | 11.1x GPT‑6 Sol |
| Claude Fable 5.1 w/ Opus 5 Fallback (max) | 31.4% | >8.9x GPT‑6 Sol（回退成本未报告） |

在 Agents’ Last Exam（评估智能体在复杂专业工作流上的表现）中，GPT‑6 Sol 在 max 努力级别下得分 56.4%，高于 Claude Opus 5 在该评估中的最高分，而每任务成本低 60%。

事实性

答案的有用性取决于事实是否正确，我们正在持续提升事实可靠性。在我们的内部事实性评估中（基于去标识化的真实世界对话，其中用户标记了我们模型的错误），GPT‑6 Sol 的错误数量约为其前代的一半，以远更低的成本接近 Astra 级别的可靠性。GPT‑6 Luna 也有显著提升；在更高努力级别下，它以约百分之一的成本达到 GPT‑5.6 Sol 的水平。

编程

今年，编程智能体开始处理比以往任何时候都更复杂、范围更大、持续时间更长的任务。在 OpenAI，我们的内部使用量呈指数级增长。按 API 价格计算，每日 token 使用量中位数研究员已超过 $600，第 90 百分位研究员超过 $7,000（ Research acceleration: The view inside OpenAI ⁠ ）。随着编程智能体承担更长、更高要求的任务，持续使用的成本变得更加重要。GPT‑6 Sol 和 Luna 将强大的编程性能与更低的 API 价格相结合，为开发者提供更多迭代空间，也让团队更有信心对 Codex 提出更宏大的任务要求。

在 FrontierCode（评估编程智能体生成的变更是否可合并到真实代码库）中，GPT‑6 Sol 相比 GPT‑5.6 Sol 有显著提升，并能够以远更低的成本匹敌 Claude Fable 5.1 xhigh。

在 DeepSWE v1.1（测试在真实代码库中处理复杂软件工程任务的性能）中，GPT‑6 Sol 在 max 努力级别下得分 68.8%，与 Claude Fable 5 在该评估中的最高分——xhigh 努力级别下的 69.9%——相差 1.1 个百分点，而每任务成本约低 80%。

GPT‑6 Luna 在 max 努力级别下得分 66.6%，与 medium 努力级别下的 Claude Opus 5 和 Fable 5 相当。在这些比较中，Luna 的每任务成本比 Opus 5 低 93%，比 Fable 5 低 96%。

计算机使用

虽然 GPT‑6 Astra 仍是全球计算机使用能力最强的模型，但 GPT‑6 Sol 和 Luna 提供了比前代更具成本效益的性能。在 OSWorld 2.0 离线测试中，GPT‑6 Sol 在 xhigh 努力级别下取得了与 Claude Opus 5 在 medium 努力级别下相近的分数——60.5% 对 60.3%——而每任务成本约低 80%。GPT‑6 Luna（max）能够以 GPT‑5.6 Sol（medium）十分之一的成本超越后者。

协作风格

我们还将 GPT‑6 Astra 改进后的沟通风格带到了 Sol 和 Luna 上，我们认为这在技术和编程对话中会尤为明显。可以期待更清晰、更少术语、更少奇怪的措辞、更少低价值细节，以及整体上略微更简短但不失实质的回答。

当然可以。我可以在不引入 React 的情况下实现便当盒风格和右上角滑动页面切换器——这个交互足够小，可以在当前网站中保持快速流畅。我现在正在围绕这套系统重塑全部四个页面。

完成——打开线上网站。

现在全部四个页面都采用了色彩丰富的便当盒布局，右上角有一个动画化的 Home / Play / Place / Taste 滑块。不需要 React；原生页面过渡让它保持轻量且流畅。

内置图像工具创作了食物插画。提示词：“一幅充满活力的水粉与水墨编辑插画，庆祝饺子和辣面，色彩明亮，有蒸汽、香料，无文字或标志。”

我会将页面重塑为便当网格，并将右上角链接改为滑动页面切换器。我会保留现有网站，并在更改其设置前检查该交互是否需要 React。

更新后的网站已上线。每个页面现在都有俏皮的便当布局，右上角的页面切换器可在各版块之间滑动。我在桌面端和窄屏移动端上进行了检查，包括浏览器后退导航。现有网站不需要为此使用 React。

改进智能体和长对话的缓存

除了更低的 token 价格外，我们还在帮助基于 GPT‑6 构建的开发者在其应用程序复用的上下文上节省更多。我们改进了 GPT‑6 的提示缓存，默认提供更高的缓存命中率，帮助智能体复用更多上下文、更快响应，并享受缓存输入 token 读取 90% 的折扣。

开发者还可以通过更多方式衡量和优化其缓存性能：

• 监控与诊断。Prompt Caching Dashboard ⁠（在新窗口中打开）显示有多少输入被缓存以及缓存随时间的变化情况。诊断工具 ⁠（在新窗口中打开）有助于解释错失的缓存机会以及需要修复的内容。

• 在不破坏缓存的情况下调整推理投入和工具可用性。针对更难的任务提高推理投入 ⁠（在新窗口中打开），或针对更简单的后续任务降低推理投入，并根据智能体需求的变化启用或禁用工具 ⁠（在新窗口中打开）。这两项控制现在都会保留较早的上下文以供缓存复用。

• 优化哪些前缀被缓存。显式断点让开发者可以选择缓存提示前缀的结束位置。这使开发者能更好地控制缓存复用，并可能提升性能。

GitHub 报告称，在过去几个月里，这些改进使 OpenAI 模型数十亿次请求中需要全新处理的提示 token 占比降低了 50% 以上，从而帮助 Copilot 更快地响应。

持续改进对齐

GPT‑6 Sol 和 Luna 建立在 Astra 引入的对齐工作之上，Astra 是我们迄今为止对齐程度最高的模型。在我们的对齐评估中，Sol 和 Luna 均较其 GPT‑5.6 对应版本有所改进，包括降低对其编码工作作出误导性陈述的比例。

以下评估有意测试具有挑战性的情境，并不衡量典型使用中的失败率。完整结果请参阅系统卡 ⁠（在新窗口中打开）。

可用性

GPT‑6 Sol 和 GPT‑6 Luna 从今天起在 ChatGPT Work 和 Codex 中面向所有 Plus、Pro、Business、Enterprise 和 Edu 用户提供。Free 和 Go 用户可以在桌面应用中访问 GPT‑6 Luna。这些模型尚未在 Chat 中提供。在 OpenAI API 中，它们以 gpt-6-sol 和 gpt-6-luna 的形式提供。

为了保持对所有人的服务稳定，我们计划在一天内逐步在 ChatGPT 中推出这些模型。如果你在 ChatGPT Work 或 Codex 中看不到新模型，请稍后再试。

GPT 的评估是在我们的研究环境中或通过我们的 API 进行的，由于系统提示、可用工具等方面的差异，其输出可能与生产环境中的 ChatGPT 略有不同。竞品模型的评估取自公开可用的报告。在无法获得 Claude Fable 5.1 的分数时，报告的是 Claude Fable 5 的分数。

转载声明：本文为转载整理，原文版权归原作者及原站点所有。

原文来源：OpenAI Blog

原创地址：https://openai.com/index/introducing-gpt-6-sol-and-luna