GPT‑6 Sol 和 Luna 隆重登場
以更多方式將前沿智能融入你的日常工作。
本月較早時，我們推出了全球最智能、對齊程度最高的模型 GPT‑6 Astra。要求最高且最重要的項目仍需要 Astra 的完整實力，但實際工作各有不同規模、節奏和預算。
因此，我們推出 GPT‑6 Sol 和 GPT‑6 Luna，進一步擴展 GPT‑6 系列。GPT‑6 Astra 開創了新一代智能，而這些模型透過進一步提升成本效益，讓更多人受惠於這種智能。我們採用與 GPT‑6 Astra 相近的方法訓練 GPT‑6 Sol 和 Luna，將支持 Astra 在專業工作、事實準確度、編碼、電腦操作和對齊方面取得頂尖表現的技術進展，應用於速度更快、價格更相宜的模型。
GPT‑6 模型在成本與智能的不同組合上均處於領先地位，各級模型都具備卓越能力，並由能高效大規模提供這些能力的基礎設施支援。快取和推理方面的改進，讓我們能以更低成本提供這些模型。我們將節省的成本直接回饋用戶和客戶：與各自 GPT‑5.6 版本的推廣價格相比，Sol 和 Luna 的 API 價格降低 50%。這些改進共同推動先進 AI 更廣泛地用於日常任務及大規模應用。
模型 | 輸入 | 輸出 | 減價幅度 |
GPT‑6 Sol | $4 → $2 | $20 → $10 | 價格低 50% |
GPT‑6 Luna | $0.20 → $0.10 | $1.20 → $0.50 | 價格低 50% |
價格以每 100 萬個 Token 計算。
GPT‑6 Astra 仍是我們各方面表現最佳的模型。如果你追求最佳成果和毫不妥協的體驗，請選擇 Astra。
GPT‑6 Sol 和 Luna 在最有助完成複雜工作的各項能力上，為你熟悉並正在使用的模型帶來智能及成本效益的提升。
GPT‑6 Sol 能處理艱鉅的工作任務，並以較高用量上限和較低成本提供更多反覆改進空間；與價格相若的競爭模型相比，其智能更高、成果更佳。
在測試跨應用程式業務工作流程的 AutomationBench 中，推理強度設為 xhigh 的 GPT‑6 Sol，表現勝過設為 max 的 Claude Opus 5，而每項任務的成本僅為 Opus 5 的 9%。在推理強度設為 high 時，GPT‑6 Luna 的得分較上一代提高 5.4 個百分點，而每項任務的成本降低 58%。
在 AutomationBench 1.0.6（在新視窗中開啟） 中，AI 智能代理會接受端到端工作流程測試，使用橫跨銷售、市場推廣、營運、支援、財務及人力資源的 47 種工具。Claude Fable 5.1 的數據點低估了實際成本，因為當中並未計及約 40% 任務使用 Opus 5 後備模型的成本。
GPT‑6 Sol 亦以低得多的成本超越 Claude Fable 5.1，甚至勝過推理強度設為 low 的 GPT‑6 Astra。
模型（及推理強度） | 得分 | 每項任務成本 |
|---|---|---|
GPT‑6 Sol（極高） | 33.2% | $0.27 |
GPT‑6 Astra（低） | 30.3% | GPT‑6 Sol 的 3.9 倍 |
Claude Opus 5（max） | 26.9% | GPT‑6 Sol 的 11.1 倍 |
Claude Fable 5.1（以 Opus 5 作為後備模型；推理強度：max） | 31.4% | GPT‑6 Sol 的 >8.9 倍 （未公佈後備模型成本） |
在評估智能代理處理複雜專業工作流程能力的 Agents’ Last Exam 中，推理強度設為 max 的 GPT‑6 Sol 得分為 56.4%，高於 Claude Opus 5 在該評估中的最高得分，而每項任務的成本比後者低 60%。
在 Agents’ Last Exam V1（在新視窗中開啟） 中，AI 智能代理會接受需長時間完成且具經濟價值的任務評估，範圍橫跨 55 個子行業，涵蓋大部分以電腦執行的主要專業工作領域。
回答是否有用，取決於事實是否準確；我們正持續提升回答在事實方面的可靠性。我們的內部事實準確度評估以經過去識別化處理的真實對話為基礎，當中用戶曾指出模型的錯誤。在這項評估中，GPT‑6 Sol 的錯誤數量約為上一代的一半，以低得多的成本達到接近 Astra 的可靠性。GPT‑6 Luna 亦有顯著進步；在較高的推理強度下，其表現媲美 GPT‑5.6 Sol，而成本約為後者的百分之一。
我們在這項評估中，使用經過去識別化處理的 ChatGPT 對話來評估事實準確度；當中用戶曾指出先前模型的事實錯誤。這些容易誘發錯誤的對話並不代表一般使用情況，一般使用時的事實錯誤較少。評分時未控制回答長度，但我們針對不同詳盡程度進行的測試顯示，得分幾乎不受回答長度影響。
今年，編碼智能代理已開始處理複雜程度、範圍和所需時間均前所未有的任務。在 OpenAI，我們的內部用量呈指數級增長。按 API 價格換算，研究人員每日 Token 用量的價值中位數已超過 600 美元，而用量位於第 90 百分位的研究人員，每日用量的價值則超過 7,000 美元（加速研究：OpenAI 內部觀察）。隨着編碼智能代理承擔耗時更長、要求更高的任務，持續使用的成本亦變得更重要。GPT‑6 Sol 和 Luna 兼具強勁的編碼表現與較低的 API 價格，讓開發人員有更多空間反覆改進，也讓團隊更有信心交由 Codex 處理更具挑戰性的工作。
FrontierCode 評估編碼智能代理能否產生可直接合併至實際程式碼庫的變更。在這項評估中，GPT‑6 Sol 較 GPT‑5.6 Sol 大幅進步，並能以低得多的成本，達到與推理強度設為 xhigh 的 Claude Fable 5.1 相若的表現。
在 FrontierCode 1.1 Main（在新視窗中開啟） 中，AI 智能代理編寫的程式碼不僅按正確性評分，亦會按「可合併程度」評分，例如測試質素、範圍控制、程式碼風格，以及是否遵循程式碼庫標準。
DeepSWE v1.1 測試模型在實際程式碼庫中執行複雜軟件工程任務的表現。推理強度設為 max 的 GPT‑6 Sol 得分為 68.8%，與 Claude Fable 5 在該評估中以 xhigh 設定取得的最高得分 69.9% 相差僅 1.1 個百分點，而每項任務的成本約低 80%。
推理強度設為 max 的 GPT‑6 Luna 得分為 66.6%，與設為 medium 的 Claude Opus 5 和 Fable 5 表現相若。在這些比較中，Luna 每項任務的成本比 Opus 5 低 93%，比 Fable 5 低 96%。
在 DeepSWE 1.1（在新視窗中開啟） 中，AI 智能代理會解決原創而需長時間完成的軟件工程任務。
GPT‑6 Astra 仍是全球電腦操作表現最佳的模型，而 GPT‑6 Sol 和 Luna 的表現則比上一代更具成本效益。在 OSWorld 2.0 離線測試 中，推理強度設為 xhigh 的 GPT‑6 Sol，與設為 medium 的 Claude Opus 5 得分相若，分別為 60.5% 和 60.3%，而每項任務的成本約低 80%。推理強度設為 max 的 GPT‑6 Luna，能以十分之一的成本，超越設為 medium 的 GPT‑5.6 Sol。
在 OSWorld 2.0（在新視窗中開啟） 中，AI 智能代理會嘗試執行需長時間完成的電腦操作工作流程，範圍涵蓋日常及專業任務。我們報告的是 v2026.08.08 版本離線資料集的部分獎勵分數。
我們亦將 GPT‑6 Astra 改良後的溝通風格帶到 Sol 和 Luna；我們認為這種改進在技術和編碼對話中尤其明顯。你可以期待內容更清晰、少用術語和怪異措辭、減少價值不高的細節，整體回答亦會略為精簡，但不失實質內容。
雖然風格屬主觀判斷，但我們較喜歡 GPT‑6 Sol 在這裏的回覆。GPT‑6 Sol 不會那麼快下結論，較少重複提問者可能已清楚的細節（例如網站有 4 個頁面），亦較少使用含糊措辭（例如「bento feel」和「reshaping… around that system」）。模型也更清楚、坦誠地交代檢查過和未檢查的內容，並避免提供不必要的實作細節，例如圖像工具的提示詞。
除了降低 Token 價格，我們亦協助使用 GPT‑6 開發應用程式的開發人員，進一步節省重用上下文的成本。我們已改良 GPT‑6 的提示詞快取，預設提供更高的快取命中率，讓智能代理重用更多上下文、更快回應，並在讀取已快取的輸入 Token 時享有 90% 的費用減免。
開發人員現在亦有更多方法量度及優化快取表現：
監察及診斷。提示詞快取資訊主頁（在新視窗中開啟）會顯示已快取的輸入量，以及有關數值隨時間的變化。診斷工具（在新視窗中開啟）有助說明哪些內容原本可以使用快取、未能使用的原因，以及需要修正的地方。
調整推理強度及工具可用性，不會令快取失效。處理較困難的任務時，可提高推理強度（在新視窗中開啟）；處理較簡單的後續任務時，則可降低推理強度。你亦可因應智能代理的需要，啟用或停用工具（在新視窗中開啟）。現在，調整這兩項設定都會保留先前的上下文，讓模型能重用快取。
優化要快取的前綴。開發人員可透過明確設定斷點，選擇要快取的提示詞前綴在何處結束。這讓開發人員更靈活地控制快取重用，並有助提升效能。
GitHub 表示，在過去數月，這些改進令數十億次向 OpenAI 模型發出的請求中，需要重新處理的提示詞 Token 比例降低超過 50%，有助 Copilot 更快回應。
GPT‑6 Sol 和 Luna 建基於 Astra 引入的對齊工作；Astra 是我們迄今對齊程度最高的模型。在對齊評估中，Sol 和 Luna 均較其 GPT‑5.6 對應型號有所改善，包括減少對自身編碼工作作出誤導性陳述。
以下評估刻意測試具挑戰性的情況，並非量度一般使用時的失敗率。完整結果請參閱系統說明卡（在新視窗中開啟）。
由今天起，所有 Plus、Pro、Business、Enterprise 和 Edu 用戶均可在「ChatGPT 工作」及 Codex 使用 GPT‑6 Sol 和 GPT‑6 Luna。免費版和 Go 用戶可在桌面應用程式使用 GPT‑6 Luna。這些模型目前尚未在「對話」模式中提供。在 OpenAI API 中，兩者分別以 gpt-6-sol 和 gpt-6-luna 提供。
為向所有用戶提供穩定服務，我們計劃在今天內逐步於 ChatGPT 推出這些模型。如果你在「ChatGPT 工作」或 Codex 看不到新模型，請稍後再試。
我們在研究環境中或透過 API 評估 GPT；由於系統提示詞、可用工具等有所不同，所得輸出可能與正式版 ChatGPT 略有差異。競爭模型的評估結果取自公開報告。如未有 Claude Fable 5.1 的分數，則採用已公佈的 Claude Fable 5 分數。
