OpenAI 推出 GPT-6 Sol 与 Luna，API 费用减半并降低错误率

2026 年 9 月 22 日，OpenAI 正式发布了第六代语言模型的两款新变体：面向代码生成和其他高复杂度任务的 GPT‑6 Sol，以及专为大规模、定义明确的工作（如摘要和信息抽取）优化的 GPT‑6 Luna。此举距 GPT‑5.6 发布不足三个月，且紧随几周前推出的 GPT‑6 Astra，显示出 OpenAI 在同代产品线上的快速迭代节奏。

定价策略将成本减半

OpenAI 在发布会上透露，GPT‑6 Sol 与 Luna 的 API 费率正好是前代 GPT‑5.6 Sol 与 Luna 的 50%。公司将这一大幅降价归因于缓存机制的提升以及更高效的推理流水线，使得每一次请求所需的计算资源显著下降。

新定价适用于 OpenAI 所有交付渠道，包括 ChatGPT Work、Codex 套件以及面向公众的 API。Luna 还将在桌面客户端以及 Free 与 Go 订阅层级中提供，进一步降低预算有限用户的使用门槛。

OpenAI 声称错误率显著下降

据 TechCrunch 报道，OpenAI 表示在内部基准测试中，GPT‑6 Sol 产生的事实错误约是前代的一半，这一基准汇总了用户报告的对话错误。Golem.de 也转述称，Sol 的错误率从约 20% 降至 10%。

对于 Luna，OpenAI 称其错误表现与 GPT‑5.6 Sol 相当，但费用仅为后者的一小部分，意味着在保持相同可靠性的同时，用户可以享受到更低的使用成本。

• 两款模型的 API 费用减半
• Sol 的事实错误率下降一半
• Luna 的错误率与 GPT‑5.6 Sol 相当
• 在 Free 与 Go 计划中可用

市场背景与竞争时机

该公告发布约 90 分钟后，Anthropic 推出了 Claude Opus 5.5，显示出领先 AI 供应商在性能‑价格竞争中的快速升级。双方都将最新模型定位为企业和开发者工作负载的最具性价比选择。

OpenAI 强调，所报告的错误率下降基于内部测量，尚未接受独立、全面的验证。公司提醒，实际表现可能因具体用例和数据质量而异。

尽管缺乏第三方验证，这些改进仍可能影响在模型准确性与运营成本之间权衡的企业采购决策。双轨策略——Sol 负责复杂、代码密集任务，Luna 负责批量处理——为成本‑效益矩阵提供了更清晰的参考。

此次发布还扩大了 OpenAI 产品生态，Luna 将集成到即将推出的桌面客户端，可能简化偏好本地工具的用户的工作流自动化。

对于使用中文的组织而言，影响体现在两方面：其一，API 费用减半直接降低了依赖 OpenAI 模型进行开发、内容创作或数据抽取的团队预算；其二，尤其是 Sol 的错误率下降，意味着后处理或人工审校的需求减少，从而加快迭代周期并提升自动化输出的可信度。

技术细节与实现路线

OpenAI 透露，新模型在推理阶段采用了更细粒度的张量切分技术，并在服务器端实现了多层次缓存，能够在相同硬件配置下完成更多并发请求。与此同时，模型参数量虽保持在约 1.2 万亿，但通过稀疏化和混合精度训练，实现了计算量的显著削减。

在训练数据方面，Sol 与 Luna 均使用了截至 2026 年 6 月的最新网络语料库，并加入了专门的代码库和技术文档，以提升对专业领域的理解深度。OpenAI 还引入了更严格的事实校验流程，帮助模型在生成答案时自动对关键数值进行交叉验证。

用户使用场景与生态扩展

Sol 适用于需要高精度代码生成、复杂算法推导以及技术文档撰写的场景，开发者可通过 API 将其嵌入 IDE 插件或 CI/CD 流程，实现自动化代码审查和单元测试生成。

Luna 则侧重于大规模文本摘要、结构化信息抽取以及多语言翻译，企业可将其用于新闻聚合、合同审查或客服对话日志的批量处理，显著降低人工成本。

在日本本土市场，OpenAI 已与多家大型企业合作，将 Luna 集成到内部知识管理系统，并计划在今年底推出针对日语优化的专属模型版本，以进一步提升本地化服务质量。