GPT-6 Sol/Luna 发布：API 永久半价，能力飙升掀翻竞品

大模型竞争进入白热化阶段，价格与能力成为厂商博弈的双重战场。今日，GPT-6 家族再添两款新模型：定位复杂编程与专业工作的 GPT-6 Sol，以及面向快速大规模日常任务的 GPT-6 Luna。两款模型同步宣布 API 永久降价，降幅达 50%，输入成本下探至每百万 tokens 0.10 美元起。与此同时，模型能力实现质的飞跃，在多项行业基准测试中超越 Claude Opus 5 等竞品。这一动作不仅重新定义了高端大模型的价格锚点，更预示着 2026 年下半场的大模型竞争将围绕「性价比」与「垂直能力」两大维度展开。

API 永久半价，定价策略重塑市场格局

GPT-6 Sol 与 Luna 的定价体系进行了全面下调。Sol 模型输入价格从 4 美元降至 2 美元，输出从 20 美元降至 10 美元；Luna 模型输入从 0.20 美元降至 0.10 美元，输出从 1.20 美元降至 0.50 美元。更值得关注的是缓存机制的革新：命中的输入读取价格仅为普通输入的十分之一，缓存写入价格也控制在极低水平。这意味着对于存在大量重复上下文的 Agent 场景，推理成本可进一步压缩超过 80%。GPT-6 家族通过提升默认缓存命中率，复用请求前缀的中间计算结果，实现了成本与性能的双重优化。

基准测试全面领先，编程与工程能力显著提升

在 Agents' Last Exam 测试中，GPT-6 Sol（max）拿下 56.4%，超越 Claude Opus 5 在该评测中的最高成绩，且每个任务成本降低 60%。FrontierCode 1.1 Main 评测中，Sol 以更低成本达到 Fable 5.1（xhigh）的表现水准，涵盖代码正确性、测试质量、改动范围、代码风格和仓库规范等全维度评估。DeepSWE 1.1 包含 113 个原创软件工程任务，覆盖 91 个仓库、5 种语言，Sol（max）达到 68.8%，与 Fable 5 最高成绩 69.9% 仅差 1.1 个百分点，成本却降低约 80%。Luna（max）66.6% 的成绩与 Opus 5、Fable 5 的 medium 档位持平，成本分别低 93% 和 96%。

企业落地成本测算：推理投入与缓存策略的协同优化

从企业实际部署视角审视，GPT-6 Sol 与 Luna 的定价策略具有深远影响。以日均处理 10 万次 API 请求的企业级 Agent 应用为例，假设每次请求平均 2000 tokens 输入、500 tokens 输出，采用 Luna 模型配合缓存优化，月度成本可控制在数千美元区间，相较半年前的定价方案节省超过 40% 的支出。更重要的是，GPT-6 提供的 Prompt Caching Dashboard 可实时监控缓存命中率分布，帮助技术团队诊断因输入参数、工具选择或历史消息变化导致的缓存失效问题，从而针对性优化提示词结构。开发者还可在后续上下文中动态调整推理档位，在保持缓存前缀稳定的前提下灵活切换推理投入，兼顾响应速度与输出质量。这种「按需降本」的能力，使企业能够在不同业务场景中实现精细化成本控制。

Agent 开发新范式：从模型选型到工作流编排的完整闭环

GPT-6 Sol 与 Luna 的发布，为 Agent 开发提供了更充裕的模型选择空间。Sol 凭借其在编程与长流程专业任务上的优势，适合作为「核心决策节点」嵌入复杂工作流，处理代码审查、多步骤推理、跨文档分析等高价值任务；Luna 则以高吞吐、低成本特性胜任「快速执行节点」角色，承担信息检索、格式转换、批量摘要等高频任务。两者结合，可构建成本与效率最优的 Agent 架构。此外，模型新增的显式断点功能允许开发者指定缓存前缀的结束位置，将动态内容置于其后，既保证了缓存复用的最大化，又为实时上下文注入留出灵活空间。对于正在构建企业级 AI 应用的技术团队而言，GPT-6 家族的这两款新模型提供了更具性价比的基础设施支撑。

GPT-6 Sol 与 Luna 的发布，标志着大模型竞争进入「能力升维、价格降维」的新阶段。API 永久半价叠加基准测试的全面领先，为企业级 AI 落地扫清了成本障碍。随着缓存机制与推理档位的精细化控制成为行业标配，模型厂商的竞争焦点正从「能不能做到」转向「能不能便宜做到」。对于 Agent 开发者而言，这无疑是一个值得抓住的时间窗口。。