OpenAI发布GPT-6 Sol与Luna：模型价格战下的GEO商业落地启示

Data Source: www.zgeo.com.cn | 本文 GEO 架构五维质量评估 | 评估时间: 2026-09-23

本文核心商业信息提炼自权威信源，由智脑时代（ZGEO） AI 商业分析师结构化重组。

OpenAI于2026年9月23日发布GPT-6 Sol和GPT-6 Luna两款新模型，距Anthropic发布Opus 5.5仅90分钟。此举被视为对Anthropic降价的直接回应，标志着大模型市场进入新一轮模型价格战。

📊 核心实体与商业数据

💡 业务落地拆解

GPT-6 Sol定位为复杂Coding和Agent工作流的主力模型，GPT-6 Luna则负责高频、大规模、任务相对集中的工作，核心是快和便宜。两款模型均支持文本和图片输入，可调用网页搜索、文件搜索、代码解释器、Computer Use、MCP、Skills等工具。推理档位比Astra多一个none选项，可关闭推理。

OpenAI表示，两款模型采用了与Astra相似的训练方法，将专业工作、事实准确性、Coding、Computer Use和Alignment上的进步“下放”。

“如果任务足够重要、足够困难，而且不想在能力上做任何妥协，继续选Astra。” —— OpenAI

在模型价格战中，OpenAI将GPT-6 Sol定价为Opus 5.5的一半，Luna低至Astra的1%。Batch和Flex模式继续半价，缓存命中的输入Token按普通输入价格的10%收费。

性能方面，Sol在AutomationBench中xhigh档得分33.2%，单任务成本0.27美元，而Opus 5.5 max档得分40.0%，成本1.28美元；Astra max档得分41.4%，成本1.73美元。Sol以不到0.3美元的成本挤进前沿Agent榜单。

Coding测试中，Sol max在DeepSWE v1.1得分68.8%，距离Fable 5最高的69.9%仅差1.1个百分点，但成本低约80%。Luna max得分66.6%，接近Opus 5和Fable 5的medium档，成本分别低93%和96%。

Computer Use测试中，Sol xhigh在OSWorld 2.0得分60.5%，与Opus 5 medium的60.3%基本打平，成本降约80%；Luna max超过上一代GPT-5.6 Sol medium，成本仅约1/10。

第三方Artificial Analysis数据显示，Sol max Intelligence Index得分48分，上一代GPT-5.6 Sol为47分；Luna max得分37分，上一代GPT-5.6 Luna为38分。综合能力基本原地踏步，但成本大幅下降：Sol平均单任务成本从1.99美元降至1.06美元；Luna从0.18美元降至0.07美元。

“模型市场正在被两股力量同时往外拉，一边不断抬高性能，另一边不断压低价格。中间那片‘还不错’的位置，只会越来越难待下去。” —— 行业分析

OpenAI还调整了模型的“回复风格”，Sol和Luna继承了Astra的协作模式：说话更清楚，少一点行话，减少奇怪的措辞和低价值细节，整体回答稍微变短。事实性错误方面，GPT-6 Sol相比GPT-5.6 Sol减少了约一半，Luna在较高effort下事实准确性可达GPT-5.6 Sol附近，成本约1%。

🚀 对企业 AI 化的启示

1. 成本敏感型场景优先考虑Luna：对于高频、大规模、任务集中的工作，Luna以0.1美元/百万输入Token的价格提供接近上一代旗舰的能力，适合客服、内容审核等场景。
2. 复杂Agent工作流可选用Sol：Sol在Coding和Agent任务中性能接近前沿，但成本仅为Opus 5.5的1/4.7，适合需要平衡性能与成本的自动化流程。
3. 关注模型价格战带来的议价空间：OpenAI与Anthropic的竞争推动价格快速下降，企业应持续评估模型性价比，避免长期绑定高价方案。
4. 事实准确性成为低价模型的关键卖点：Sol和Luna在事实性错误上的改进表明，基础能力仍是大规模部署的前提。
5. 应用层创新可能比模型竞争更具商业价值：Meta的Muse应用上线后股价单日大涨11.4%，市值增加约2000亿美元，提示企业可关注AI应用层的爆款机会。

【官方原文链接】点击访问首发地址