⁡⁤‬‍⁤‬​‌‍⁢⁡⁢⁣‌‌⁡⁡​⁤​​⁢⁡‬⁡‬​‍⁣​​⁤⁡‍​⁡‬‌‬⁣⁡⁣​⁡‬⁤刚刚，GPT-6 新模型掀桌！「白菜价」杀进 DeepSeek 腹地

DeepSeek 快醒醒，ChatGPT 要打到家门口了。 就在刚刚，OpenAI 正式发布 GPT-6 Sol 和 GPT-6 Luna，API 价格降至上一代的一半左右。其中，Luna 每百万 Token 输入 0.1 美元、输出 0.5 美元，约合人民币 0.7 元和 3.5 元。 作为对照，DeepSeek V4.1 Flash 闲时的缓存未命中输入价为每百万 Token 1 元，输出价为 4 元，高峰时段则升至 2 元和 8 元。按照普通新请求计算，Luna 已经更便宜，也没有峰谷定价带来的成本波动。 DeepSeek 依然握有自己的价格王牌。它的闲时缓存命中输入只要每百万 Token 0.02 元，远低于 Luna。V4.1 Flash 的综合能力也明显更高，拥有 100 万 Token 上下文，并支持图文理解、工具调用和思考模式。 然而，在缓存未命中的普通请求中，Luna 已经率先把 DeepSeek 模型拉进了同一价格区间，这也意味着 DeepSeek 最具辨识度的低价标签，从此有了一个实力强劲的海外对手。 Astra 冲上限，Sol 和 Luna 抢市场 本月早些时候，OpenAI 发布了 GPT-6 Astra，并将其称为公司目前能力最强、对齐程度最高的模型。Astra 面向高难度和高价值任务，但每百万 Token 10 美元输入、50 美元输出的价格，决定了它很难成为日常工作中的默认选项。 Sol 和 Luna 承担的是另一项任务。 OpenAI 表示，两款模型沿用了与 Astra 相近的训练方法，将 Astra 在专业工作、事实准确性、编程、计算机操作和对齐方面的进展，带到速度更快、价格更低的产品层级。 新的 API 定价令人出乎意料。 GPT-6 Sol 从 GPT-5.6 Sol 促销期的每百万 Token 4 美元输入、20 美元输出，降至 2 美元和 10 美元；GPT-6 Luna 从 0.2 美元和 1.2 美元，降至 0.1 美元和 0.5 美元。 对于这波降价，OpenAI 将其归因于推理基础设施和缓存效率的改善，并称目的是为了直接让利用户。 OpenAI CEO Sam Altman 在发布后强调，真正重要的指标是完成一项任务要花多少钱，而在这个维度上，他认为市场上目前没有产品能够匹敌 Sol 和 Luna。 产品分工也随之变得清晰。 Astra 继续负责最高能力上限，Sol 面向需要较强推理、编程和 Agent 能力的主流专业任务，Luna 则用极低价格承接高频、规模化工作。 OpenAI 此次争夺的重点，已经从榜单上的最高分延伸到每一美元能够完成多少工作。 官方公布的成绩显示，GPT-6 Sol 的主要竞争力集中在专业工作和 Agent 任务上。 在测试跨销售、营销、运营、客服、财务和人力资源等工作流的 AutomationBench 中，GPT-6 Sol 以 xhigh 推理强度取得 33.2% 的成绩，高于 Claude Opus 5 最大推理强度下的 26.9%，单项任务成本却只有后者的 9%。 它还超过了低推理强度的 GPT-6 Astra，并以远低于 Claude Fable 5.1 的成本取得更高分数。 Agents’ Last Exam 覆盖 55 个细分行业，主要考察长链路且具有实际经济价值的专业任务。GPT-6 Sol 在最大推理强度下得到 56.4%，超过 Claude Opus 5 在该评测中的最高成绩，单项任务成本低了约 60%。 事实准确性也有明显改善。 OpenAI 使用用户曾标记事实错误的匿名真实对话进行内部测试，GPT-6 Sol 的错误数量约为 GPT-5.6 Sol 的一半，并开始接近 Astra 的可靠性。 GPT-6 Luna 在较高推理强度下，则以大约百分之一的成本追平 GPT-5.6 Sol。 编程和电脑操作更强，OpenAI 也开始卷白菜价了 编程是 Sol 最重要的应用场景之一。 OpenAI 披露，内部研究人员使用编程 Agent 的规模正在快速增长，若按照 API 价格计算，中位数研究人员每天消耗的 Token 价值已经超过 600 美元，位于第 90 百分位的研究人员则超过 7000 美元。Agent 接手的任务越长，推理成本对使用频率的限制就越明显。 在考察代码能否直接合并进真实项目的 FrontierCode 中，GPT-6 Sol 相比上一代明显进步，并以更低成本追平 Claude Fable 5.1 xhigh。 在真实代码库的软件工程测试 DeepSWE v1.1 中，Sol 最大推理强度得分为 68.8%，距离 Claude Fable 5 的最高成绩 69.9% 只差 1.1 个百分点，单项任务成本约低 80%。对比之下，DeepSeek V4.1 Flash 的得分是 74.2%。 GPT-6 Luna 在同一评测中得到 66.6%，与 Claude Opus 5 和 Fable 5 中等推理强度的表现相近，但任务成本分别低 93% 和 96%。 它未必适合承担最复杂的软件工程项目，却可能成为代码检查、批量修改、轻量开发和多 Agent 并发任务中更经济的执行模型。 计算机操作方面，Astra 仍然是 OpenAI 能力最强的选择，但 Sol 和 Luna 进一步改善了成本效率。 在 OSWorld 2.0 离线测试中，Sol xhigh 得到 60.5%，与 Claude Opus 5 medium 的 60.3%基本相当，单项任务成本低约 80%；Luna 最大推理强度的成绩超过 GPT-5.6 Sol medium，成本只有后者的十分之一。 模型的交流方式也继承了 Astra 的调整。 OpenAI 称，Sol 和 Luna 会减少术语、古怪措辞及价值较低的细节，回答整体略短，同时更清楚地说明自己检查过什么、没有检查什么。对于需要连续协作的编程和技术任务，表达是否可靠，正在与单次回答是否漂亮变得同样重要。 模型发布后我们也迎来了网友的首批实测，很快呈现出两种截然不同的评价。 开发者 Flavio Adamo 提前试用 GPT-6 Sol 后表示，过去在 GPT-5.6 上通常需要约一小时的任务，如今经常可以在约 20 分钟内完成，Token 消耗还不到原来的一半。 我们用 GPT-6 Sol 实测威尼斯运河快艇游戏时，模型最终交付了可以直接游玩的 Three.js 成品，桥洞闯关、倒计时、航迹尾流、水面反射和追逐镜头等核心功能均能正常运行，且审美还是相当不错的。 Bridgebench 的 3D 火箭发射测试更直接地展示了价格差距。 视觉质量上的结论却没有那么乐观。 aipulsedaily 使用同一提示词让 GPT-6 Sol 与 Claude Opus 5.5 构建纽约 Three.js 场景，认为 Opus 5.5 更完整地呈现了街道、出租车、屋顶、布鲁克林大桥和中央公园，还增加了部分细节；Sol 的结果更接近静态画面，缺少相机移动和持续渲染循环。 Bridgebench 在另一组同提示词测试中也认为，Opus 5.5 的视觉品味和设计完成度明显更高。 不过考