📍 真實場景
12 人電商公司的後端工程師小陳，負責客服自動回信系統
月底對帳單時發現，客服機器人每天呼叫旗艦模型處理大量來信，API 費用已逼近老闆給的預算上限
😖 卡住的地方：想換便宜一點的模型省錢，又怕答錯客人的問題被客訴；官方每次都說「更強又更便宜」，卻沒人告訴他該怎麼判斷這次是不是真的值得換
💡 讀完你能用 30 分鐘、20 個自己的真實題目，算出 Sol 或 Luna 換下現用模型到底省多少、錯多少，再決定要不要換
⚡ 一句話講清楚
OpenAI 本月稍早推出旗艦模型 GPT-6 Astra，官方稱它是目前最聰明、也最符合人類期望（對齊讓模型的行為符合人類的期望與安全要求）的模型。但不是每份工作都需要旗艦：有的要求快，有的預算緊。所以這次 OpenAI 在 Astra 之外，再推出兩個平價型號——GPT-6 Sol 與 GPT-6 Luna。官方說它們用和 Astra 相似的方法訓練，把 Astra 在專業工作、事實正確性、寫程式、操作電腦上的進步，帶到更快、更便宜的模型上；至於最吃重、最重要的專案，官方仍建議選 Astra。
這則消息的重點在價錢。API 是讓你的程式直接呼叫模型的介面，費用按 token模型處理文字時切出的小碎片，計費就是按碎片數量算 計價，價格以每 100 萬個 token 為單位。OpenAI 說 Sol 與 Luna 的 API 價格，比它們在 GPT-5.6 時期的促銷價再降 50%，原因是 快取把重複用到的內容先存起來，下次不必重新計算 與推論（模型實際運算的過程）效率改善，成本降了就直接讓利給用戶。要注意兩件事：這個降幅是跟「促銷價」比，不是跟正式標價比；而我們拿到的文章節錄裡沒有價格表，實際單價得去官方頁面確認。
官方也放出一批數字，但這些都是 OpenAI 自己的測試結果。在 AutomationBench（模擬跨多個應用程式的企業工作流程，屬於 基準測試一份固定的考卷，讓不同模型考同樣的題目來比分數）上，Sol 在 xhigh（極高）推理強度模型回答前「想多久」的檔位，檔位越高通常越準，但也越貴越慢 下，表現勝過 Claude Opus 5 的最高強度，每題成本卻只有 Opus 5 的 9%；Luna 在 high 強度下比上一代高 5.4 個百分點，每題成本低 58%。另一個測試 Agents' Last Exam 上，Sol 在最高強度得 56.4%，高於 Opus 5 在該測試的最高分，每題成本低 60%。事實正確性方面，官方用「使用者標記過模型答錯」的真實對話（已去識別化）做內部測驗，Sol 的錯誤約為前代的一半。
🏃 快速上手三步（今天就能做）
1
查：算出你自己的真實單價打開官方發表頁 https://openai.com/index/introducing-gpt-6-sol-and-luna/ ，找到「Prices are per 1 million tokens」下方的價格表，把 Sol、Luna 與你現在用的型號的「輸入單價」和「輸出單價」抄進試算表。每次呼叫成本 =（輸入 token 數 × 輸入單價 + 輸出 token 數 × 輸出單價）÷ 1,000,000。注意官方說的「降 50%」是相對 GPT-5.6 促銷價，不一定等於相對你現在帳單的降幅，所以一定要拿你自己的帳單單價來比。
▼
2
試：用你自己的 20 題實測從真實工作裡挑 20 個有代表性的任務（例如客服來信、要整理的報表），把同一批題目分別丟給你現用的模型、Sol、Luna，各跑一次，並固定同一檔推理強度。從 API 回應的 usage 欄位記下輸入與輸出的 token 數，套用上一步的公式算出每題成本，再人工給每題標「對／錯」。模型代號請照官方 models 清單填寫，不要用猜的（本次素材沒有給出確切代號）。
▼
3
判：用門檻決定換不換，並避開陷阱建議門檻（可依風險調整）：答對數與現用模型只差 1 題以內、且每題成本明顯較低，就先切 10% 流量觀察一週；差 2 題，再多測 20 題；差 3 題以上，該任務留在原模型。三個陷阱：一，官方基準測試是 OpenAI 自家公布，不能當成你場景的保證；二，調高推理強度會讓單題成本上升，比較時要用「同強度」或「同總成本」；三，出錯代價高的任務（金額、法規、醫療）別為了省錢硬換，官方自己也說要最好結果就選 Astra。
🧠 工程思維透鏡（資深工程師看到的是什麼）
🔭 「每題成本只有 9%」這種數字，能直接拿來估你的帳單嗎？
不能直接套用。這個數字是 OpenAI 在特定測驗、特定推理強度、自家計價下量出來的「每題成本」，比較對象也是自己挑的競品。你的實際成本 = 單價 × token 數，而 token 數取決於你的任務：輸入很長、輸出很短的工作和反過來的工作，成本結構完全不同；推理強度越高，通常會多花 token 在「思考」上。另外官方提到快取降低了成本，你的請求若有大量重複的前綴（例如固定的系統提示），受益會比較大；每次內容都不同的請求則不一定。權衡是：官方數字用來決定「值得測」，你自己的 20 題實測才用來決定「要不要換」。
🔭 Astra、Sol、Luna 三個型號，工程上該怎麼分工？
三個型號等於官方給你一條成本對智力的選擇曲線，資深工程師通常會依「出錯代價」分層：高風險或極複雜的任務走 Astra；一般複雜的工作流程走 Sol；大量、簡單、可容錯的任務走 Luna，並加上自動驗證（例如檢查輸出格式）與抽樣人工複核，必要時設定「Luna 不確定就升級到 Sol」的規則。官方說 Sol 的錯誤約為前代一半，但那是相對前代、沒有給絕對錯誤率，所以不代表可以省略驗證。代價是多一層路由邏輯、每個型號都要維護自己的評測題庫，而且三個型號都來自同一家供應商，價格或政策一變（這次降價本身就是跟「促銷價」比），你的成本也跟著變。建議把模型名稱與強度檔位放進設定檔，不要寫死在程式裡，之後要調整或換家才不用改程式。