GPT-5.6 API 定价：Sol、Terra 和 Luna 层级，实际成本，以及如何调用每个层级

GPT-5.6是OpenAI在2026年7月推出的旗舰系列，对开发者而言，重要的是它并非单一价格。它分为三个等级——Sol、Terra和Luna。在OpenAI API上，Sol每百万输入令牌收费5美元，每百万输出令牌收费30美元；Terra为2.50美元和15美元；Luna为1美元和6美元。每个等级都有缓存输入折扣，三个等级都支持图像输入和文本，上下文窗口约为105万令牌，最多可输出12.8万令牌。

标价只是实际成本的开始。你实际需要哪个层级、缓存多少、模型生成多少输出，以及大多数指南忽略的几个定价规则——超过272K Token的提示词、数据驻留附加费和服务层级——对账单的影响远大于标称费率。本指南详细解析每个层级的价格、用途、评分方式、如何从GPT-5.5迁移、如何调用，以及它与Claude、GLM、Gemini、DeepSeek和Grok的对比。

快速解答：GPT-5.6价格一览

- 三个等级（每百万代币，输入/输出）：Sol $5 / $30, Terra $2.50 / $15, Luna $1 / $6。

缓存输入：每百万个代币 $0.50 (Sol)、$0.25 (Terra)、$0.10 (Luna)；缓存写入成本为未缓存输入速率的 1.25 倍。

- 定位：Sol用于最困难的推理和代理工作，Terra作为平衡的默认选择，Luna用于高容量、成本敏感的任务。

- 模态：多模态——GPT-5.6可同时接受图像和文本输入。上下文约1.05M token，最大输出128K。

- 两条需要规划的定价规则：输入超过272K个token的提示词，整个请求按输入2倍、输出1.5倍计费；数据驻留端点加收10%的附加费。

节省费用的方法：批量处理比标准价格便宜50%，缓存将重复输入的成本降至十分之一，将常规工作路由到较低层级可以避免Sol的30美元输出。

- 智力：人工分析将GPT-5.6 Sol列于其智力指数接近榜首的位置（得分59）。

GPT-5.6 API定价，按层级划分

OpenAI对GPT-5.6的定价为每百万令牌，并且在每个层级上，输出远贵于输入。目前公布的费率是：

- GPT-5.6 Sol：输入 $5.00，缓存输入 $0.50，输出 $30.00（缓存写入 $6.25）。

- GPT-5.6 Terra：输入$2.50，缓存输入$0.25，输出$15.00。

- GPT-5.6 Luna: 输入1.00美元，缓存输入0.10美元，输出6.00美元。

在制定预算前，有两个细节值得注意。首先，输出速率在大多数实际账单中占主导地位，尤其是在推理和智能体工作中——模型在给出最终答案前会生成大量追踪记录、工具调用和修正。其次，定价页面上并未单独列出“Sol Ultra”的价格；“Sol Ultra”是Sol（一种多智能体架构）的更高推理配置，并非独立层级——请围绕Sol、Terra和Luna进行预算规划。

每个层级实际上是用做什么的

Luna：高容量且成本敏感

Luna 是经济层级，输入价格为1美元，输出价格为6美元。它是分类、提取、路由、摘要、起草以及大量日常工作的默认选择——在这些工作中，微小的质量差异不会改变结果。每百万输出词元六美元的价格足够低廉，可以大规模运行并反复采样。

Terra: 平衡的默认设置

Terra处于中间位置，价格为2.50美元和15美元。对于大多数应用和编码工作，它是一个明智的起点：在较难的任务上明显比Luna更强，但输出价格仅为Sol的一半。从这里开始，仅当Terra明显无法完成任务时，再将任务升级到Sol。

Sol: 最困难的推理与智能体工作

Sol 是旗舰模型，定价 5 美元和 30 美元，Artificial Analysis 将其置于其智能指数前列。将其保留用于困难架构、复杂调试、长周期代理以及高风险分析，在这些场景中，避免一次失败就值得支付溢价。将 Sol 用于日常工作是 GPT-5.6 最常见的超支方式。

来自GPT-5.5？哪个层级最省钱？

GPT-5.6 Sol 的定价与 GPT-5.5 相同，输入 $5，输出 $30，因此将 GPT-5.5 的工作负载直接迁移到 Sol 几乎不会改变账单。节省体现在两个新的更低层级上。Terra 在大多数任务上提供大约 GPT-5.5 级别的质量，但价格只有一半，因此最简单的迁移方式是将现有的 GPT-5.5 流量发送到 Terra，仅将那些表现下降的任务提升回 Sol。

实用的迁移计划分三步：将GPT-5.5的调用重定向到Terra，运行你的评估集，仅将失败案例升级给Sol，同时将明确的常规工作推给Luna。大多数GPT-5.5的工作负载通过这种方式会更便宜，且不会造成你可衡量的质量损失。

层级实际如何评分

价格只有在与性能相比时才有意义。根据OpenAI自己的Terminal-Bench 2.1数据，各等级的区分大致如你所料：Sol 88.8%，Sol Ultra 91.9%，Terra 87.4%，以及Luna 84.7%。作为参考，在同一表格中，GPT-5.5得分为85.6%，Claude Opus 4.8得分为78.9%，Claude Fable 5得分为83.1%，以及Gemini 3.1 Pro（预览版）得分为70.7%。Artificial Analysis另外给Sol的Intelligence Index评分为59，接近其排名顶部。

请将这些视为供应商报告和方向性参考。OpenAI 已为 GPT-5.6 发布了一组有限的评估，并且在撰写本文时，尚未发布传统的编码和推理基准（如 SWE-bench Verified 或 GPQA），因此请使用这些分数来决定在自己的工作负载上测试什么，而不是作为最终结论。

每一层的缓存输入读取速率是其新鲜输入速率的十分之一：在Sol上为0.50美元，在Terra上为0.25美元，在Luna上为0.10美元。然而，写入缓存的成本是未缓存输入速率的1.25倍（在Sol上约为每百万6.25美元），因此只有当稳定前缀被重复使用足够多次以赚回写入溢价时，缓存才划算——例如系统指令、大型文档、仓库规则或产品分类法。将稳定的材料放在提示的前面，将变化的问题放在末尾，并避免在可重用上下文之前插入时间戳或随机标识符。

缓存可降低重复输入成本；但对输出无影响。因为输出在每个层级都是开销较大的一方，影响GPT-5.6账单最大的两个杠杆是缓存稳定前缀和控制模型输出的长度。

你应该选择哪个层级？

不要根据声誉选择层级。要根据测试来选择。构建一组具有明确验收标准的小型代表性任务，先在Luna上运行，只有失败的任务才提升到Terra，然后到Sol。衡量每个被接受任务的成本，而不是平均令牌价格，因为一个更便宜的层级需要尝试三次，其成本可能超过一个更强的层级一次成功的成本。

一种操作习惯能省下真金白银：每次调用时固定使用精确的层级模型ID，而不是依赖裸别名，这样常规请求就不会悄悄运行在最昂贵的层级上。混合工作负载通常将Luna用于常规转换和起草，Terra用于日常实现和分析，而Sol保留给少数困难任务——大多数请求根本不需要旗舰模型。

GPT-5.6 与同行在价格上的对比

GPT-5.6 并非孤立存在。与当前领域对比来看（每百万词元，输入/输出，2026年中）：Claude Opus 4.8 为 $5 / $25，Claude Fable 5——Anthropic 最强公开模型——为 $10 / $50，GLM 5.2在 Z.AI 上为 $1.40 / $4.40（第三方托管可能更低），Grok 4.5为 $2 / $6，Google 的Gemini 3.5 Flash约为 $1.50 / $9，而 DeepSeek V4-Pro 约为 $0.44 / $0.87。请在各供应商自己的页面上确认，因为这些价格会变动。

具体要点如下。GPT-5.6 Sol 在输入方面与 Opus 4.8 持平，但在输出方面更贵（30 美元对 25 美元），因此在输出密集的代理任务中，Opus 每 token 略便宜，而 Sol 在智能指数上领先。Terra 比两款旗舰产品都便宜，是 OpenAI 系列中的性价比之选。Luna 在价格上与更便宜的模型竞争，不过 Grok 4.5、GLM 5.2 尤其是 DeepSeek 的定价更低。没有哪个层级或供应商能赢得一切，这正是按难度路由优于只选一个的原因。

已处理的月度账单

用数字来说明。对于一个中等偏高的月份，包含5000万输入和1000万输出token，按未使用缓存和工具前的标价计算，模型费用大致为：

- GPT-5.6 Luna: 大约110美元

- GPT-5.6 Terra：约275美元

- GPT-5.6 Sol: 大约550美元。

- 作为比较：GLM 5.2 约114美元，Grok 4.5 约160美元，Claude Opus 4.8 约500美元，Claude Fable 5 约1000美元。

同样的任务通过智能路由分配——Luna和Terra处理大部分，Sol处理少部分困难任务——其成本远更接近110–275美元区间，而非Sol一揽子的固定550美元。这个差距乘以一年，就是层级路由的全部论据。

需要规划的隐性成本

若干定价规则不会出现在标价中，之后会给团队带来意外：

- 长提示：超过272K输入令牌的请求按整个请求的2倍输入和1.5倍输出计费，因此大上下文和大RAG调用的成本可能增加一倍以上。

- 输出量：输出可达输入速率的六倍，因此无上限或高推理输出是首要的超支风险。

- 服务层级：优先处理的速度大约是标准费率的两倍（在Sol上约10美元输入/60美元输出）；Flex和Batch更便宜。请通过service_tier设置谨慎选择层级。

- 数据驻留：区域处理端点对2026年3月5日及之后发布的模型（包括GPT-5.6）增加10%的费用。

- Agent循环与重试：每次交互都会重新发送指令、工具和历史记录，而失败的长时间请求会浪费您已经付费的输入。

- 层级漂移：把所有东西都留在Sol上“为了安全”是唯一最昂贵的习惯。

省钱的方法

三个杠杆可在不改变构建内容的情况下削减GPT-5.6账单。批处理：通过批处理层进行的异步请求可享受标准定价的50%折扣，非常适合对延迟不敏感的大规模Luna工作。缓存：重复使用足够多的稳定前缀以超越1.25倍的写入溢价，并将重复输入降至十分之一。路由：将常规工作发送至Luna或Terra，仅将困难的小部分升级至Sol，并在可能时将提示保持在272K阈值以下。

如何调用GPT-5.6

GPT-5.6 可通过 OpenAI API 以及兼容 OpenAI 的网关使用，因此当您更改其背后的模型或层级时，集成仍然稳定。以下是一个标准的 OpenAI 兼容模式；在生产使用前请确认当前的模型 ID，并固定确切的层级，而不是使用裸别名。

from openai import OpenAI
client = OpenAI(base_url="https://www.orcarouter.ai/v1", api_key="YOUR_API_KEY")
response = client.chat.completions.create(
model="openai/gpt-5.6-terra",
messages=[{"role": "user", "content": "重构此模块并解释风险。"}],
)
print(response.choices[0].message.content)

切换层级只需对模型字段进行一行更改，这正是基于难度的路由变得实用的原因：将常规调用发送到Luna或Terra，仅将困难的任务升级到Sol。

通过OrcaRouter测试GPT-5.6

网关使GPT-5.6更容易被采用，原因有二。首先，同一个兼容OpenAI的客户端可以调用所有三个层级以及比较模型，如Claude Opus 4.8、GLM 5.2和Grok 4.5，因此您可以在不重写集成代码的情况下，对整个系统运行同一个评估集，并衡量每个接受任务的真实成本——包括工具费用、重试以及272K附加费。其次，网关可以在提供商之间进行故障转移并强制执行预算上限，因此临时容量问题或一次异常的Sol调用不会导致月度预算超支。在基于它们构建预算之前，请确认实时的GPT-5.6路由和当前层级ID。

下一步：注册OrcaRouter，并通过一个API端点运行你自己的GPT-5.6层级比较。

常见问题

GPT-5.6 Sol、Terra 和 Luna 之间有什么区别？

它们属于同一系列中的三个不同价位和性能等级。Sol 是旗舰版，用于最繁重的工作（$5/$30），Terra 是均衡默认款（$2.50/$15），Luna 是经济型，适合高容量任务（$1/$6）。选择通过测试的最低等级即可。

是否有GPT-5.6 Sol Ultra的定价层级？

不。“Sol Ultra”是 Sol 的一种更高推理能力、多智能体配置，而不是定价页面上的独立条目。它使用更多令牌，每个任务成本更高，但你可以将其预算为更高努力级别的 Sol。

为什么我的GPT-5.6账单超过了简单估算？

通常输出令牌，272K长提示附加费（输入2倍，输出1.5倍），优先服务等级，数据驻留升级，或重试。记录完整请求链，并按每个接受的任务而不是每个提示来衡量成本。

我可以微调GPT-5.6吗？是否有免费套餐？

两者都不。GPT-5.6不支持微调，API也没有免费层——从第一个token开始计费。免费访问仅存在于某些ChatGPT套餐内，这与API是分开的产品。

哪个ChatGPT套餐可以使用哪个层级？

因产品而异。在ChatGPT Work和Codex中，Free和Go可以使用Terra，而Plus及以上用户可在Sol、Terra和Luna中选择；最高级别的Ultra设置仅限于Pro和Enterprise。请将API与ChatGPT套餐视为独立——API密钥不会继承订阅的访问权限。

底线

GPT-5.6的定价故事在于分层定价。Sol（5美元/30美元）在智能排名中领先，Terra（2.50美元/15美元）是默认性价比选项，也是先前GPT-5.5流量的天然归宿，而Luna（1美元/6美元）处理高容量。缓存将重复输入削减至十分之一（在1.25倍写入溢价之后），批量处理半价，但输出在所有层级中都较为昂贵，超过272K的长提示需支付附加费。

将三个层级视为路由问题，而非单一购买：默认使用低成本层，失败时升级，缓存稳定上下文，在延迟允许的情况下使用批量处理，并通过同一端点保持一个可访问的比较模型。这样每个被接受的任务的成本远低于为常规工作支付旗舰级费率。