GPT-6 Luna 正在成为默认选项：每百万一毛钱究竟能换来什么

对GPT-6 Luna而言，其首周发生的最具影响的事情并不是降价。而是一次合并提交。在供应商于 2026 年 9 月 22 日发布 GPT-6 Luna 后的一天内，一个开源智能体平台落地了一项变更，使其成为所有未自行选定默认选项的组织的回退模型——取代了 GPT-5.6 Terra，后者是规模更大且昂贵得多的层级。给出的理由是算术：按每百万 token 0.10 美元和 0.50 美元计算，GPT-6 Luna 的成本是 GPT-5.6 Terra 输入费率的二十分之一、输出费率的二十四分之一。这是一个真实信号，但也只是故事的一半。GPT-6 Luna 的价格是每百万输入 token 0.10 美元、每百万输出 token 0.50 美元，相比之下，GPT-6 Sol为 2.00 美元和 10.00 美元，高它一档，而价格为 10.00 美元和 50.00 美元的旗舰版 GPT-6 Astra。它在那个默认位置取代的模型 GPT-5.6 Luna，成本仍为 0.20 美元和 1.20 美元——输入是两倍，输出则超过两倍。每百万仅一毛钱，便宜到让决策不再关乎价格，而开始关乎模型实际能完成什么。

所以这不是一篇发布解读，也不是一篇降价公告——这两篇我们都已经写过，而且价目表本身也已敲定。它试图回答低价档营销所跳过的问题：如果一个模型成为你的默认选择，它会怎样影响那些过去交给更大模型来做的工作？支持这个问题的证据来自三个地方，而它们彼此并不一致。OpenAI 自己的基准测试最为好看，也最难以复现。Artificial Analysis 在同一周发布了一个独立指数，它更有用，因为它按已完成任务而非 token 来计价。还有少数人现在已经拿这个模型在真实基础设施上运行过，而有趣的失败正出在这里。凡是供应商报告的数值，承载它的句子都会说明这一点。

实际发布的内容

GPT-6 Luna 是第六代家族中的小规格层级，位于 GPT-6 Sol 之下，也远低于旗舰款 GPT-6 Astra。本周阅读的 OpenAI 自家模型文档给出了大致范围：

• 模型 ID — gpt-6-luna，单一快照，没有带日期的变体。不存在gpt-6-luna-pro这一模型列表条目；第三方目录中流传的 pro 字符串是推理模式的取值，而非模型。

• 上下文与限制 — 一个 1,050,000 token 的窗口，最多 922,000 个输入 token，128,000 token 的输出上限，以及 2026 年 5 月 18 日的知识截止日期。输入文本和图像，输出文本。

• 价格 — 每百万输入 token $0.10，每百万缓存输入 $0.01，每百万缓存写入 $0.125，每百万输出 $0.50。OpenAI 称这些价格为永久性定价，而非促销性定价。

• 长上下文阶梯——输入 token 超过 272,000 的请求，其输入与缓存费率按两倍、输出费率按 1.5 倍重新计价，且按整个请求而非仅按超出部分计算。这是这款模型上代价最高的一个错误，因为触发它的是请求总大小，而不是你实际使用了多少。

• 服务层级——Batch 和 Flex 按标准费率的一半计费；Fast 模式则使其翻倍。因此，异步批量作业还要再打五折，而费率卡会根据你发送请求的方式给出四种不同的实际价格。

• 工作量 — 六个取值：none、low、medium、high、xhigh 和 max，其中 medium 是文档中记载的默认值。工作量是按请求生效的，而不是部署的属性。

• 端点 — Responses、Chat Completions 和 Batch。Chat Completions 仅在推理强度（reasoning effort）设为 none 时才处理函数调用；内置工具和函数调用通常需要使用 Responses API，该 API 支持网络搜索、文件搜索、图像生成、代码解释器、托管 shell、apply_patch、技能、计算机操作、MCP 和工具搜索。

最后那句话的重要性比它看起来要大。如果你的自动化用到了工具，那你就在 Responses API 上，而你的 effort 档位是与端点选择绑在一起的。一个为了省钱把 effort 设为 low、还指望函数调用在 Chat Completions 上继续可用的团队，搭出来的流水线会在第一次工具调用时就失败。

决定这个问题的数字是每个已完成任务的成本，而不是每个token的成本

Artificial Analysis 在发布后数小时内就公布了其独立评估，而其中最引人注目的数字，对那些认为更便宜的 token 就意味着更低的单次任务成本的人来说并不令人舒服。在其 Intelligence Index 上，GPT-6 Luna 在最高努力程度下每项任务约花费 0.07 美元，而 GPT-5.6 Luna 在同等努力程度下约为 0.18 美元——降幅约 60%，这源于降价，而非模型完成的工作更少。指数得分本身则与被它取代的模型持平。作为参照，GPT-6 Sol 每项指数任务约花费 1.06 美元，而 GPT-5.6 Sol 为 1.99 美元。

把这三个数字放在一起看，这个系列的轮廓就清楚了。Sol 的单任务成本大约是 Luna 的十五倍，换来的却是显著更高的得分。Luna 并不是 Sol 的降级版；它是另一件器具，而单任务成本这个数字，才能告诉你手上拿的是哪一件。

令人不安的那一半，是编码智能体身上发生的事。在 Artificial Analysis 的 Coding Agent Index 上，GPT-6 Luna 在最大努力档位下得分为 41——比 GPT-5.6 Luna 的 43 低了两分——而 GPT-6 Sol 则朝着相反方向变化，上升两分至 57，每任务 $2.99。因此，廉价档位上的这次代际替换在智能体编码方面是一次小幅退步，而非进步，尽管价格在下降。任何把“新一代”理解为“必然更好”的人，都会被那一列数据惊到。

冗长是隐藏的明细项

在同一次评估中还有第二个数字，它能解释第一个数字的很多问题。在 Intelligence Index 运行期间，GPT-6 Luna 每个任务大约生成 51,000 个输出 token，而 GPT-5.6 Luna 约为 41,000 个。这款更新、更便宜的模型为了达到相当的分数，输出量大约多出四分之一。节省来自降价，而不是模型在单位工作量上变得更高效。

这很重要，原因有两个。按每百万输出 token 0.50 美元计算，每个任务多消耗 10,000 个输出 token，成本就是半美分。如果每天运行十万个任务，增量就是十亿 token，也就是每天 500 美元——而这还是一个标价仅为每百万输入 token 10 美分的模型。而且，冗长会与 128,000 token 的输出上限产生糟糕的相互作用：一个思考更久、写得更长的模型会更早触及该上限，从而把成本问题变成截断问题。

缓解手段是缓存纪律，而这个系列在这方面确实做得很好。缓存输入的读取价格为每百万 $0.01，是未缓存费率的十分之一，而 OpenAI 修改了失效规则，因此调整推理强度或工具可用性不再会丢弃已缓存的上下文。对于具有稳定长前缀的工作负载——一个 schema、一段系统提示词、一份你要问六个问题的文档——有效输入费率更接近一美分而非十美分，而这个差距比宣传中的降幅更大。它也是廉价档位“很便宜”与仅仅“更便宜”之间的区别。

廉价档在哪些方面有所退步，又在哪些方面没有

同一次独立评估将回归与噪声区分开来，而这种区分是其中最有价值的部分。GPT-6 Luna 在 GDPval-AA v2.1 上相比其前代损失约 75 Elo，在 AA-Briefcase v1.1 上损失约 45 Elo。Artificial Analysis 将两者归因于呈现质量较低，以及交付成果跳过了必需的评分标准要素，而非事实或推理方面的失败。其幻觉率大幅改善，从约 93% 降至 77%，其 AA-Omniscience Index 从 −10 变为 1。在 AutomationBench-AA 上它有所提升，53% 对 50%；在 Terminal-Bench 4.0 上它小幅提升，13% 对 12%。

这种区分就是整个决策的关键。模型并不是在任务上变差了；它是在把完成的成果交给你这一点上变差了。如果你消费的是结构化输出——一个分类、一次抽取、一个路由决策、一个 JSON 载荷——那么这种退步对你毫无成本，而降价就是白捡的钱。如果由人来阅读交付物，这种退步的代价就是一位审阅者，而这位审阅者的时间很可能比你省下的 token 更贵。

OpenAI 自己那些未经复现的说法则位于另一端：在高努力档位下，GPT-6 Luna 相比前代提升了 5.4 个百分点，同时每任务成本降低 58%；在最高努力档位下，它在 DeepSWE 1.1 上得分 66.6%，OpenAI 将其与中等努力档位下的 Claude Opus 5 相比，而任务成本仅为其一小部分；以及在 OSWorld 2.0 上，它以大约十分之一的成本超过了中等努力档位下的 GPT-5.6 Sol。这些都是厂商自家测试框架在厂商选定的努力档位下进行的比较，其中唯一值得汲取的是方向性信息——廉价档位如今已接近去年中档档位的水平。每任务百分比不值得采信，因为双方的测试框架并不相同。

真正落到实处的关键，是投入档位的下限。公开的指导建议是：对简单的提取和路由任务，先测试 none 或 low，只有当实测质量能证明有必要时，才提高投入档位。发布周的一篇实操记录发现，在 low 投入下，GPT-6 Luna 完全无法用于智能体工作，这意味着对任何多步骤任务来说，它的实际下限是 medium。同类测试得出的第二个发现更为尖锐：在一次部署演练中，该模型的 Kubernetes 清单通过了 schema 校验，但随后对真实集群的三次尝试全部失败，因为校验器检查的是结构，而非行为。如果生成的配置在交付时，流程中没有执行校验环节，那么低成本档位就会把一些看起来像通过、实则是失败的结果交到你手上。

默认问题，以及为什么路由是它的答案

将 GPT-6 Luna 设为其回退模型的平台，将这一变更评为中等风险，而附在其后的说明正是整篇文章的坦诚版本：每一个没有自己默认模型的机构都会转向 Luna，它更便宜，但层级比 Terra 小，因此困难任务的质量可能会有所波动。这正是权衡所在。默认模型是在赌大多数流量都很简单，而对大多数机构来说，这个赌注是正确的——这正是该变更得以发布的原因。风险在于那些并非如此的少数请求。

要在不承担其下行风险的情况下下这个注，就得不再把默认选项当成单一模型。GPT-6 Luna 可按其标价通过 OrcaRouter 路由，不额外加价，这意味着厂商的长期价格就是你在这里看到的价格，而未来的降价当天即可生效，无需等到下一次合同续约。本周在我们自己的模型页面上，它的输出速度实测为每秒 74.3 个 token，在我们承载的流量中错误率为 0%。两个上下文档位均按公布价格执行：输入低于 272,000 个 token 时为 $0.10 输入、$0.50 输出，超过后升至 $0.20 和 $0.75。

这换来的是一个可以升级的默认选项。一套路由 DSL让你可以把大部分流量以中等强度发给 GPT-6 Luna，并在满足条件时改道——输入长度超过 272K 这条线、需要调用工具、某个任务类别确实会受到对评分标准敏感的回归影响——转向 GPT-6 Sol，或者对于长周期工作，转向旗舰 GPT-6 Astra，而且都在同一把密钥上，无需第二份合同，也无需改动代码。这与挑定一个模型然后一直将就是两种不同形态的决策。在证据表明撑得住的地方，你用十美分那一档；在撑不住的地方，你用两美元或十美元那一档，而这条分界线是你写下的规则，而不是一种指望。自动故障转移覆盖的是另一种失效模式，即廉价档位的上游在你的自动化跑到一半时状态不佳。

谁该动，谁该等

如果你的流量结构清晰且规模很大，那就迁移：分类、抽取、打标签、意图路由、日志分诊、摘要，以及位于更大智能体内部的有界实现循环。证据支持降价和评分持平，而对于解析 JSON 的消费方来说，呈现层的退化是不可见的。

不要仅仅因为 token 便宜，就把长周期智能体链、多文件重构，或任何需要人工签字确认输出的任务交给它。Coding Agent Index 下降了两点，知识工作类评测的成绩也下降了，而且该模型在每个任务上的输出比它所替代的模型更加冗长。一个需要审查者的更便宜 token，并不等于更便宜的任务。

而要盯住的，是一个数字，而不是所有数字。51,000 与 41,000 输出 token 的差距，才是决定 Luna 默认配置在你的特定工作负载上究竟是省钱还是白忙一场的关键数字，而它一个下午就能在你自己的流量上测出来。费率卡已经定下且永久有效；每完成一项任务的 token 数却不然，而恰恰是后者会出现在账单上。