GPT-6 Sol：OpenAI 中階 GPT-6 完整參考指南

GPT-6 Sol是該系列的中階產品——介於旗艦GPT-6 Astra之上，以及廉價、快速的GPT-6 Luna之下的模型，於 2026 年 9 月 22 日推出，每百萬輸入 token 2.00 美元、每百萬輸出 token 10.00 美元。這價格是GPT-5.6 Sol的一半，而該廠商在自家文件上將這款模型描述為「為驅動複雜編碼與代理式工作流程而打造」：1,050,000 token 上下文視窗、128,000 token 輸出上限、文字與圖像輸入，以及六個層級的推理強度，從none到max。

本頁是該模型的參考資料——也就是你輸入它的名稱後會抵達的那一頁。這裡刻意不是第二篇發布公告。上線日期在此用來標定該模型的時間，而非報導一則事件：該模型如今是已上線、正式全面可用的 API 產品，而來到本頁的讀者需要的是價目表、適用範圍、清楚標示的廠商宣稱，以及獨立評測者測得的結果。日期時間錨點是 2026 年 9 月 22 日，也就是本頁撰寫前六天，因此這次上線也落在七日的新鮮度窗口內；你正在讀的這一節，正是本頁屬於參考資料、而非新聞條目的原因。本頁之所以存在，完全是基於本網站以第一方方式測得的搜尋需求：人們會輸入該模型自己的名稱，而圍繞該名稱的泛流量完全是以「對比」為導向，且已由我們另行發布的對戰頁面承接。

GPT-6 Sol 在 GPT-6 堆疊中的定位

OpenAI 自家的文件列出了三款 GPT-6 模型，並為每一款指派了明確的職責。GPT-6 Astra 是旗艦款——該公司自家的指南稱其為最智慧的模型，鎖定電腦操作、瀏覽、軟體工程、科學與文件建立等用途，定價為 $10.00 / $50.00（尚未計入任何分級方案）。GPT-6 Luna 是效率層級，鎖定定義明確的高流量工作，價格為 $0.10 / $0.50。GPT-6 Sol 則居中：OpenAI 的模型頁面以一行文字描述它，說它是為複雜程式開發與代理式工作流程而打造，而其系列指南告訴開發者，若要追求最高等級的能力就選 gpt-6-astra，若要「在嚴苛任務上進行強力推理」就選 gpt-6-sol，若要在規模化下有效率地執行可重複的工作就選 gpt-6-luna。

有兩個事實讓這個層級名副其實，而不只是定價標籤。Sol 與 Astra 同樣具備 1,050,000 個權杖的上下文視窗，以及 128,000 個權杖的輸出上限——中階層級並非視窗較小，而是每單位權杖所換得的能力額度較少。此外，Sol 還支援一項 Astra 沒有的推理設定：reasoning.effort在 Sol 上可接受 none，因此模型可以完全不進行推理流程就執行，而 Astra 的階梯則是從 low開始。至於其他部分，投入程度階梯完全相同——none、low、medium（預設值）、high、xhigh、max。

Artificial Analysis 將 GPT-6 Astra 定於 2026 年 9 月 3 日，並將 GPT-6 Sol 和 Luna 定於 2026 年 9 月 22 日——這三週隔開了該旗艦世代的首度發布與其較便宜的兄弟型號。請注意，我們自己型錄中 GPT-6 Astra 的那一列標示的型錄日期是 9 月 4 日；那是型錄上的假象，而獨立追蹤機構所指的 9 月 3 日，才是我們在此採用的發布日期。

完整費率表

本節中的每一個數字都來自 OpenAI 自家的定價文件與 GPT-6 Sol 模型頁面，兩者皆於 2026 年 9 月 28 日讀取，且兩者皆以每百萬個 token 為單位、以美元計價。

• 標準，最高 272,000 個輸入 token — $2.00 輸入、$0.20 快取輸入、$2.50 快取寫入、$10.00 輸出。

• 快取輸入比率 — OpenAI 對快取輸入的計費是未快取費率的 10%，也就是 90% 的折扣，並表示快取寫入以未快取輸入費率的 1.25 倍計費。GPT-6 的發布也移除了一項過去會默默造成成本的摩擦：變更推理強度或工具可用性不再會使快取失效。

• 長上下文，輸入超過 272,000 個 token — 輸入 $4.00、快取輸入 $0.40、快取寫入 $5.00、輸出 $15.00。門檻是 272K，而且這是 OpenAI 自家 GPT-6 Sol 模型頁面上明載的數字，並非沿用數字相同的 Astra 頁面。同一頁面以一句話說明了重新計價規則：輸入 token 超過 272K 的提示，其輸入與快取費率以 2 倍計價，輸出則為 1.5 倍，且適用於整筆請求。這並非只針對超出的部分加收費用。一筆 300,000 個 token 的請求，全部 300,000 個 token 都會以長上下文費率計費，因此跨越這條界線的代價是階梯式跳升，而非平緩的斜率——而這個跳升點，正好落在大多數長文件處理流程不經意就會越過的邊界上。

• Batch 與 Flex——兩者皆以適用標準費率的 50% 計價，因此在 Sol 上，Batch 與 Flex 的短上下文為 $1.00 / $5.00，長上下文為 $2.00 / $7.50，快取輸入則分別為 $0.10 與 $0.20。

• Fast mode — 適用費率的 2 倍，短上下文為 $4.00 / $20.00，長上下文為 $8.00 / $30.00。OpenAI 於 2026 年 7 月 30 日將優先處理更名為 Fast mode，並接受 service_tier: "priority" 或 "fast"。

• 兩項值得留意的加價 — 區域處理端點對 2026 年 3 月 5 日（含）之後發布的模型加收 10% 費用，而 FedRAMP 端點則在標準費率上加收 10%。就 GPT-6 Sol 與 Luna 而言，歐盟資料駐留僅在使用 Standard 處理時提供。

• 價格相關背景 — OpenAI 的價目表仍列 GPT-5.6 Sol 為 $4.00 / $20.00，並註明促銷價至少會持續到 2026 年 11 月 21 日。Sol 的 $2.00 / $10.00 相較於其直接前代，兩端都降了 50%，而 OpenAI 向記者表示新費率是永久性的，而非促銷性質。那是發言人的說法，而非價目表上的書面承諾，因此值得將其視為廠商陳述，而非合約事實。

信封

• 上下文與輸出 — 1,050,000 個 token 的上下文視窗、最多 922,000 個輸入 token、最多 128,000 個輸出 token。1,050,000 這個數字是 OpenAI 自家公布的；Artificial Analysis 在同款模型的規格表中列出 872,000，而該頁面的 FAQ 則寫 870k。請把供應商的數字視為合約，並把追蹤器的數字視為某個特定服務組態的測量值。

• 模態——依據 OpenAI 的模型頁面，輸入文字與圖像，輸出文字。我們自己目錄中該模型的條目也將檔案輸入與文字和圖像並列，而 OpenAI 的頁面則沒有。供應商頁面為準，因此目前對這個模型最誠實的解讀是文字與圖像輸入。

• 知識截止日期 — 2026 年 4 月 20 日。GPT-6 Luna 的知識截止日期是 2026 年 5 月 18 日，Astra 的則是 2026 年 4 月 30 日，因此家族中的這三個模型並不共用截止日期。

• 端點 — 同時支援 Chat Completions 與 Responses，並支援 Batch。Realtime、Realtime 翻譯與轉錄、Assistants、微調、embeddings、圖片生成與編輯、語音、音訊轉錄與翻譯、moderation，以及舊版 Completions 路由皆不支援。

• 工具與結構化輸出 — 串流、結構化輸出、函式呼叫、檔案搜尋、圖片輸入、網頁搜尋與提示快取全都列出。有一個特別要注意的地方：在 Chat Completions 上，函式呼叫只有在 reasoning_effort 為 none 時才能運作。搭配工具進行推理則需要使用 Responses API。

• 啟用推理時不支援的參數 — 當推理強度設為非 none 的任何值時，請移除 temperature、top_p 與 top_logprobs；在 Chat Completions 上也請移除 logprobs。

OpenAI 聲稱什麼，以及那是哪一種聲稱

OpenAI 為 GPT-6 Sol 發布的發表資料，據 The Decoder 在發布當日的報導，最好理解為一項「成本持平」的論證，而非能力上的宣稱。下列數字均為廠商自行提報，未經獨立重現，且是 OpenAI 選擇公布的樣貌；這套基準測試的組合比慣常陣容更窄——同一篇報導也指出，GDPval 與 Terminal-Bench 4.0 都不在其中。

• FrontierCode 1.1，廠商報告值 — GPT-6 Sol 在最高投入程度下得分 49.3%，每項任務成本為 $2.14。OpenAI 認為這大致與 Claude Fable 5.1 在最高投入程度下的 50.3% 相當，而在 OpenAI 自家的比較中，其每項任務成本為 $12.83。

• DeepSWE v1.1，由廠商自行提報 —— GPT-6 Sol 在最高努力程度下達到 68.8%，與 Claude Fable 5 公佈的最佳成績 69.9% 僅相差 1.1 個百分點，並領先 OpenAI 自家的 GPT-6 Luna；OpenAI 表示，Luna 在 xhigh 設定下即可與 Sol 匹敵，且成本低得多。

• AutomationBench 與 OSWorld 2.0，廠商自行提報 — OpenAI 回報，GPT-6 Sol 在最高強度模式下於商業工作流程基準測試中擊敗同樣以最高強度運行的 Claude Opus 5，且每項任務成本僅為其 9%；並表示 GPT-6 在電腦操作方面可達到與 Claude Opus 5 相近的結果，成本約低 80%，而 GPT-6 Astra 在 OpenAI 自家陣營中仍位居該類別之首。

要讀的是這些句子的形態，而不是數字。每一句都把一個接近競爭對手的分數，搭配上僅為其一小部分的成本。那是一種「以更低成本達到同等水準」的主張，不是「佔據主導地位」的主張，而且這種說法實質上比「最佳模型」弱得多——那是 OpenAI 保留給 Astra 的措辭。這裡的廠商宣稱說的是中階層級已縮小價格差距；它們並沒有說已縮小能力差距。

獨立解讀

Artificial Analysis 在最高推理強度下評估了 GPT-6 Sol，並於推出當日發表結果。其數據獨立，且與上一段形成制衡。

• Intelligence Index — 在 Artificial Analysis Intelligence Index v4.3.2 上得分 48，該指數涵蓋十項評估，包括 AA-Briefcase v1.1、GDPval-AA v2.1、AutomationBench-AA、Terminal-Bench 4.0、SciCode、Humanity's Last Exam、GDP.pdf、CritPt、AA-Omniscience 及 AA-LCR v1.1。該頁面將其列於比較類別中 211 個模型的第 18 名——這個分母會隨著追蹤器新增模型而變動。

• 每項任務成本——每項智慧指數任務為 1.06 美元，相較於 Artificial Analysis 的 7:2:1 快取命中／輸入／輸出混合比例下，每百萬個權杖 1.54 美元的混合費率。該模型在指數測試過程中產生了 7,700 萬個輸出權杖，而同價格帶推理模型的中位數為 8,800 萬個，因此它並非靠簡潔取勝。

• 速度與延遲 — 透過 OpenAI 的 API 測得每秒 88.7 個輸出符元，高於追蹤器針對同類推理模型的中位數 82.6；首個符元時間為 138.06 秒，而中位數為 3.79 秒。這兩個數字描述的是同一種取捨：模型一旦開始就很快，但啟動很慢，而這是長時間推理過程的預期特徵。

• 哪裡退步了——The Decoder 對 Artificial Analysis 結果的解讀指出，與前一代相比，兩項知識工作評估出現退步：在 GDPval-AA v2.1 上約少了 100 Elo 分，在 Luna 上約少了 75 分，人工檢查將這一下滑主要歸因於呈現品質與結果不完整。如報導所述，Artificial Analysis 自家的摘要指出，每項任務成本大約減半，而智慧分數維持在 GPT-5.6 水準，部分評估有所提升，另一些則出現退步。

上述一切都要加上一項但書。GPT-6 Sol 與 GPT-6 Astra 從未由任何我們能引述的機構，在相符的推理投入與相同的測試框架下進行正面對決的基準測試；而常被並列引用的那兩個數字——Sol 的 48 與 Astra 的 53——來自同一個指數，卻不一定來自相同配置。這場比較最誠實的說法很短：在該指數上，Astra 的得分高於 Sol，且沒有任何已發布的測試結果能區分出這個差距有多少來自模型、多少來自推理投入設定。

可用性，以及上線後唯一改變的一件事

OpenAI 於 2026 年 9 月 22 日透過自家 API 推出這兩款模型，分別名為 gpt-6-sol 與 gpt-6-luna，其發表資料將它們配置於 ChatGPT Work 與 Codex 中，供 Plus、Pro、Business、Enterprise 與 Edu 訂閱者使用，而 Free 與 Go 使用者則可透過桌面應用程式使用 GPT-6 Luna。這兩款模型在推出時都無法在一般 ChatGPT Chat 介面中使用——這是 OpenAI 當天的官方說法，而這正是最可能讓在模型選單中尋找 Sol 卻遍尋不著的讀者感到困惑的細節。

對任何要把圖片餵給這個模型的人來說，真正重要的上線後變更，就寫在 OpenAI 自家的 API 更新日誌裡，日期是 2026 年 9 月 25 日：OpenAI 修復了一個影像編碼的錯誤，據其說法，這個錯誤會降低 GPT-6 Sol 與 GPT-6 Luna 的圖像理解能力，影響 API 與 Codex 中的視覺任務，包括 computer use。這份更新日誌自己的建議是：如果圖像輸入屬於你的使用情境，就重新執行評估，並重試受影響的工作流程。那是六天前推出的模型上、三天前才修好的問題，而這正是為什麼上線那一週跑出的基準測試結果，和這一週跑出的結果，在任何視覺相關的事情上都可能互相矛盾。

在 OrcaRouter 上運行 GPT-6 Sol

GPT-6 Sol 在 OrcaRouter 上以 openai/gpt-6-sol on OrcaRouter 的形式提供路由，價格為 OpenAI 自家的定價，供應商定價原樣傳遞，加價 0%，並與 openai/gpt-6-astra 和 openai/gpt-6-luna。這三者都位於同一個 OpenAI 相容端點與同一把 API 金鑰之後，這正是讓層級選擇問題可受測試、而非理論空談的原因：同一個請求主體可以指向 Sol 用於正式生產路徑，並指向 Luna 處理一旁的批次工作，無需第二份合約，也無需修改程式碼，而且供應商價格變更會在同一天在此生效，而不是等到重新定價週期之後。如果你要把工作負載移轉到這麼新的模型上，跨供應商的自動容錯移轉就是論點的另一半——這是你如何在真實流量上試用一個推出僅六天的模型，而不必把正式生產路徑押在它的第一個月上。

費率表對真實帳單的兩項影響，逐步拆解：

• 一次 900,000 個 Token 的文件分析執行會以長上下文對整筆請求計費：900,000 個輸入 Token 以每百萬 $4.00 計算為 $3.60，另加輸出費用。同一執行若保持在 272,000 個 Token 以下，則以每百萬 $2.00 計費。將一筆過大的請求拆成四次低於門檻的呼叫，在這裡並不是取巧；而是直接讓輸入成本減半。

• 快取的代理迴圈正是 90% 快取輸入折扣發揮作用的地方：一個穩定的前綴被反覆讀取數百次，在 Sol 上每百萬的費用是 $0.20 而非 $2.00；而且由於變更推理強度不再使快取失效，可以在同一段對話中逐級調整推理強度，而無須付出重建前綴的成本。

如果你真正想要的是兩款型號之間的抉擇——這款還是旗艦款——我們已經完整比較了GPT-6 Sol與GPT-6 Astra，另文刊出；而當時尚未發布之型號的發布前紀錄，已保留在專文中，而非在此重新爭論。