本次新增的中阶和轻量型号采用相近训练方式，一边承接复杂智能体流程，一边压低高频调用成本，输入低至每百万Token0.10美元，并与 Anthropic Claude Opus 5.5 构成价格对照。
OpenAI 在美国当地时间2026年9月22日推出 GPT-6 Sol 与 GPT-6 Luna，把它们作为 GPT-6 家族中面向中阶与轻量负载的两类补充分支。官方说明称，这两款模型沿用了接近 GPT-6 Astra 的训练路线，并把旗舰模型在专业任务、事实准确性、编程、计算机操控与价值对齐上的结果迁移到更低延迟和更低单价形态中。Sol 主要服务于需要多步规划、代码重构和长链路智能体的工作流，Luna 更适合抽取、翻译、批量分类一类高吞吐请求。两组模型的 API 单价为每百万 Token 输入和输出分别 2美元、10美元，以及 0.10美元、0.50美元；官方把这轮调整归入较 GPT-5.6 此前促销价格降低50%的总体口径。
官方基准数据围绕智能体和编码负载展开。在评估跨应用业务自动化流程的 AutomationBench 中，Sol 在 xhigh 推理设定下得到高于 Claude Opus 5的结果，而单个任务花费只有对方成本的 9%；同一测试的高强度层级下，Luna 较上一代带来 5.4% 的提升，并且每个任务的成本缩减 58%。在考察智能体综合表现的 Last Exam 中，Sol 处于 max effort 状态时的分数为 56.4%，超过 Claude Opus 5在这一项目中的最好成绩，任务成本又减少 60%。针对软件工程的 DeepSWE v1.1 测试显示，Sol 在 max effort 下得到 68.8%，与 Claude Fable 5 的最高纪录 69.9%相差 1.1 个百分点，但单任务成本大约便宜 80%；在 FrontierCode 1.1 Main 中，Sol 相对 GPT-5.6 Sol 明显提高，并用更小成本呈现与 Claude Fable 5.1 xhigh 相近的水平。Luna 也被描述为能够贴近部分竞品的中档强度，并以更低开支持续运行。编程之外，两款模型都强化了面向 AI Coding Agent 的适配，OpenAI 还把默认缓存命中率提升写入更新说明，以减少重复上下文带来的响应耗时与费用。事实可靠性方面，Sol 在脱敏真实对话样本里出现事实错误的频率大约为上一代的一半，接近 Astra 层级的稳定性；Luna 的事实准确性也有明显抬升。
产品规格表明，两类模型都拥有 105万 Token 的上下文容量和 12.8万最大输出长度，推理程度可按六档设置调节，API 接入名称分别为 gpt-6-sol 和 gpt-6-luna。OpenAI 表示相关价格会作为长期使用标准，而不是短暂的新品优惠；Plus、Pro、Business、Enterprise 与 Edu 用户可在 ChatGPT Work 和 Codex 路径中使用，开发接口也同步开放。尽管新品继续缩小成本差距，GPT-6 Astra 仍被公司列为追求最高效果和不作取舍时的选项。此次动作发生在 Anthropic 公布 Claude Opus 5.5 的相邻时间窗口内，后者把输入和输出价格调整为每百万 Token 4美元和20美元，并称典型工作负载的整体运行成本比 Opus 5下降约40%。在更长战线上，Luna 的低单价还会与 DeepSeek V4.1 Flash 这类强调性价比的方案发生正面比较；随着前沿和低价模型同时压缩单任务费用，企业选型正更频繁地从单纯参数竞赛转向对预算稳定、缓存节省和业务吞吐能力的核算。