# GPT-6 Luna 与 Sol 价格对比：API 和 Codex 分别怎么算

> 按 2026 年 9 月 23 日官方价格，比较 GPT-6 Luna 与 Sol 的 API 美元单价、长上下文规则和 Codex credits，并用相同 token 用量算一笔账。

- Source: https://www.aifreeapi.com/zh/posts/gpt-6-luna-vs-sol-price
- Language: zh
- Published: 2026-09-23
- Updated: 2026-09-23
- Publisher: AI Free API (https://www.aifreeapi.com)

如果你走 OpenAI 直连 API，在 **Standard、短上下文、相同 token 用量**下，GPT-6 Luna 的输入、缓存输入、缓存写入和输出单价都是 GPT-6 Sol 的二十分之一。以 10 万新输入 token、1 万输出 token 为例，不计缓存、工具等费用，Sol 约 **$0.30**，Luna 约 **$0.015**。这是按标价计算的账单示例，不代表两款模型完成同一任务会用掉相同 token，也不代表它们的结果质量相同。[OpenAI API 定价表](https://developers.openai.com/api/docs/pricing)

如果你在 Codex 中使用套餐额度或 credits，先看 Codex 的用量页面；不能把下面的 API 美元价格直接套到 credits 上。[Codex 价格与额度说明](https://learn.chatgpt.com/docs/pricing#token-rates)

## API 单价：先对齐计费口径

截至 2026 年 9 月 23 日，OpenAI 直连 API 的 **Standard 短上下文**价格如下，单位均为**美元／每百万 token**。输入、命中缓存的输入、写入缓存和输出分别计价；表中的数字不是一次请求的固定收费。[官方 API 价格表](https://developers.openai.com/api/docs/pricing)

| 模型 | 新输入 | 缓存输入 | 缓存写入 | 输出 |
| --- | ---: | ---: | ---: | ---: |
| GPT-6 Sol（`gpt-6-sol`） | $2.00 | $0.20 | $2.50 | $10.00 |
| GPT-6 Luna（`gpt-6-luna`） | $0.10 | $0.01 | $0.125 | $0.50 |

在这四个对应项目上，Sol 单价均为 Luna 的 20 倍。对比时要让两个模型使用同一种处理模式、同一上下文档位和同一地区计费条件。**Batch、Flex 为对应 Standard 价格的一半，Fast 为对应价格的两倍**；区域处理如适用，还可能加收费用。把一个模型的 Batch 价拿来对比另一个的 Standard 价，所得差距就不是模型单价差距了。[Sol 模型页](https://developers.openai.com/api/docs/models/gpt-6-sol) · [Luna 模型页](https://developers.openai.com/api/docs/models/gpt-6-luna)

### 用自己的 token 数量复算

不涉及缓存时，估算式为：**新输入 token ÷ 1,000,000 × 输入单价 + 输出 token ÷ 1,000,000 × 输出单价**。例如，一批请求合计 100,000 个新输入 token、10,000 个输出 token，且都适用 Standard 短上下文价格：

| 模型 | 输入费用 | 输出费用 | 合计 |
| --- | ---: | ---: | ---: |
| Sol | 0.1 × $2 = $0.20 | 0.01 × $10 = $0.10 | **$0.30** |
| Luna | 0.1 × $0.10 = $0.01 | 0.01 × $0.50 = $0.005 | **$0.015** |

![相同 token 用量下，GPT-6 Sol 和 Luna 的 API 费用分别为 0.30 美元和 0.015 美元](https://www.aifreeapi.com/posts/zh/gpt-6-luna-vs-sol-price/img/api-example.webp)

这个例子假设没有缓存命中或写入、工具调用、额外轮次、地区加价，也没有超过长上下文门槛。若输入有缓存命中，应分别乘以“新输入”和“缓存输入”的单价；不要把整段输入都按缓存价计算。两种模型完成同一个需求时，实际输出长度和重试次数也可能不同，因此要用各自真实的 token 用量重新计算。[计费项目与单价](https://developers.openai.com/api/docs/pricing)

## 输入超过 272K token，整次请求按长上下文价计

两款模型公开标注的上下文窗口都是 **1,050,000 token**，但“能放得下”与“仍按短上下文收费”是两回事。**单次请求输入超过 272,000 token 时，整次请求使用长上下文档位**，并非仅超出的部分涨价。Standard 长上下文价格仍按美元／每百万 token 计：[Sol 模型说明](https://developers.openai.com/api/docs/models/gpt-6-sol) · [Luna 模型说明](https://developers.openai.com/api/docs/models/gpt-6-luna)

| 模型 | 新输入 | 缓存输入 | 缓存写入 | 输出 |
| --- | ---: | ---: | ---: | ---: |
| Sol | $4.00 | $0.40 | $5.00 | $15.00 |
| Luna | $0.20 | $0.02 | $0.25 | $0.75 |

这档中对应项目的模型间单价仍相差 20 倍，但长上下文的输出价是短上下文的 1.5 倍，输入及缓存相关价格是 2 倍。估算长提示词的成本时，应先判断**每次请求**是否越过 272K 门槛，再为该次请求的输入与输出选同一档价格；不能只给超出门槛的 token 套长价。[官方价格表](https://developers.openai.com/api/docs/pricing)

## Codex 的 credits 不能按 API 美元价换算

Codex 的 Standard credit 计费另有一张表。单位是 **credits／每百万 token**，并且这里没有单列的缓存写入费用：[Codex token 费率](https://learn.chatgpt.com/docs/pricing#token-rates)

| 模型 | 新输入 | 缓存输入 | 输出 |
| --- | ---: | ---: | ---: |
| GPT-6 Sol | 50 credits | 5 credits | 250 credits |
| GPT-6 Luna | 2.5 credits | 0.25 credits | 12.5 credits |

![OpenAI 直连 API 的美元计费与 Codex 的 credits 或套餐额度是两条独立路径](https://www.aifreeapi.com/posts/zh/gpt-6-luna-vs-sol-price/img/api-vs-codex.webp)

仍以 10 万新输入、1 万输出为例，在 Codex Standard credit 计费下，Sol 是 **7.5 credits**（5 + 2.5），Luna 是 **0.375 credits**（0.25 + 0.125）。这个结果不等于上面的美元费用，也不直接告诉你套餐内还剩多少可用量。套餐内使用受方案和当前账户限制影响；要判断自己何时会碰到额度，请以 Codex 的[实际用量页面和套餐说明](https://learn.chatgpt.com/docs/pricing)为准。可用 Fast 模式时，其 credit 费率是 Standard 的 2.5 倍。[Codex 费率说明](https://learn.chatgpt.com/docs/pricing#token-rates)

## 选 Luna 还是 Sol：看每个合格结果的总成本

如果任务边界清楚、处理量大、Luna 的输出已经满足验收标准，先试 Luna 能直接享受更低的标价。复杂代码修改或需要多步判断的任务，可以同时让 Sol 跑一组具有代表性的样本；OpenAI 将 Sol 定位于更复杂的编码与代理工作，Luna 定位于聚焦且高吞吐的任务，但定位不是你自己任务上的性能实测。[Sol 模型页](https://developers.openai.com/api/docs/models/gpt-6-sol) · [Luna 模型页](https://developers.openai.com/api/docs/models/gpt-6-luna)

比较时记录同一批输入的**合格结果数、输入与输出 token、重试轮次、工具费用和人工修正时间**。若 Luna 需要更多轮才能得到可用结果，单价的 20 倍差距不会自动变成最终任务成本的 20 倍；Sol 是否划算也不能只靠模型定位判断。没有同条件的并排任务实测，就给不出统一的胜率或“每个合格结果”的价格。

如果你比较的是上一代 GPT-5.6 型号及其他文本模型，可接着看[2026 年 OpenAI 文本模型对比](/zh/posts/openai-text-models-2026)。本页价格只针对 GPT-6 Sol 与 GPT-6 Luna，不沿用 GPT-5.6 的旧价。