截至 2026 年 8 月 25 日，OpenAI 最新的通用文本与代码模型主线是 GPT-5.6 系列：Sol、Terra、Luna。 三者不是“一个会推理、一个不会推理”的关系，而是同一代模型里的三个能力与成本档位。
如果你只需要一个能落地的起点：新项目先用 gpt-5.6-terra 建立基线。只有当复杂推理、代码修改或长链路工具任务的成功率确实不够时，再升到 gpt-5.6-sol；只有当任务稳定、量大、可以自动校验或降级处理时，才把 gpt-5.6-luna 作为默认路由。
这个结论针对 OpenAI API 选型。ChatGPT、ChatGPT Work 和 Codex 的模型入口、套餐权限与用量规则并不等于 API 的模型 ID 或按 token 价格。
先认清 2026 年的新命名
OpenAI 的当前模型目录把三档模型定位得很清楚：Sol 面向复杂推理和编程，Terra 在智能与成本之间取平衡，Luna 面向成本敏感的高吞吐任务。
| 模型 | API 模型 ID | 更合适的起点 | 不应仅凭什么选择 |
|---|---|---|---|
| GPT-5.6 Sol | gpt-5.6-sol；gpt-5.6 也会路由到 Sol | 高价值分析、复杂代码、长链路 agent、难以容错的专业任务 | “旗舰”两个字 |
| GPT-5.6 Terra | gpt-5.6-terra | 大多数新应用、结构化输出、工具工作流、日常知识工作 | 认为它只是旧 mini 的换名 |
| GPT-5.6 Luna | gpt-5.6-luna | 分类、抽取、改写、批处理，以及有可靠校验的高并发任务 | 最低 token 单价 |
gpt-5.6 是指向 Sol 的 alias，不是第四个模型。OpenAI 的模型使用指南还说明，Terra 大致承接旧系列的 mini 档，Luna 大致承接 nano 档；“大致承接”只解释产品层级，不代表它们与旧模型行为完全相同。
三款模型都支持 none、low、medium、high、xhigh、max 六档 reasoning.effort，默认是 medium。因此选型其实有两个旋钮：先选 Sol、Terra 或 Luna，再决定给这次任务多少推理预算。把 Sol 永远设为 max，通常比“先找能稳定完成任务的最低档位和最低 effort”更难控制成本与延迟。
规格很接近，真正的差别在成功成本
三款模型的公开规格相当整齐：1,050,000 token 上下文窗口、128,000 token 最大输出、2026 年 2 月 16 日知识截止日期；都能接收文本和图片并输出文本，也支持 streaming、function calling、structured outputs 以及 Responses API 的多种工具。
这意味着“上下文更大”不是 Sol 的独占理由。模型差异更应该从任务成功率、推理效率、延迟、重试次数和输出长度来衡量。OpenAI 在 GPT-5.6 发布说明中给出了大量编程、知识工作、工具调用与科学任务结果，但这些是提供商公布的评测，不是你的业务结果。
更可靠的做法是准备一组代表性任务，并对每个候选配置记录：
- 首次成功率，以及人工是否需要修正；
- 输入、缓存输入、输出和推理 token；
- 工具调用是否正确，失败后需要几次重试；
- P50/P95 延迟与超时率；
- 每个“验收通过的任务”成本，而不是每次请求成本。
如果 Terra 一次成功，而 Luna 需要三次重试并产生更长输出，后者的低单价未必带来更低总成本。反过来，如果任务有严格 schema、可自动校验，而且失败可以安全重跑，Luna 的价格优势就可能非常大。
2026 年 8 月的 API 价格不能只看一列
下面是三张官方模型页在 2026 年 8 月 25 日列出的标准文本 token 价格，单位均为每 100 万 token：
| 模型 | 输入 | 缓存输入 | 输出 | 价格状态 |
|---|---|---|---|---|
| GPT-5.6 Sol | $4.00 | $0.40 | $20.00 | 促销价，至少持续到 2026-11-21 |
| GPT-5.6 Terra | $2.00 | $0.20 | $12.00 | 当前标准价 |
| GPT-5.6 Luna | $0.20 | $0.02 | $1.20 | 当前标准价 |
直达来源：Sol 模型页、Terra 模型页、Luna 模型页。Sol 的 $4/$20 明确是限时价格，不能拿它写一份不带日期的长期预算。
假设一次任务使用 10 万输入 token 和 1 万输出 token，没有缓存、工具费或长上下文倍率，那么单次 token 成本约为：
- Sol：
0.1 × $4 + 0.01 × $20 = $0.60 - Terra：
0.1 × $2 + 0.01 × $12 = $0.32 - Luna：
0.1 × $0.20 + 0.01 × $1.20 = $0.032
这只是相同 token 用量下的价格差，不是完成相同任务的成本保证。还有两个容易漏掉的规则：输入超过 272K token 时，官方模型页说明整次请求按 2 倍输入价、1.5 倍输出价计算；显式 cache write 按未缓存输入价的 1.25 倍计费，而成功的 cache read 才享受 90% 折扣。搜索、computer use 等工具还可能有独立调用费。
三种典型选择，不需要追求一个永久默认值
选 Sol：错误代价比 token 差价更高
当任务包含复杂代码库修改、多约束分析、长链路工具协调、专业交付物，或者一次错误会带来大量人工返工时，Sol 更值得进入候选。它也适合用作评测上限：先确定高质量配置能达到什么结果，再判断 Terra 是否能以更低成本接近它。
但不要因为 Sol 是旗舰，就跳过评测。若任务只是固定字段抽取或短文本改写，Sol 的额外能力可能没有可观察收益。
选 Terra：大多数团队最实用的起跑线
Terra 的价值不是“比 Sol 弱一点”，而是它让团队用一套完整的 GPT-5.6 工具与推理能力建立主路由，同时把输出单价控制在 Sol 的 60%。对于尚无内部基准的新项目，它通常比直接从最贵或最便宜的一端开始更容易定位质量与成本边界。
选 Luna：任务必须可约束、可验证、可降级
Luna 的输入价只有 Terra 的十分之一，适合大批量分类、信息抽取、格式转换、候选生成和预处理。最理想的 Luna 任务有明确 schema、自动验证器、短输出和安全的 fallback。若任务开放度高、失败很难发现，最低价格反而可能把成本转移给人工审核。
从旧模型迁移时，别只替换字符串
如果系统仍在 GPT-5.4 或 GPT-5.5 上，OpenAI 的建议是先保留当前 reasoning effort，比较 GPT-5.6 的相同档位与低一档，再决定迁移配置。这比直接把旧模型换成 Sol max 更能看出 token 效率变化。
迁移时至少固定 prompt、工具定义、验收数据和超时策略，然后分别比较：
- 原模型与原 effort；
- 对应 GPT-5.6 档位与相同 effort；
- 同一 GPT-5.6 档位与低一档 effort；
- 必要时再换 Sol/Terra/Luna，而不是同时改变所有变量。
如果你需要回看旧分支的取舍，可以参考 GPT-5.4 与 GPT-5.2 的迁移对比和 GPT-5.4 与 GPT-5 mini 的成本差异。它们解释历史选择，但当前新项目仍应以 GPT-5.6 官方目录为起点。
最小可用 API 请求
下面的 Responses API 请求把模型与推理强度分开设置，便于后续做路由测试：
bashcurl https://api.openai.com/v1/responses \ -H "Authorization: Bearer $OPENAI_API_KEY" \ -H "Content-Type: application/json" \ -d '{ "model": "gpt-5.6-terra", "reasoning": {"effort": "medium"}, "input": "提取这份合同中的续约日期、通知期限与违约责任，并返回 JSON。" }'
生产环境不要只替换 model 后观察几条主观答案。把 token usage、延迟、工具结果、schema 通过率和人工修正记录到同一评测里，才能决定默认路由。
最后给出一个可维护的规则
把 Terra 设为基线，Sol 设为质量升级，Luna 设为成本下探，通常比选出一个“最强模型”更耐用。为每条路由写清楚升级条件、降级条件与验收指标，并在价格、别名或模型页变化时重跑代表性任务。
如果你今天要创建新项目，可以从 gpt-5.6-terra + medium 开始；如果验收失败集中在复杂推理和工具协调，升到 Sol；如果通过率已经稳定且流量成本成为主要约束，再测试 Luna。这样得到的是可解释的模型策略，而不是一张很快过期的型号排行榜。
