GPT-5.6 Sol/Luna/Terra 三軌怎麼選 — OpenAI 產品線解析

由 FeiYueh 親自審稿驗證 · 最後更新於 2026-10-04

GPT-5.6 的三個版本中，一般工作預設選 Terra。長時間、多步驟的 Agent 任務改用 Sol。Luna 只適合短文本、大量處理的流水線。有兩個數字支撐這個判斷。第一，Luna 的長文本回憶測驗分數只有 41.3%，Terra 則有 89.6%。第二，在長程寫程式任務中，Sol 每個任務的輸出 token 還

GPT-5.6 的三個版本中，一般工作預設選 Terra。長時間、多步驟的 Agent 任務改用 Sol。Luna 只適合短文本、大量處理的流水線。有兩個數字支撐這個判斷。第一，Luna 的長文本回憶測驗分數只有 41.3%，Terra 則有 89.6%。第二，在長程寫程式任務中，Sol 每個任務的輸出 token 還不到 Terra 的一半，所以單價雖然比較高，每個任務實際花的錢不一定比較多。 Sol、Terra、Luna 是什麼：OpenAI 的新命名方式 GPT-5.6 是 OpenAI 在 2026 年 7 月 9 日正式公開的模型家族，分成 Sol、Terra、Luna 三個版本。依 Wikipedia 的 GPT-5.6 條目 ，它先在 2026 年 6 月 26 日開放給一小群合作夥伴預覽，兩週後才全面開放。 新命名法把「世代」和「等級」拆成兩件事。數字 5.6 代表模型世代。Sol（太陽）、Terra（地球）、Luna（月亮）代表三個長期固定的能力等級，每個等級可以各自升級。以後可能出現「Terra 已更新、Sol 還沒更新」的情況，所以選模型時要看等級，不要只看版本號。 Sol ：能力最高的等級，用在前沿推理、長程 Agent 任務、資安研究和操作電腦。另外提供 max 推理強度和使用子代理的 ultra 模式。 Terra ：兼顧能力與成本的中階等級。OpenAI 說它的表現與 GPT-5.5 相當，成本大約少一半。 Luna ：輕量、低延遲、低成本的等級，用在大量處理、對延遲敏感或預算有限的工作。 三個版本規格大致相同，差在能力和價格。依 Codersera 整理的規格表 ，三者的上下文長度都是 1,050,000 tokens，最多可輸出 128,000 tokens，知識截止日都是 2026 年 2 月 16 日。推理強度可從 none 調到 max ，預設是 medium 。 價格比較：7 月 30 日降價後差距變大 2026 年 7 月 30 日 OpenAI 調降價格：Luna 降 80%，Terra 降 20%，Sol 沒變。新價格依 「GPT-5.6 Luna 降價 80%、Terra 降價 20%，2026 年 7 月 30 日生效」（來源：CNBC） 。現行 API 價格如下（每 100 萬 tokens）： Sol ：輸入 $5／輸出 $30（未調整） Terra ：輸入 $2／輸出 $12（原為 $2.50／$15） Luna ：輸入 $0.20／輸出 $1.20（原為 $1／$6） 降價後，Sol 的輸出單價是 Luna 的 25 倍、Terra 的 2.5 倍。上線初期的比例是 Sol : Terra : Luna = 5 : 2.5 : 1，現在變成 25 : 10 : 1，Luna 在大量處理上的成本優勢明顯拉大。OpenAI 在官方文章 Advancing the price-performance frontier with GPT-5.6 中說，這次降價來自內部開發過程中的推論效率提升。 注意：網路上不少 7 月的文章還在引用舊價格（Terra $2.50／$15、Luna $1／$6）。估算成本前，請以 OpenAI 官方定價頁為準。 能力差距：Luna 的弱點在長文本 三個等級在短任務上差距不大，在長文本上差距很大。依 「MRCR 長文本回憶測驗：Sol 91.5%、Terra 89.6%、Luna 41.3%」（來源：Vellum） ，Luna 在長文件中找回指定資訊的準確率不到 Terra 的一半。同一份資料裡的 Terminal-Bench 2.1（命令列寫程式任務），三者分別是 88.8%、87.4%、84.7%，彼此只差 4.1 個百分點。 選型時要看的是差距出現在哪 用平均分數選模型容易誤判。Luna 在寫程式、分類這類短上下文任務上，大約有 Sol 九成以上的表現。但工作一旦需要讀完整份合約、上百頁技術文件或很長的對話紀錄，Luna 的錯誤率會明顯上升。所以決定用不用 Luna，要看單次輸入有多長，而不是任務本身難不難。 Sol 的額外能力 Sol 比另外兩者多出的能力集中在 Agent 類任務。依 「GPT-5.6 Sol 在 Artificial Analysis Coding Agent Index v1.1 拿到 80 分，比 Anthropic 的 Fable 5 高 2.8 分」（來源：Wikipedia） 。Vellum 列出的 OSWorld 2.0（操作電腦）62.6%、BrowseComp（網頁研究）92.2%，也只公布了 Sol 的成績，這顯示 OpenAI 把這類任務定位成 Sol 專屬的場景。 成本迷思：單價高的 Sol 不一

由 FeiYueh 親自審稿驗證 · 最後更新於 2026-10-04. Independently maintained — not AI-generated boilerplate.