OpenAI 昨天凌晨(6 月 12 日)发了 GPT-6 系列,一次两个版本——Sol 主推理,Luna 主长上下文。Hacker News 上直接登顶,621 分、357 条评论。
官方页面在 openai.com/index/introducing-gpt-6-sol-and-luna,定位明确:不是小版本,是新代际。
我把官方材料、HN 评论、自己跑的几个 case 整理了一下,给你一份直观的对比。
一次发两个,OpenAI 在想什么
回顾一下历史:GPT-4 一个版本打天下;GPT-5 开始分 Pro / Mini / Codex 三档。GPT-6 直接跨过单版本,上来就双版本。
这个节奏不正常。
我的猜测:OpenAI 的 ToB / ToC 产品线开始分叉。
- Sol 推理强、价格高,明显冲着编程、Agent、复杂分析这些场景——这些都是企业用户在付钱的
- Luna 长 context、价格更友好,偏消费端、客服、内容生成这些场景
去年 OpenAI 企业用户涨了 4 倍(OpenAI 自己的财报披露),C 端 ChatGPT 用户早就破 5 亿月活。一套模型打两条线,越来越难。
Sol 和 Luna 到底差在哪
从官方页面扒下来,核心参数对比:
| 维度 | GPT-6 Sol | GPT-6 Luna |
|---|---|---|
| 定位 | 推理增强 | 长上下文 |
| 上下文窗口 | 256K | 1M |
| 推理深度 | ★★★★★ | ★★★☆☆ |
| 输入价格 | $15 / 1M | $5 / 1M |
| 输出价格 | $60 / 1M | $20 / 1M |
| 知识截止 | 2025-10 | 2025-10 |
Benchmark 上 Sol 的 SWE-bench Verified 是 78.4%,Luna 是 65.2%。Luna 在 1M context 的 needle-in-haystack 测试里做到了 99.7%,Sol 在同测试只有 94.1%(context 缩到 256K 后)。
简单说:
- 写代码、做 Agent 的 planning/reflectio——选 Sol
- 把整个 codebase 塞进 prompt 做全局分析——选 Luna
HN 评论区的真问题
357 条里挑了点有代表性的:
- 用户 @quantbeeluckls 把 GPT-6 Sol 跟 Claude 4.5 Opus 做了盲测,9 个 coding 任务里 Sol 赢 6 个,但延迟高 40%
- 用户 @benthecoder 吐槽 Luna 的输出价格"还是贵"——$20/M 比 Gemini 2.5 Pro 的 $12.5/M 高出 60%
- 用户 @scaleai 测了高并发场景,发现 Sol 在 50 QPS 下开始降智,Luna 在 80 QPS 还稳
- 用户 @substack 拿 GPT-6 Sol 跑了自家 RAG 流水线,延迟从 GPT-5 Pro 的 1.2s 降到 0.7s,但首 token 时间长了 100ms
几个真实吐槽:
"Luna 1M context 是真,但填满了速度慢得离谱。我的 80K doc 检索过去要 12s。" —— @benthecoder
"价格还是 OpenAI 老毛病。Sol $60/M 输出,Claude 4.5 才 $45。" —— @substack
"Sol 推理是真强,但 50 QPS 后 p99 直接到 4s。别拿来做实时服务。" —— @scaleai
对 Agent 开发的实际影响
Sol 强在 reasoning,Luna 强在 long context。Agent 系统里这两个能力正好是 planning 和 context loading。
最简单的做法:同一 API key,按任务路由。
代码长这样:
from openai import OpenAI
client = OpenAI()
def route_llm(task_type: str, prompt: str, context_size: int = 0):
# 长 context 任务优先用 Luna
if context_size > 200_000:
model = "gpt-6-luna"
# 纯推理任务用 Sol
elif task_type in {"planning", "reflection", "code_review"}:
model = "gpt-6-sol"
else:
model = "gpt-6-luna" # 默认省钱的
return client.chat.completions.create(
model=model,
messages=[{"role": "user", "content": prompt}],
)
如果是 LangGraph,可以挂在节点上:
from langgraph.graph import StateGraph
def plan_node(state):
resp = client.chat.completions.create(
model="gpt-6-sol",
messages=[{"role": "user", "content": state["task"]}]
)
return {"plan": resp.choices[0].message.content}
def load_context_node(state):
resp = client.chat.completions.create(
model="gpt-6-luna",
messages=[{"role": "user", "content": state["codebase"][:900_000]}]
)
return {"context_summary": resp.choices[0].message.content}
workflow = StateGraph(...)
workflow.add_node("plan", plan_node)
workflow.add_node("load_context", load_context_node)
关键点:Sol 和 Luna API 是兼容的,不用换 client,只换 model 名字。
一个被忽视的细节:rate limit 分开了
翻 API 文档的时候发现一件小事:Sol 和 Luna 的 rate limit 是分开算的。
我截了一段 dashboard 的设置(账号权限不一定都有,仅供参考):
- Tier 3 账号 Sol:500 RPM
- Tier 3 账号 Luna:800 RPM
- 混跑:各自独立计算,不会互相挤
这个对高并发 Agent 场景很关键。
之前用 GPT-5 Pro 的时候,一个高 QPS 任务能把整个账号的 rate limit 吃光。现在把推理任务走 Sol、长 context 任务走 Luna,两个 rate limit 池子独立,可以混用降低单点风险。
文档里目前没明说这点,但我实测确认过。社区里有人反馈同样情况,等 OpenAI 官方更新文档。
编辑思考
为什么 OpenAI 现在开始双版本?我的判断:DeepSeek 和 Claude 的双重挤压。
DeepSeek 把价格打到地板,逼着 OpenAI 出"便宜档";Claude 4.5 Opus 把编程 benchmark 干到第一,逼着 OpenAI 出"强推理档"。单版本打不过来,直接拆。
对比 Anthropic 的 Haiku/Sonnet/Opus 三档,OpenAI 的两档明显更精简——不是更精细,是更实用主义。少一个版本少一份运营成本,但也少一个价位段的灵活性。Luna 这次定位有点像 Sonnet 的位置,但缺一个 Haiku 级别的极致低价版。
这次的另一层信号:OpenAI 在把模型变成"基础设施组件",而不是"一个聊天机器人"。双版本 + 同 API + rate limit 分开 = 让开发者像用数据库一样组合模型。这是 Anyscale / Together 这种推理服务商早就验证过的打法,OpenAI 现在开始跟。
不确定的地方:
- Luna 1M context 的实际质量,官方 99.7% 的 needle test 不代表真实业务
- Sol 的 $60/M 输出价格,大客户能不能拿到折扣,没看到公开信息
我会继续跑生产环境的压测。后续如果数据有意思,再单独写一篇。