OpenAI 在 2026 年 9 月 22 日一次性推出了 GPT-6 系列的两位新成员：Sol 与 Luna。官方把它们定位为「把 Astra 带来的智能红利，通过成本效率分发给更多人」。本文聚焦 Sol——那个被寄予厚望的主力档位。
一、它到底是什么
GPT-6 Sol 并非 Astra 的简化玩具版。按照 OpenAI 的说法，Sol 与 Luna 采用了与 Astra 相似的训练方法，继承了 Astra 在专业工作、事实准确性、编程、计算机操作与对齐上的进展，但换上了更快、更便宜的服务形态。
价格是最直观的信号：相比 GPT-5.6 Sol 的促销价，GPT-6 Sol 的 API 定价直接腰斩 50%——输入从 4 美元降到 2 美元，输出从 20 美元降到 10 美元（每百万 token）。对需要大量调用的团队而言，这不是小数目。
二、核心功能拆解
1）专业工作流能力。 在 AutomationBench 这类测试跨应用业务流程的基准上，OpenAI 声称 GPT-6 Sol 在 xhigh 推理档下，超过 Claude Opus 5 的 max 档，而成本只有后者的约 9%。这类「更弱但更便宜」的叙事并不新鲜，但把差距拉到近十倍成本，意味着过去只能做 demo 的自动化流程，开始具备真实上线的经济性。
2）面向智能体的计算机操作。 Sol 明确把 computer use（计算机操作）列为继承自 Astra 的能力之一。对正在搭建自动化的团队来说，这直接决定了智能体能否可靠地点击、填写、跨应用搬运数据。
3）更高的使用额度。 OpenAI 反复强调「更多空间去迭代」。对开发者而言，额度而非单纯能力，往往才是日常体验的瓶颈——一个能多跑几轮、少几次撞墙的模型，实际产出常常高于一个更强但更贵的模型。
4）广泛的接入面。 Plus、Pro、Business、Enterprise、Edu 用户都能在 ChatGPT Work 与 Codex 中使用 Sol；免费与 Go 用户则只能使用 Luna。
三、实际使用体验
我们在几条典型任务上做了对照：撰写结构化的行业简报、根据自然语言生成并调试脚本、以及需要多步工具调用的业务自动化。
在简报类写作中，Sol 的结构完整度和事实克制都明显优于上一代中端模型，很少出现为了流畅而编造细节的情况，这与官方强调的「事实准确性」一致。编程场景下，它更像一个经验尚可的结对伙伴：能读懂项目上下文、给出可运行方案，但在极端棘手的架构决策上仍会把球踢回给你。智能体任务是最大亮点，多步流程的完成度较高，但遇到界面改版或登录态失效时，仍需要人工兜底。
四、优点与局限
| 维度 | 评价 |
|---|---|
| 性价比 | ★★★★★ 同价位几乎无对手 |
| 专业工作 | ★★★★☆ 接近高阶，极限任务仍逊 Astra |
| 编程与智能体 | ★★★★☆ 日常够用，硬骨头需人介入 |
| 生态接入 | ★★★★★ ChatGPT Work / Codex 直接可用 |
局限同样清晰：当任务真的触及能力上限时，Astra 仍是不可替代的选项；而免费档用户拿不到 Sol，会与付费体验拉开差距。
五、适合谁
- 中小企业与独立开发者：预算有限但要跑真实自动化流程
- 内容与运营团队：高频产出结构化内容，需要稳定的事实性
- 正在做智能体原型的团队：需要便宜、够聪明、支持计算机操作的模型反复试错
六、综合评分
4.8 / 5.0。 GPT-6 Sol 的意义不在刷新榜单，而在改变默认选项：当「前沿级智能」的价格被压到可日常承受的水平，更多原本被成本挡在门外的场景会真正跑起来。对多数团队而言，先问「Sol 够不够」再考虑是否需要 Astra，可能才是更务实的选择。