2026年9月22日，第三方 AI 评测机构 Artificial Analysis 发布了 GPT-6 Sol 和 GPT-6 Luna 的独立评测报告。这是两款新模型发布后的第一份完整第三方成绩单：价格确实砍半，但能力变化并非一边倒——有的评测进步，有的退步。
Artificial Analysis 的核心测算显示，GPT-6 Sol 跑完一轮智能指数评测的成本约为 1.06 美元，比 GPT-5.6 Sol 的 1.99 美元便宜近一半；Luna 从 0.18 美元降到 0.07 美元，降幅约六成。智能指数总分与上一代基本持平，但在细分项上，编码智能体能力 Sol 小幅提升、Luna 小幅下滑，知识工作类评测两者都出现了回退。
降价是实的：API 价格直接腰斩
Sol 的输入/输出价格从每百万 token 4 美元/20 美元降到 2 美元/10 美元，Luna 从 0.20 美元/1.20 美元降到 0.10 美元/0.50 美元，缓存读取依然有 90% 折扣，缓存写入加价 25%。值得注意的是，两款新模型每个任务消耗的输出 token 反而略有增加（Sol 从 2.9 万涨到 3.1 万），成本下降完全来自降价本身。这次评测的对象，正是OpenAI 在 9 月 22 日发布的 GPT-6 Sol 和 Luna（本站稍早前已有发布报道）。
有升：编码与幻觉控制进步
在 Artificial Analysis 的 Coding Agent Index（基于 OpenAI 自家 Codex 工具链测得）中，Sol 拿到 57 分，比 GPT-5.6 Sol 高 2 分，Terminal-Bench 4.0 从 37% 提升到 43%。幻觉控制是另一大亮点：在 AA-Omniscience 知识问答评测里，Sol 的幻觉率从 92% 降到 60%，Luna 从 93% 降到 77%。不过 Sol 的策略是“更谨慎”——回答率从 99% 降到 83%，错答减少约四分之一，代价是准确率从 59% 掉到 54%。
有降：知识工作类评测双双回退
GDPval-AA v2.1（覆盖 44 种职业的经济价值任务）中，Sol 掉了约 100 个 Elo 分，Luna 掉了约 75 分；Luna 在多周知识工作项目评测 AA-Briefcase v1.1 里也掉了约 45 分。评测团队人工检查了数百条输出，认为回退主要来自“交付物变短、经常漏掉评分标准要求的要素”——模型为了省 token，把答案写得太简略了。
选型时看任务类型，别只看价格
如果你在 Codex 这类编码智能体里跑代码任务，Sol 是更划算的选择：分数更高，单任务成本 2.99 美元，比上一代便宜一半，正好落在“能力—成本”帕累托前沿上。如果你用 Luna 跑高频简单任务（抽取、摘要），成本优势依然明显；但涉及长文档、要交付完整报告的知识工作，建议先小流量验证输出完整性，再全量切换。
这次降价发生在 Anthropic 发布 Claude Opus 5.5（降价 20%）的同一天，两家顶级实验室在 24 小时内先后打出价格牌。Artificial Analysis 的结论很克制：OpenAI 拿下了成本效率前沿的一大块地盘，但“便宜”不等于“全面更强”。选模型时，关键看你的任务落在“升”的那一边还是“降”的那一边。
