OpenAI 于 2026 年 7 月 9 日正式推出 GPT-5.6 系列，包括旗舰模型 Sol、均衡模型 Terra 和低成本模型 Luna。三款模型属于同一代，但能力、速度、价格和适用任务不同。
最简单的选择方法是：复杂任务用 Sol，多数日常工作用 Terra，大批量轻量任务用 Luna。不要因为 Sol 最强，就把所有请求都交给 Sol；对于可以快速检查结果的任务，Terra 和 Luna 通常更划算。
Sol、Terra、Luna 核心区别
| 模型 | 定位 | API 输入价格 | API 输出价格 | 更适合的任务 |
|---|---|---|---|---|
| GPT-5.6 Sol | 旗舰模型，能力最高 | 5 美元 / 百万 token | 30 美元 / 百万 token | 复杂编码、长流程 Agent、专业研究、困难问题 |
| GPT-5.6 Terra | 能力和成本均衡 | 2.50 美元 / 百万 token | 15 美元 / 百万 token | 日常办公、常规编码、内容处理、默认工作流 |
| GPT-5.6 Luna | 最快、最便宜 | 1 美元 / 百万 token | 6 美元 / 百万 token | 分类、提取、摘要、批处理、高吞吐任务 |
GPT-5.6 中的数字代表模型代际，Sol、Terra、Luna 则是长期能力档位。OpenAI 表示，这三个档位以后可以按各自节奏升级，而不必等待整个模型系列同时换代。
GPT-5.6 Sol：解决最难的问题
Sol 是 GPT-5.6 系列的旗舰模型，适合正确率和完成度比调用成本更重要的任务。它在复杂编码、长周期专业工作、网络安全和科学研究方面表现最强，也更擅长使用工具、操作计算机和检查最终成果。
典型场景包括：
- 修改大型代码库中的多个模块，并运行测试、定位失败和继续修复。
- 汇总多份文件和在线资料，产出可以直接交付的报告、演示文稿或电子表格。
- 需要连续执行多个工具、保留长程上下文的 Agent 工作流。
- 普通模型多次失败，人工返工代价很高的难题。
Sol 的 API 输出价格是 Terra 的两倍、Luna 的五倍。简单摘要、格式转换和分类任务使用 Sol，通常不会带来与成本相称的收益。
GPT-5.6 Terra：大多数人的默认选择
Terra 位于能力、速度和价格的中间档。OpenAI 将它定位为日常工作的均衡模型。对于普通对话、办公写作、常规编程、资料整理和多数工具调用任务，Terra 更适合作为默认入口。
Terra 适合：
- 编写常规脚本、修复范围明确的 bug、解释代码。
- 整理文档、写邮件、生成内容初稿和会议摘要。
- 构建需要稳定质量，但调用量也比较大的 AI 功能。
- 先处理任务，遇到困难后再升级到 Sol 的分层工作流。
对 API 开发者来说，可以先用 Terra 建立质量基线。如果评测显示 Luna 已能稳定完成任务，再降到 Luna；如果复杂样例错误率较高，再把这部分请求路由到 Sol。
GPT-5.6 Luna：便宜、快速、适合跑量
Luna 是三款模型中速度最快、价格最低的一档。它适合步骤清楚、结果容易验证、单次价值不高但调用次数很多的任务。
常见用法包括：
- 文本分类、标签生成、关键信息提取。
- 短文本摘要、标题候选和格式清洗。
- 批量处理客服记录、商品资料或日志。
- 在 Agent 工作流中承担前置筛选和简单子任务。
Luna 不适合作为高风险决策或复杂工程任务的唯一模型。更稳妥的方式是为低置信度、结构校验失败或多次重试的请求设置自动升级，让 Terra 或 Sol 接手。
max 和 ultra 不是新的模型档位
max 与 ultra 经常和 Sol、Terra、Luna 混在一起讨论，但它们不是第四、第五款模型。
max 是更高的推理强度。它比 xhigh 给模型更多时间探索方案、运行检查并修改答案，适合困难任务。代价是 token 消耗更多，响应时间也可能更长。
ultra 是多智能体模式，默认协调四个智能体并行处理不同工作流，再综合结果。它适合能拆分成多个独立分支的复杂研究和工程任务。简单问题无法充分利用并行能力，开启后只会增加开销。
可以这样区分：
- 先选 Sol、Terra 或 Luna，决定使用哪一档模型。
- 再选推理强度，决定模型为单个任务投入多少计算。
- 只有任务确实适合并行拆分时，才考虑
ultra。
ChatGPT 和 Codex 用户能用哪一款
GPT-5.6 从 7 月 9 日起逐步向全球账号开放，OpenAI 表示完整推送预计在 24 小时内完成。
- ChatGPT：Plus、Pro、Business 和 Enterprise 用户可通过中等及更高推理强度使用 Sol；Pro 和 Enterprise 还可选择 Sol Pro。
- ChatGPT Work 与 Codex：Free 和 Go 用户可使用 Terra；Plus、Pro、Business 和 Enterprise 用户可选择 Sol、Terra、Luna。
max：在 ChatGPT Work 与 Codex 中，拥有 GPT-5.6 使用权的用户都可在设置中开启。ultra：ChatGPT Work 面向 Pro 和 Enterprise；Codex 面向 Plus 及以上套餐。- OpenAI API：开发者可以调用 Sol、Terra 和 Luna。
如果账号里暂时没有对应选项，可能是逐步推送还未完成。
API 开发者怎么组合三款模型
比较实用的方案不是固定一款模型，而是建立分层路由：
- 用 Luna 完成分类、提取、清洗和高吞吐预处理。
- 用 Terra 处理默认对话、常规生成和普通编码。
- 把高难度、低置信度或多次失败的请求升级到 Sol。
- 对高价值复杂任务再提高推理强度，必要时启用
max。 - 只有任务可以并行拆分，而且时间比 token 成本更重要时才用
ultra。
GPT-5.6 还支持显式提示缓存断点和至少 30 分钟的缓存生命周期。缓存写入按未缓存输入价格的 1.25 倍收费，缓存读取继续享受 90% 的输入价格折扣。长系统提示、固定工具定义和重复背景资料应尽量复用缓存。
一句话选型结论
- 追求最高能力、减少高价值任务返工：选 Sol。
- 想兼顾质量和成本，不确定从哪款开始：先选 Terra。
- 任务简单、调用量大、结果容易自动检查：选 Luna。
- 单个问题很难：提高推理强度或使用
max。 - 任务能拆成多个并行工作流：再考虑
ultra。
本站此前也整理过 GPT-5.6 Sol 有限预览阶段的模型分层和安全策略。正式发布后，三档模型已经从预览概念变成 ChatGPT、Codex 和 API 中可以实际选择的产品层级。