OpenAI先发重置卡,再发两个模型,正面对抗Claude 5.5

OpenAI 今天凌晨发布了 GPT-6 家族的两个新成员：GPT-6 Sol 和 GPT-6 Luna。

除此之外又每个会员赠送了一张重置卡！现在GPT的会员真是超值！

最新的模型是全量发布，Plus、Pro、Business、Enterprise、Edu 用户打开网页或者codex就能看到最新模型了！

有趣的是发布前一个半小时，Anthropic 刚发了 Claude Opus 5.5，也是降价路线。两家在同一个下午短兵相接。

最新的5.5能力提升不多，但是价格降低40%，开始主打性价比了

GPT 的价格

Sol 比上一代 GPT-5.6 Sol（4 美元 / 20 美元）两个方向都便宜 50%。Luna 输入便宜 50%，输出便宜 58.3%。

OpenAI 发言人确认，这是永久价格，不是促销。

GPT 三款模型分别干什么

目前 GPT-6 家族形成了清晰的三级梯队，分别对应不同的任务难度与预算场景

Astra 是旗舰，9 月 3 日发布。定位是能力优先、不考虑成本，用于最难的任务。

Sol 是中端。复杂编程、专业工作、Agent 工作流主要用它。它不是最强，是在接近 Astra 的能力水平上把价格压下来。单价是 Astra 的五分之一。

Luna 是轻量款。定位是高频、目标明确的常规任务，比如文档摘要、信息抽取、快速问答。单价是 Sol 的二十分之一。

三款都是 105 万 token 上下文窗口，最大输出 12.8 万 token。

Sol 的知识截止 2026 年 4 月 20 日，Luna 是 5 月 18 日。推理强度六档可调，从 none 到 max。

GPT 这次通稿多了一条横轴

以前发模型，通稿只比分数：我的 92 分，你的 88 分。纵轴越高越牛。

这次 OpenAI 的评测图里多了一条横轴，叫 Cost per task，完成一件任务花多少钱。

AutomationBench 这个测试是让 Agent 在销售、营销、运营、客服、财务、HR 等软件之间跑完整流程，跨 47 个工具。

GPT-6 Sol 在 xhigh 档得分 33.2%，单任务成本 0.27 美元，是自家最划算的档位。

Claude Opus 5 最高档得分 26.9%。

横轴是单任务成本，纵轴是任务完成度

Astra 在右上角，能力最强成本最高。Sol 往左移了一大截，能力没掉太多。Luna 在左下角的低价区。

目前看性价比最高的竟然是GPT-6 Sol，能力和成本得到了平衡

GPT 的编程能力

DeepSWE 1.1 测真实代码库中的复杂软件工程任务。

GPT-6 Sol Max 得分 68.8%。

Claude Fable 5 的 xhigh 档是 69.9%。

差 1.1 个百分点，但 OpenAI 称 Sol 的成本低约 80%。

Luna Max 得分 66.6%，接近 Opus 5 和 Fable 5 中等推理档的水平，成本分别低约 93% 和 96%。

第三方机构的编码 Agent 指数排名

第三方机构 Artificial Analysis 用 Codex 环境独立跑过一遍：

Sol Max 在 Coding Agent Index 上得 57 分，比 GPT-5.6 Sol 高 2 分，单任务 2.99 美元，便宜约一半。

GPT 的编码欺骗率下降

AI 声称"已修复、测试通过"但其实没改对，是 Coding Agent 的常见问题。

OpenAI 做了个 Coding deception 测试，专门构造容易诱发这类行为的困难任务。

GPT-5.6 Sol 的欺骗率 10.4%，GPT-6 Sol 降到 1.3%。

GPT-5.6 Luna 是 9.5%，GPT-6 Luna 降到 2.8%。

Astra 是 0.5%。

另一个对抗测试是给模型一个坏掉的搜索工具，看它是否承认工具坏了。GPT-6 Sol 有 5.4% 的情况不吭声，上一代是 77.8%。

Luna 是 30.2%，前代 78.3%。

两家正面对比

这里有个对读者有用的巧合，两家的跑分里有好几个是同一套测试。

所以可以真正横向比，不用分开看两份通稿。

看这张表要看出来两件事。

Claude 在编程和知识工作上领先。

Terminal-Bench 4.0 上 Opus 5.5 的 66.4% 比 Astra 的 57.9% 高 8.5 个百分点。

GDPval 这个知识工作测试上 Opus 5.5 是 1846 Elo，Astra 只有 1542，差得更多。

DeepSWE 上 Opus 5.5 的 74.2% 也比 GPT-6 Sol 的 68.8% 高。

GPT 在科学和业务流程上领先。

Terminal-Bench-Science 上 Astra 的 64.6% 反过来压过 Opus 5.5 的 58.7%。

AutomationBench 上 Astra 41.4% 略高于 Opus 5.5 的 40.0%。

这次还有一个很明显的变化，两家公司已经不只是比谁更聪明，而是开始直接比干完一件事到底要花多少钱。

目前在代码领域，还是Claude更具备性价比。

比如 Anthropic 公布的 FrontierCode（前沿代码能力测试）里，Claude Opus 5.5 默认档拿到 54.6%，甚至略高于 GPT-6 Astra 最高档的 53.3%。

但单任务成本大约只有 0.8 美元，而 Astra 最高档大约要 4.59 美元，差不多只花它五分之一的钱。

另一边，OpenAI 也在打同一张牌。在AutomationBench（真实办公与自动化任务测试）里

GPT-6 Sol 最高推理档拿到 33.2%，高于 Claude Opus 5 最高档的 26.9%，但每个任务只花大约 0.27 美元，成本只有对方的十分之一左右。

所以结论很明显，写代码用Claude最有性价比，办公科研用GPT最有性价比

最后的感慨

当大模型开始卷Agent能力和性价比的时候，我觉得就是开始大规模应用的前兆。

毕竟之前让AI没有各行各业用起来的原因就是AI比人还贵。

未来谁能把能力、速度和成本同时压下来，谁才更有可能真正进入公司日常流程，甚至支撑成千上万个 Agent 长时间工作。

换句话说，未来最强的模型未必是最贵的那个，真正有杀伤力的，可能是那个已经足够强，而且便宜到可以随便用的模型。