OpenAI 這星期在同一日推出兩款新模型，GPT-6 Sol 與 GPT-6 Luna，並且悄悄將自己的 API 價格下調近一半。如果你一直將每個提示都送去旗艦模型，只因為從未認真檢查過平價版本是否一樣能夠勝任，這個星期開始，這個習慣將會令你多付真金白銀。
GPT-6 Sol 與 Luna 究竟是什麼？
GPT-6 Sol 與 GPT-6 Luna 是 OpenAI 於 2026 年 9 月 22 日推出的兩款新模型，訓練方法與旗艦版 GPT-6 Astra 相同，但定價低得多。Sol 專為編程與複雜的專業工作而設；Luna 則專為大量文書工作而設，例如摘要、資料擷取與回答簡單問題。
兩款模型同時附帶一個永久性（並非限時優惠）的減價，較上一代 GPT-5.6 便宜約 50%。OpenAI 表示 Sol 的出錯率大約只有前代的一半，令它的可靠程度已經非常接近 Astra，但成本卻只是零頭。
Sol 與 Luna 實際收費多少？
Sol 每一百萬個輸入 token 收費 2 美元，輸出 token 收費 10 美元。Luna 每一百萬個輸入 token 只收 0.1 美元，輸出收 0.5 美元。旗艦版 Astra 的價格遠遠拋離兩者。如果你或你的團隊會直接使用 API，或者使用建基於 API 的第三方工具，以下是你需要知道的分項：
--- GPT-6 Luna：每百萬 token 輸入 0.1 美元，輸出 0.5 美元，適合快速文書工作
--- GPT-6 Sol：每百萬 token 輸入 2 美元，輸出 10 美元，適合編程與複雜推理
--- GPT-6 Astra：以固定用量計算，價格大約是 Sol 的 2.5 倍、Luna 的 47 倍，只保留給風險最高的工作
即使你從未親自使用過 API 金鑰，這件事仍然與你有關。許多從業者日常使用的寫作、研究與自動化工具，底層其實都建基於 OpenAI 的 API，所以這種減價通常會以「快速版」對「專業版」的切換選項出現在你已經付費的工具之內，又或者你付費的工具會悄悄變得更便宜。
Sol、Luna 與 Astra，你應該選用哪一款？
快速、大量、風險較低的工作交給 Luna 就可以，例如整理客戶名單、撰寫一句電郵標題、從合約之中抽取日期。真正複雜或專業的工作，包括編程，就交給 Sol，可以取得接近旗艦模型的判斷力，但毋須付出旗艦價錢。至於 Astra，就留給少數答錯代價非常高、成本已經不是首要考慮的工作。
可靠度數字亦支持這個做法。Luna 在 OpenAI 內部最嚴格的測試之中，幻覺率由 93% 下降至 77%，是實在的進步，但相比 Sol 在同一測試的表現，仍然明顯偏高。這正正解釋了為何 Luna 應該用在低風險、大量的工作上，而 Sol 應該用在任何答錯都會拖慢進度的工作上。
有一點反直覺但值得記住：token 單價本身並不能反映一項工作的真實成本。Astra 雖然每個 token 收費較高，但因為一次就能做對困難的工作，毋須反覆重試，總成本反而有機會更低。你應該按自己實際工作量度「每完成一件事的成本」，而不是單純比較每百萬 token 的標價。
如何在工作流程中建立模型分流習慣
模型分流習慣，即是在打開對話視窗之前，先按風險與複雜程度為每項工作分類，然後刻意將工作交給仍然能夠勝任的最平價模型，而不是預設使用當時開著的分頁。對於每日要處理幾十項 AI 工作的人來說，這是最高槓桿的一個習慣改變。
建立這個習慣最簡單的方法，是直接讓 AI 幫你分類。你可以將以下內容貼入任何一個你有權限使用的模型，然後在下面描述你實際的工作：
立即試用這個提示：
你是我的 AI 任務分流助手。我會描述一項工作，請你用以下格式分類：
任務：[一句話描述]
風險程度：[低 / 中 / 高，答錯或馬虎的代價有多大？]
複雜程度：[低 / 中 / 高，是否需要多步推理、編程或判斷？]
建議使用層級：[快速平價模型 / 中階模型 / 旗艦模型]
原因：[一句話]
以下是我的任務：[在此描述你的實際任務]
無論使用哪一間廠商的模型層級都適用：OpenAI 的 Sol、Luna 與 Astra，Anthropic 的 Haiku、Sonnet 與 Opus，或者 Google Gemini 的 Flash 與 Pro。即使型號名稱每幾個月就轉換一次，分類的邏輯本身並不會改變。
轉用平價模型時常見的錯誤
最常見的錯誤，是將所有工作一律交給最平價的層級，直至客戶或上司指出結果馬虎才發現問題。平價並非沒有代價，而是你每一次都要有意識地作出的取捨。
第二個錯誤，是以為每百萬 token 的標價就代表全部成本。一個要重試三次才做對的平價模型，實際花費的時間，隨時比一個一次就做對的較貴模型還要多。
第三個錯誤，是未經測試就將整個既有工作流程換去新模型。針對某一款模型特性調校過的提示，即使兩款模型來自同一間公司，都未必能夠原封不動地轉移過去。
立即試試看
找出你今日最後五項 AI 工作，逐一放入上面那個分流提示之中試試。數一數當中有多少真正屬於高風險、複雜到值得使用旗艦模型，又有多少其實交給平價層級都不會有分別。大部分從業者發現，答案比自己預期的少得多。
真正值得記住的一件事
像 Sol 與 Luna 這類型號更新，未來仍會每隔幾個月就出現一次，名稱亦會不斷改變。但不會過時的技能，是懂得按風險與複雜程度為自己的工作分類，並且刻意分流，而不是依靠慣性行事。這正是「使用 AI」與「有效率地運作一套 AI 工作流程」之間的分別。
懂AI，更懂你 UD相伴，AI不冷。無論是選對模型處理一項任務，還是為你的企業建立一支合適的AI團隊，UD都願意陪你一起走過。
準備好善用合適的AI了嗎？
模型分流只是其中一個習慣。要建立一支懂得將任務分派到合適位置的完整AI團隊，是更大的項目，而UD的AI Employee Hub正正為此而設。UD團隊手把手帶你完成每一步，由挑選合適崗位到安全部署到你的工作流程之中。
本文由 UD AI 團隊審閱。
