GPT-5.6 發表｜Sol、Terra、Luna 三階齊發，中階價格砍半
Kyle 5,159 字 · 約 17 分鐘

OpenAI 在 2026 年 7 月 9 日推出 GPT-5.6，這一代一次發表三個模型，名字分別叫 Sol、Terra 和 Luna。過去熟悉的 mini、nano 後綴沒有出現在這一代。

因為美國政府對前沿模型能力的審查，6 月 26 日先開放給少數合作夥伴做限量預覽，7 月 9 日才正式公開。ChatGPT、Codex 與 API 三個入口同步上線。

三個階層的規格與價格

三個階層的規格一致，差別在能力與單價。單價都是每 1M tokens 美元：

項目SolTerraLuna
模型 IDgpt-5.6-solgpt-5.6-terragpt-5.6-luna
Input$5.00$2.50$1.00
Cached input$0.50$0.25$0.10
Output$30.00$15.00$6.00
Context window1,050,0001,050,0001,050,000
Max output128K128K128K
知識截止2026-02-162026-02-162026-02-16
定位旗艦，最難的題目日常主力高流量、成本敏感
GPT-5.6 三個階層的 input 計費折線圖，Sol、Terra、Luna 三條線在 272K 處各自往上跳一倍後改走 2 倍斜率，1M tokens 時分別為 $10、$5、$2
三條線在 272K 同時跳一倍，階層之間的五倍差距不受影響。

三個階層的 context window、max output 與知識截止完全一樣，微調也都不支援。選階層是在選能力與價格，不是在選規格。gpt-5.6 這個不帶後綴的別名會路由到 Sol。

表上的單價有一個前提：input 超過 272K tokens 的請求，整段 input 改以 2 倍、output 改以 1.5 倍計價。這條規則從 GPT-5.4 起就套在 context window 是 1.05M 的模型上，GPT-5.6 三個階層一體適用，換算下來 Sol 是 $10／$45、Terra 是 $5／$22.50、Luna 是 $2／$9。計費方式的細節在下面的長 context 章節。

OpenAI 給的分工建議是：Sol 處理複雜的程式開發、資安研究這類難題；Terra 給客服、內部工具、文件分析這類高量的商業工作；Luna 給摘要、草稿、例行自動化這類講求速度與成本的工作。

命名的含義

Sol、Terra、Luna 是拉丁文的太陽、地球、月亮，對應到亮度與體積由大到小的三個天體。Sol 是能力最高的旗艦階層，Terra 是價格與能力折衷的日常選項，Luna 是速度與成本優先的那一階。

OpenAI 對這套命名的說明是：數字代表世代，名字代表能力階層，而且這個階層是長期的，可以各自照自己的步調演進。意思是未來如果只有旗艦更新，可以推出更強的 Sol 而不必把整條產品線的版號一起往上推。

從 mini、nano 改成三階層命名的差別

mini 與 nano 這套命名的邏輯是「旗艦的縮小版」，字面上就標明這是能力縮減的版本。GPT-5.4 mini 的官方描述是「把 GPT-5.4 的能力放進更快更便宜的封裝」，nano 則是「最便宜的 GPT-5.4 級模型，適合簡單的高量任務」。兩個都是以旗艦為基準往下減。

新的三階層命名把這個關係改掉了。Sol、Terra、Luna 不再是誰的縮小版，而是三個各自獨立的定位，設計上就假設不同任務本來就需要不同等級的模型，而不是一台旗艦加上兩台打折版。

這個改變有幾個直接影響：

  • 版號與階層脫鉤：過去 GPT-5.4 mini 的「5.4」同時代表世代與它是 5.4 的縮小版，現在 gpt-5.6-terra 的 5.6 只代表世代
  • 三個階層同時發表：GPT-5.4 mini 與 nano 是在旗艦之後將近兩週才補上的，GPT-5.6 三個階層是同一天上線，知識截止也一樣
  • 規格不再被砍：GPT-5.4 mini 與 nano 的 context window 是 400K，只有旗艦是 1M；GPT-5.6 三個階層都是 1.05M

價格帶則沒有完全對得起來。官方文件把 Luna 描述為「大致對應早期 GPT-5 家族的 nano 階層」，但 Luna 的 input 是 GPT-5.4 nano 的五倍（$1 對 $0.20）、output 接近五倍（$6 對 $1.25），也比 GPT-5.4 mini 的 $0.75／$4.50 貴一些。最便宜的那一階在這一代往上抬了一個價位。

GPT-5.5 世代為什麼沒有分階

GPT-5.5 在 2026 年 4 月 23 日發表，是一次規格與價格都跳很大的改版：API 價格從 GPT-5.4 的 $2.50／$15 直接翻倍到 $5／$30，長上下文能力也有明顯躍進。這一代的詳細內容在 GPT-5.5 發表整理 有完整的 benchmark 與定價說明。

GPT-5.5 確實有多個變體，但那些變體分的是思考深度而不是模型大小：

變體上線時間分的是什麼
GPT-5.5 Thinking2026-04-23推理深度
GPT-5.5 Pro2026-04-23推理深度（$30／$180）
GPT-5.5 Instant2026-05-05推理深度（免費方案）
GPT-5.5-Cyber2026-05-07領域專用，邀請制

這四個都跑同一顆基礎模型，沒有一個是縮小版。所以在 GPT-5.5 的兩個半月裡，想用便宜模型的開發者只有 GPT-5.4 mini 與 nano 可以選，低價位始終停在前一個世代。

OpenAI 沒有正面說明為什麼那一代不出 mini 與 nano，從公開資訊看得到的線索有兩個。一是 GPT-5.5 在 Preparedness Framework 下的生物與資安能力都被評為 High，API 連旗艦本身都沒有在發表當天開放，要走核准流程，這種狀態下再蒸餾出兩個小模型並不是優先事項。二是 GPT-5.4 mini 與 nano 上線時間本來就晚於旗艦，蒸餾小模型需要旗艦先穩定，而 GPT-5.4 到 5.5 只隔七週、5.5 到 5.6 也只隔兩個半月，節奏擠壓下補完整條產品線的時間並不夠。

GPT-5.6 的三階層同日發表，等於把這個落差補起來了。

GPT-5.4 到 GPT-5.6 的價格變化

Sol 接下 GPT-5.5 的 $5／$30，Terra 接下 GPT-5.4 的 $2.50／$15，兩個價位都沒有變動。

GPT-5.4 到 GPT-5.6 三個世代的 API input 單價長條圖，GPT-5.5 那一欄只有旗艦一根柱子，mini 與 nano 的位置留空
低價位整整跳過一個世代。
GPT-5.4、5.5、5.6 的 input 計費折線圖，GPT-5.6 三個階層為綠色實線、前兩代為灰色虛線，Sol 與 GPT-5.5 重疊、Terra 與 GPT-5.4 重疊，5.4 mini 與 nano 的線在 400K 處截止，GPT-5.4 Pro 與 5.5 Pro 的 $30 斜線衝出圖表上緣
Sol 與 GPT-5.5、Terra 與 GPT-5.4 的線完全重疊，Pro 的斜率則陡到 167K tokens 就衝出圖表。
模型Input $／1MCached inputOutput $／1MContext
GPT-5.4$2.50$0.25$15.001.05M
GPT-5.4 mini$0.75$0.075$4.50400K
GPT-5.4 nano$0.20$0.02$1.25400K
GPT-5.4 Pro$30.00—$180.001.05M
GPT-5.5$5.00$0.50$30.001.05M
GPT-5.5 Pro$30.00—$180.001.05M
GPT-5.6 Sol$5.00$0.50$30.001.05M
GPT-5.6 Terra$2.50$0.25$15.001.05M
GPT-5.6 Luna$1.00$0.10$6.001.05M
  • 旗艦價格連兩代持平：GPT-5.5 翻倍到 $5／$30 之後，Sol 維持同一個數字。這一代的成本改善來自 token 效率，不是單價
  • Terra 用 GPT-5.4 的價格提供更好的能力：官方說法是 Terra 的表現與 GPT-5.5 相當，而 GPT-5.5 是這個價格的兩倍
  • 最低價位上升：從 GPT-5.4 nano 的 $0.20／$1.25 變成 Luna 的 $1／$6。純粹跑分類、抽取這類簡單任務的批次工作，帳單會比留在 nano 貴
  • 低價階層的 context 放大：從 400K 變成 1.05M，這是 Luna 貴過 nano 的部分原因
  • Pro 是另一個級距：GPT-5.4 Pro 與 GPT-5.5 Pro 的 $30／$180 是同代旗艦的六倍，圖上的斜率陡到 167K tokens 就衝出範圍。GPT-5.6 沒有對應的獨立模型，改用參數處理，細節在下面的 API 章節

GPT-5.4 mini 與 nano 目前還在價目表上，沒有下架，成本敏感又不需要長上下文的既有流程可以先不動。

Codex 使用者的變動

Codex 是 OpenAI 的程式開發助手，這次三個階層都可以用，免費與 Go 方案也拿得到 Terra。啟動時用 -m 指定，或在互動介面裡用 /model 切換：

# 啟動時指定階層，用完整的模型 ID
codex -m gpt-5.6-sol "重構這個模組的錯誤處理"

# 互動中切換到便宜的階層跑批次工作
/model gpt-5.6-luna

Codex CLI 這次的更新把原本內建綁 GPT-5.4 的選項與內部用途改成對應的 Terra 與 Luna，Sol 則成為 Amazon Bedrock 端的預設模型。三個階層的內建指令也重新調過。

要注意的是 Codex 端的 context window 是 272K，不是 API 的 1.05M。這個數字在 7 月中的版本更新中被明確修正過，跟 GPT-5.5 時代 Codex 只給 400K 是同樣的邏輯，長專案全文檢索塞不下的狀況依然存在。

Codex 的計費是照 token 換算 credits，三個階層的 credit 比例跟 API 的價差完全一致（每 1M input tokens 分別是 125、62.5、25 credits），切階層等於直接影響 credit 消耗速度。實務上的分工是把 Terra 當日常主力，遇到架構決策、難以定位的 bug 再切 Sol，需要大量產生 docstring、樣板程式碼或跑 subagent 委派時降到 Luna。

ChatGPT 網頁與 App 的變動

ChatGPT 端的模型選單不再要求先挑模型名稱，而是直接列出思考檔位。一般對話裡選不到 Terra 與 Luna，檔位背後跑的都是 Sol，而且 Instant 這一檔仍然是 GPT-5.5 Instant，沒有換成新世代。要挑階層得到 ChatGPT Work、Codex 或 API 才行。

方案一般對話的檔位可以挑階層的地方
Free、GoInstant（GPT-5.5）Codex，只有 Terra
PlusInstant、Medium、HighChatGPT Work、Codex：三階自選
Pro、Business、Enterprise再加 Extra High 與 ProChatGPT Work、Codex：三階自選

Medium 以上的檔位都是 GPT-5.6 Sol，Pro 檔位則是 GPT-5.6 Sol Pro。另一個新東西是自動思考：付費方案上遇到複雜的問題時，ChatGPT 會自己從 Instant 切到 Medium。不想讓它自動切換的話，在模型選單裡點「Configure」可以關掉。

GPT-5.6 同時也是新產品 ChatGPT Work 的引擎，這是定位在「執行完整工作」而不是「回答問題」的 agent 產品，跟 GPT-5.6 同日推出，也是網頁端唯一能自己挑 Sol、Terra、Luna 的地方。

對只在網頁與 App 使用的讀者來說，後面 API 章節提到的 Programmatic Tool Calling、快取斷點、長 context 計費這些都不需要處理，client 會自己安排。這一代在 Medium 就有不錯的品質，習慣選最高檔位的話往下調一檔通常感覺不到差別。

API 端的新功能與計費變動

這一節只有直接呼叫 API 或 SDK 的開發者需要處理。

推理檔位新增 max 與 ultra 模式

reasoning.effort 現在有六級：none、low、medium、high、xhigh、max。官方建議從 medium 起手，延遲敏感的路徑用 low，max 留給最難、品質優先的工作。

另外還有 Sol 專屬的 ultra 多 agent 模式（beta），讓模型自己開出多個 subagent 並行處理再彙整，預設四個 agent。Ultra 在 Terminal-Bench 2.1 上把 Sol 從 88.8% 推到 91.9%，代價是數倍的 token 消耗，實際落點依任務被拆成幾份而定。

從 GPT-5.5 或 5.4 遷移過來時，官方的建議是先沿用原本的 effort 設定當基準，再往下試一級。GPT-5.6 常常能用更少的 token 維持同樣品質，但實際落點要看工作負載。

Pro 從獨立模型變成參數

前兩個世代的 Pro 是獨立的模型。GPT-5.4 Pro 與 GPT-5.5 Pro 各有自己的模型 ID 與自己的費率：$30 input／$180 output，是標準版的六倍價。它針對極難的題目優化，回答前會投入大量額外運算。ChatGPT 端要 Pro 方案才選得到，Plus 沒有；API 端則是直接把模型名稱換成 gpt-5.5-pro。

GPT-5.6 沒有獨立的 Pro 模型，改成 reasoning.mode 這個參數，值設成 pro 就會啟用同一套「回答前多算一輪」的行為，Sol、Terra、Luna 三個階層都能套。沒有另外指定 effort 時預設走 medium。

# GPT-5.5 時代：換模型名稱，單價從 $5/$30 跳到 $30/$180
response = client.responses.create(
    model="gpt-5.5-pro",
    input=[...],
)

# GPT-5.6：模型不變，加一個參數，單價維持該階層原價
response = client.responses.create(
    model="gpt-5.6-sol",
    reasoning={"mode": "pro"},
    input=[...],
)

計費上的差別是這個改動最實際的地方：Pro 模式沒有自己的費率，用 Sol 就照 $5／$30 算、用 Luna 就照 $1／$6 算。帳單變高是因為它思考時產出更多 token，不是單價變貴。以前估 Pro 的成本要先乘六再算，現在只要抓 token 量。

ChatGPT 選單裡的「GPT-5.6 Sol Pro」就是這個參數包成使用者看得到的選項，跑的仍然是 Sol。GPT-5.4 Pro 與 GPT-5.5 Pro 兩個獨立模型還留在價目表上，$30／$180 的價格沒有變動。

Programmatic Tool Calling

這是這一代 Responses API 比較大的新功能。過去模型呼叫工具是一次一個來回：模型說要呼叫什麼、應用程式執行、結果再送回模型，工具多的任務會累積大量往返。Programmatic Tool Calling 改成讓模型寫一段 JavaScript，在隔離的 V8 執行環境裡執行，由那段程式去協調多個工具呼叫、處理中間結果、決定下一步。

執行環境沒有網路存取，也相容零資料保存（ZDR）的要求。官方公布的客戶案例顯示 token 用量減少 38% 到 63.5%，省下來的主要是那些原本要送回模型判斷的中間結果。

Prompt cache 的計費改變

GPT-5.6 開始可以用明確的快取斷點指定哪一段前綴要快取，並保證至少 30 分鐘的快取壽命，比過去憑系統自動判斷可預期得多。

計費方式跟著改了：寫入快取要收 1.25 倍的未快取 input 費率，讀取維持一折的價格，也就是規格表 cached input 那一欄。過去寫入不另外收費，所以新制等於在建立快取那一次多付 25%。

重複使用同一段 1M tokens 前綴的累計成本折線圖，不快取的紅線一路爬到 $30，GPT-5.6 新制的綠線與舊制的灰虛線都停在 $8 左右，打平點落在第 1 到第 2 次請求之間
寫入變貴的影響只發生一次，之後每多送一次差距就再拉開一截。

用 Sol 與 1M tokens 的前綴實際算一次比較清楚。不快取的話每次都付 $5.00；新制是第一次付 $6.25 建立快取，之後每次 $0.50。第一次確實比不快取貴 $1.25，但第二次送出時累計就已經是 $6.75 對 $10.00，到第六次是 $8.75 對 $30.00。

所以寫入加價並沒有改變「該不該用快取」的答案，只要前綴會被重複送出，用就對了。真正變的是建立快取的次數要省著點：每重建一次就多付 25%。前綴放的內容如果每回合都有小幅變動，快取一直失效重寫，那個 1.25 倍會反覆疊上去。30 分鐘的保證壽命也是同樣的道理，間隔超過就要重新寫一次。

超過 272K 的長 context 計費

雖然三個階層的 context window 都是 1.05M，但 input 超過 272K tokens 的請求，整個 session 的 input 收 2 倍、output 收 1.5 倍，標準、batch、flex 三種模式都適用。這條規則不是 GPT-5.6 新增的，GPT-5.4 與 GPT-5.5 這些 context window 為 1.05M 的模型都適用；context 只有 400K 的 GPT-5.4 mini 與 nano 反而沒有這一條，怎麼餵都是表上的單價。

換算下來，Sol 跑超長 context 的實際費率是 $10／$45，Terra 是 $5／$22.50，Luna 是 $2／$9。需要塞滿 1M context 的工作，成本要按這組數字估。

超過 272K 的 input 計費折線圖，272K 以下綠色線走 $5／1M，跨過門檻後費用從 $1.36 垂直跳到 $2.72 並改走 $10／1M 的紅色線，灰虛線為維持一般費率的假設
跨過門檻的那一瞬間，同一筆請求的帳單直接翻倍。

比較容易誤解的是門檻的作用方式：它不是分段收費，是整段重算。一筆 272K 的請求付 $1.36，多送一個 token 變成 $2.72，多出來的不是那一個 token 的錢，而是前面 272K 全部改用 2 倍費率。所以剛好卡在門檻附近的工作流，把輸入壓到 272K 以內省下的是整筆的一半。

Benchmark 表現

以下數字來自 OpenAI 官方公布與第三方評測站的彙整。Agents’ Last Exam 測長時間的 agent 工作、Artificial Analysis Coding Agent Index 是綜合的程式開發 agent 指數、MRCR 測長上下文的記憶與回溯。數字越高越好：

GPT-5.6 三個階層在三項評測上的長條圖對照，Sol、Terra、Luna 在 agent 類項目差距很小，MRCR 長上下文項目 Luna 只有 41.3 明顯落後
Luna 只在長上下文回溯這項明顯落後。
BenchmarkSolTerraLunaClaude Fable 5
Agents’ Last Exam53.650.450.340.5
AA Coding Agent Index80.077.474.677.2
MRCR v2（256K–512K）91.5%89.6%41.3%—
MRCR v2（512K–1M）73.8%72.5%41.3%—

Luna 在 agent 類任務上跟 Sol 只差 3 分左右，但長上下文回溯掉到 41.3%，等於它雖然接受 1.05M 的 context，卻沒辦法在裡面穩定找回資訊。要餵長文件的工作不適合交給 Luna，這是三個階層之間差距最大的一項。超過 512K 之後連 Sol 都會掉到 73.8%，1M context 裝得下不代表用得好，這一點三個階層都適用。

Sam Altman 提到 Sol 在程式開發任務上的 token 效率比前一代高 54%。官方公布的 OSWorld 2.0 成績則是 62.6%，output tokens 比 Claude Opus 4.8 少 85%。所以實際帳單的差距通常比單價差距大，估算成本比較合理的做法是看「每個完成任務的成本」而不是每 token 的價格。

另一個常被拿來比較的是 SWE-Bench Pro 這種 repository 層級的程式修改，Claude Fable 5 拿到 80.3%、GPT-5.6 Sol 是 64.6%。不過這兩個數字都不是同一套中立環境跑出來的：Fable 5 的成績來自 Anthropic 自家的 scaffolding，Sol 的 64.6% 則來自第三方榜單追蹤，OpenAI 沒有官方公布過 GPT-5.6 的 SWE-Bench Pro 成績，也對這項評測的題目品質有不同看法。這個落差只能當參考。Claude 這一側最新的模型定位可以參考 Claude Opus 5 發表整理。

這一代 OpenAI 主打的是 agent 類任務，傳統的學術型評測（GPQA、AIME、FrontierMath）沒有出現在官方發表的對照裡。

三個階層的選法

  • 日常開發、一般商業應用：Terra 是比較合理的起點。多數評測跟 Sol 差 2 到 3 分，價格是一半，而且跟前一代的 GPT-5.5 同級，價格是一半
  • 架構決策、長時間 agent、資安研究：Sol 值得那個價差，也只有它支援 ultra 模式
  • 分類、抽取、摘要這類高量工作：Luna 的每美元產出效率明顯高於其他選項，但不要拿它處理長文件
  • 成本壓到最低的簡單批次任務：GPT-5.4 nano 的 $0.20／$1.25 仍然在價目表上，input 只要 Luna 的五分之一。單純做標籤分類、格式轉換這類不需要長上下文的工作，繼續留在 nano 是合理的選擇
  • repository 層級的程式修改：兩邊的公開數字都有各自的測試環境問題，但落差夠大，這類工作可以把 Claude 那一側納入比較

常見問題

現在還有 Pro 模型嗎

GPT-5.6 這一代沒有。Pro 從獨立模型改成 reasoning.mode: "pro" 這個參數，套在 Sol、Terra、Luna 上都可以，計費走該階層的原價，不再有 $30／$180 這條單獨的費率。ChatGPT 裡的「GPT-5.6 Sol Pro」是這個參數的介面呈現，背後跑的是 Sol。

前兩代的獨立 Pro 模型（gpt-5.4-pro、gpt-5.5-pro）還在價目表上可以繼續呼叫，價格維持 $30／$180。既有程式如果釘死了這兩個模型名稱，不會因為 5.6 上線而失效。

GPT-5.5 Pro 與 GPT-5.6 Sol 差在哪

單價差六倍：GPT-5.5 Pro 是 $30／$180，Sol 是 $5／$30。實際帳單的差距通常還會更大一些，因為 Pro 這種「回答前多算一輪」的設計本來就會用掉比標準版更多的 token，單價的六倍是下限而不是上限。

要對等比較的話，應該拿 Sol 加上 reasoning.mode: "pro" 去對 GPT-5.5 Pro，因為那才是同一種運作方式。這樣比的話 Sol 的單價仍然是 $5／$30，差距完全沒有縮小。

反方向也有一個要留意的地方：Sol 開 ultra 模式時會派出多個 subagent，每個都各自產生與消耗 token，一次呼叫等於好幾次的量。開了 ultra 之後，$5／$30 就不再是估算單次任務成本的可靠依據。

能力方面，第三方彙整的綜合指數多數項目由 Sol 領先，agentic coding 與資安這兩類的差距比較明顯；GPT-5.5 Pro 則在部分專業知識工作的評測上仍有優勢。要注意這些對照是聚合網站自己的口徑，OpenAI 沒有公布兩者的官方逐項比較，跨代跨變體的分數本來就不容易對齊。

實務上的結論比較單純：新的專案直接用 Sol，需要 Pro 那種多算一輪的行為就加 reasoning.mode 參數，沒有理由為了同一種行為多付六倍。既有跑在 GPT-5.5 Pro 上而且結果穩定的流程，模型還在、不必急著搬，但值得拿自己的評測集比一輪，多數情況會發現可以省下這筆錢。

Terra 等於 GPT-5.5 嗎

官方說法是「表現與 GPT-5.5 相當」，價格則是一半。從第三方彙整的數字看，Terra 在 agent 類評測上接近甚至超過 GPT-5.5，但兩者不是同一顆模型，也沒有跨代逐項對照的完整資料。既有跑在 GPT-5.5 上的流程要換成 Terra，建議拿自己的評測集實測一輪再決定。

GPT-5.5 與 GPT-5.4 會下架嗎

目前都還在價目表上，包含 GPT-5.4 mini、nano 與兩代的 Pro 版本。OpenAI 沒有公布退場時程。不過 Codex CLI 已經把內建綁 GPT-5.4 的選項換成 Terra 與 Luna，工具端的預設會逐步往新世代移動。

未來會不會出 GPT-5.7 Sol

按照 OpenAI 對命名的說明，數字是世代、名字是階層，兩者可以分開走。這代表未來可能出現只更新其中一個階層的情況，例如推出新版 Sol 而 Terra、Luna 留在原地。這是這套命名相對於 mini、nano 比較實際的好處，不必為了更新旗艦而把整條產品線的版號一起推上去。

參考資料

Post Views: 38
Tags:
Sponsored Links

發佈留言