GPT-6 Sol与Luna：降价之外，OpenAI开始帮Agent省重复上下文

前沿模型 / Agent基础设施 · 9.5/10 · 建议深挖

OpenAI发布GPT-6 Sol和Luna。两款模型都从Astra的训练路线中继承能力，但定位不同：Astra继续承担最难、最重要的任务，Sol和Luna负责把较强能力铺到更高频、更看重成本的工作里。API价格相对GPT-5.6促销价下降50%：Sol输入、输出分别为每百万token 2美元和10美元；Luna为0.10美元和0.50美元。

如果只看每百万token价格，容易漏掉这次对长任务更关键的另一半。Agent会在连续请求中反复携带系统说明、工具定义、代码和历史记录。OpenAI现在允许合格的共享前缀在30分钟内复用，缓存输入最高可省90%；同时提供缓存仪表盘、miss诊断、显式断点和预热。推理强度变化，或某一轮只允许部分工具调用，也不必把前面的缓存全部打掉。

这改变的是整条任务的账单。GitHub称，过去几个月需要重新处理的prompt token占比下降超过50%；Manus称缓存命中率从约85%升到90%以上。另一个合作案例把缓存命中率从83%提高到91%，推理成本下降36%。这些都是合作客户在特定负载下的结果，不能直接套到每个产品，但它们说明缓存已经从性能小技巧变成Agent经济性的一部分。

能力方面，OpenAI报告Sol在AutomationBench以xhigh得到33.2%，每任务0.27美元；DeepSWE得到68.8%；OSWorld得到60.5%。官方还明确写着Astra仍是全系列最佳。跨模型的系统提示、工具、effort和成本统计并不完全一致，所以更稳妥的结论不是“Sol全面打赢谁”，而是它在多个长任务评测中把能力放进了更低的价格带。

以后评估一个Agent模型，除了最高分，还应问三个问题：一次任务要重试几次，输出多少token，历史上下文能复用多少。基础模型只决定上限，缓存和运行方式会决定这项能力是否用得起。