一個家族、四個模型、六段推理強度：OpenAI 發布首份官方 GPT-6 選型指南

2026 年 10 月 2 日，OpenAI 低調發布了一份開發者從 GPT-6 世代九月初上市以來就不斷敲碗的文件：《A model guide for the GPT-6 family》（GPT-6 家族選型指南）。這是 OpenAI 針對旗艦模型世代發布的第一份官方實作指南，並在 10 月 4 日至 5 日的週末期間持續高掛在 OpenAI 新聞頁頂端。時機點經過精心安排：從 9 月 3 日的 GPT-6 Astra、9 月 22 日的 GPT-6 Sol 與 Luna、9 月 29 日的 GPT-6.1 Sol，再到將 ChatGPT Pro 重組為三個等級的 DevDay，GPT-6 產品線在不到一個月內從一個模型膨脹到四個——而社群早已被命名混亂淹沒。

為什麼是現在發指南

GPT-6 家族打破了 OpenAI 以往「單一旗艦」的模式。這個世代以階梯形式供貨：Astra 負責最困難的端對端工作，Sol 主打複雜程式開發與代理式（agentic）工作流，9 月 29 日推出的 GPT-6.1 Sol 則以幾分之一的成本逼近 Astra 的智力水準，Luna 面向大量、高吞吐的聚焦型任務。四個模型共享相同的 1,050,000 token 上下文視窗、相同的工具組與相同的 API 端點。真正的差異在推理深度、速度、價格與知識截止日——這意味著開發者面對的問題已經不是「選哪家廠商」，而是「選哪個層級、調哪個推理強度、跑在哪個介面上」。

這正是新指南要回答的問題。根據 The Tech Buzz 的報導，這份文件依任務難度 walk through 如何在 GPT-6 各變體之間做選擇、如何調校「reasoning effort」參數以在速度與準確度之間取捨、如何用跨家族一致的新框架來結構化提示詞、如何在單一工作流中協調多個工具，以及如何運用 OpenAI 從最大客戶身上學到的負載平衡與錯誤處理模式來準備生產環境部署。用審閱過這份文件的開發者的話說：「這不只是另一份 API 參考文件。」

推理強度旋鈕才是真正的主角

指南中最關鍵的觀念，是把推理強度（reasoning effort）升級為第一級的路由決策。Sol 與 Luna 提供六個等級——none、low、medium、high、xhigh 與 max，文件明訂 medium 為預設值。Astra 與 GPT-6.1 Sol 支援 low 到 max，而且 Astra 是家族中唯一無法完全關閉推理的模型。

獨立測評數據說明了為什麼這個旋鈕比選哪個層級更重要。在 Artificial Analysis 的 Intelligence Index v4.3 上，GPT-6 Sol 在 max 努力下得到 47.53 分——高於 Astra 在 low 的 45.78，低於 Astra 在 medium 的 49.57。Luna 在 max 的 37.26 分則落在 Sol 於 medium 的 39.78 之下。換句話說，在這段階梯上，推理強度旋鈕對模型表現的影響力大於價格層級本身：選對模型但調錯強度的團隊，浪費掉的效能比選「錯」模型但調對強度的團隊還多。

指南的框架要求開發者先依任務難度匹配推理強度，再挑選符合預算的層級。獨立分析給出的實用心法是：新工作從 GPT-6 Sol 的 high 開始（指數 42.82 分、每任務約 0.53 美元），大流量交給 Luna 的 medium 或 low，如果 Sol 的 xhigh 仍不夠用，改試 Astra 的 low——每任務成本甚至可能低於 Sol 的 max。

價格是一條一百倍落差的階梯

家族的定價階梯乾淨得罕見：Astra 到 Sol 差五倍，Sol 到 Luna 差二十倍，頭尾相差一百倍，輸入輸出兩側皆然。以每百萬 token 定價計：Astra 輸入 14.04 美元、輸出 70.20 美元；Sol 與 GPT-6.1 Sol 為 2.81 與 14.04 美元；Luna 為 0.14 與 0.70 美元。快取讀取以輸入價的十分之一計費，而 GPT-6.1 Sol 再砍半到 5%（每百萬 0.14 美元）——對整天重讀同一段長前綴的代理來說，這一條默默省下的錢比任何頭牌費率都多。Batch 與 Flex 處理則讓隔夜任務兩側費用直接對折。

世代 6 有兩個定價細節值得留意。第一，輸入超過 272,000 token 後，整個請求（而不只是超額部分）以兩倍的輸入與快取費率、1.5 倍的輸出費率計費，而且與 GPT-5.6 不同，倍增收費現在連快取讀取也涵蓋。第二，開發者現在可以在回應之間變更推理強度或開關工具而不會使提示詞快取失效，這讓動態路由比上一個世代經濟得多。

OpenAI 自家基準測試說了什麼——又漏了什麼

發布資料主打 AutomationBench 1.0.6，這是 OpenAI 自行挑選並執行的測試套件，涵蓋銷售、行銷、營運、客服、財務與人資等 47 種工具。頭條數據是：GPT-6 Sol 在 xhigh 得分 33.2%，擊敗帶 Opus 5 後備的 Claude Fable 5.1 在 max 的 31.4%，以及 GPT-6 Astra 在 low 的 30.3%，而每任務成本只是對手的零頭。在 Agents’ Last Exam V1 上，Sol 於 max 拿到 56.4%；在 DeepSWE v1.1 達到 68.8%，GPT-6.1 Sol 更以約五分之一的成本在該項追平 Astra。

但缺席的項目更值得玩味：沒有任何 SWE 基準測試、沒有學術評測（沒有 GPQA、MMLU、AIME、HLE 或 ARC-AGI）、沒有終端機基準、也沒有官方速度數據。OpenAI 交出的每一項基準都是代理式的，每一組比較都是性價比框架。指南也隱然承認了這一點——它引導開發者做基於自身工作負載的評測，而非迷信排行榜；生產環境章節建議團隊在承諾大流量之前先用自己的流量實測，這是任何基準表格都無法取代的紀律。

安全等級不跟著價格階梯走

指南揭露出的一個治理細節：在 OpenAI 的 Preparedness Framework 之下，GPT-6 Astra 的網路安全能力被評為 Critical 級——這是第一個被列入該級別的模型——而 Sol 與 Luna 為 High 級。GPT-6.1 Sol 與 Astra 同列 Critical，並運行 Astra 的防護堆疊。在 Sandbox Bench 上，Astra 在 22 個目標中成功 10 個，較便宜的兩兄弟僅 1 個。對受監管的團隊而言，層級選擇因此是治理決策，而不只是成本與品質的取捨——指南的企業章節直接涵蓋了安全性、治理與存取控制。

分析：一份包裝成文件的平台戰略

戰略解讀很直接。Anthropic 的 Claude 已在安全與程式開發上贏得大量新創心智佔有率；Google 則急著鎖定企業大單。OpenAI 的回擊是為較小的公司降低技術門檻——免費把以往保留給最大客戶的實作知識交給新創。創投機構對 AI 新創技術實作的審查越來越嚴格，而「遵循官方指南」如今在盡職調查會議上是一個站得住腳的「最佳實務」答案。

這份指南也勾勒出 OpenAI 的平台野心：對工具協調、skills 與 AGENTS.md 式工作流準備的強調，指向一個更整合的開發環境，競爭對手不只是其他前沿實驗室，還包括代理框架與模型社群平台。對一個在 26 天內連發四個模型的世代來說，這份文件是讓產品線感覺像「一個產品」而非「發布衝刺」的結締組織。

當然，但書依然存在。GPT-5.6 家族仍在銷售，而且 OpenAI 自家的模型索引仍然推薦它在成本與智力之間求平衡，所以這份指南與舊產品線並存——而舊命名（GPT-5.6 Sol 與 GPT-6 Sol 同時存在）正是混淆的根源。再者，任何指南都取代不了實測：無論是廠商還是第三方的評測，都不是你的工作負載。但作為 OpenAI 對「希望開發者如何看待其旗艦世代」的宣告——把它當成一個帶推理旋鈕的可路由家族，而非一個要崇拜的單一模型——這份 GPT-6 選型指南是該公司今年發布過最清晰的一份文件。