Luna Max与Sol High同分，成本仅其三分之一

OpenAI 发布了 GPT-6 Sol 和 Luna 两个系列。Luna Max 在 DeepSWE 基准上的得分和 Sol High、Astra Low 一样，成本只有 Sol 的三分之一。

发布后，有人贴出基准测试截图，还有人补了一张 Astra 的基准测试截图。一位用户上传了质量截图，评价是“看起来不错”。另一个评论说，这次发布比预想中出色，OpenAI 做到了。还有人直接表达震惊。

接着是两条使用反馈，走向完全不同。有位用户说，从 5.6 版本开始，他就在 High 设置下把 Luna 当主力。提示词给得准确，或者给模型配一个规划足够详细的技能模块，输出就几乎完美。另一个人记录的是 Luna Max 的一次任务。模型花了 20 分钟，最后只返回两行 pom.xml 内容，建议把单元测试拆成两个并行分叉。两条反馈差距很明显，目前说不清是提示的问题还是任务的问题。

新一代阵容的名称也引起注意。有用户发现 Terra 已从“6”系列里消失，直接问它是不是退场了。有人根据基准判断，GPT-6 Sol 更像是 5.6 Terra 的继任者。还有人在测试后认为，GPT-6 Sol 像被削弱的 Astra，甚至达不到 5.6 Sol。

成本数据是这次发布里最扎实的部分。同样的预算，能跑的 Luna Max 请求量是 Sol 的 3 倍，是 Astra 的 7.3 倍。如果这个优势能延伸到基准之外，开发者的推理支出会明显降下来。更多产品能负担得起 AI 的开销，普通用户也会在更多地方遇到这类模型。DeepSWE 到底覆盖哪些任务、和真实场景差多远，目前没有足够信息可以判断。

同分加上大价差，价格会变成开发者选 Luna Max 的强理由。它能走多远，要由真实任务的反馈决定——这些反馈已经开始出现。