GPT-6 Sol与Luna发布：价格减半，编码与知识任务表现互有胜负
Artificial Analysis的评测显示，GPT-6 Sol每任务成本降至约 1.06 美元、Luna降至 0.07 美元，但两款模型在GDPval-AA v2.1等知识工作评测中出现退步，Sol在AI评测中因更频繁拒答而降低了幻觉率。
Artificial Analysis发布了对GPT-6 Sol和GPT-6 Luna的评测：两款模型价格约为GPT-5.6对应型号的一半，智能指数和编码代理指数与上一代基本持平，在部分评测中进步、在另一些评测中退步。
价格方面，GPT-6 Sol从GPT-5.6 Sol的每百万输入/输出token 4美元/20 美元降至 2 美元/10 美元；GPT-6 Luna从 0.20 美元/1.20 美元降至 0.10 美元/0.50 美元。缓存读取继续享受 90% 折扣，缓存写入继续加收 25% 溢价。
按Artificial Analysis的计算，每任务成本几乎减半：GPT-6 Sol（max档）运行智能指数每任务约 1.06 美元，比GPT-5.6 Sol（max）的 1.99 美元低约 50%；GPT-6 Luna（max）每任务约 0.07 美元，比GPT-5.6 Luna（max）的 0.18 美元低约 60%。评测指出，这一下降由降价驱动，因为两款模型每任务使用的输出token反而略多——Sol为 31k对 29k，Luna为 51k对 41k。
编码代理评测：Sol提升 2 分，Luna退步 2 分
在OpenAI的Codex环境中，GPT-6 Sol（max）在Artificial Analysis Coding Agent Index得 57 分，比GPT-5.6 Sol（max）高 2 分，Terminal-Bench 4.0从 37% 升至 43%，SWE-Atlas-QnA从 54% 升至 58%。其每任务成本约 2.99 美元，比上一代低约 50%，处于Coding Agent Index与每任务成本帕累托前沿上。
GPT-6 Luna（max）在该指数得 41 分，比GPT-5.6 Luna（max）低 2 分，SWE-Atlas-QnA从 49% 降至 44%，DeepSWE v1.1从 66% 降至 64%，但每任务成本低约 60%。
幻觉率下降，但Sol以更频繁拒答为代价
在知识与幻觉基准AA-Omniscience上，两款模型幻觉均减少。GPT-6 Sol（max）的幻觉率从 92% 降至 60%，GPT-6 Luna（max）从 93% 降至 77%。
Sol的下降主要来自更频繁地拒绝回答：它只尝试回答 83% 的问题，而GPT-5.6 Sol（max）为 99%，这使错误答案减少约四分之一，但准确率也从 59% 降至 54%。Luna准确率基本持平，为 44% 对 43%，同时回答更少问题。AA-Omniscience指数上，Sol从 22 升至 27，Luna从 -10 升至 1。
其他评测：自动化与终端任务改善，知识工作退步
除AA-Omniscience外，两款模型在AutomationBench-AA（Sol 62% 对 60%，Luna 53% 对 50%）和Terminal-Bench 4.0（Sol 44% 对 40%，Luna 13% 对 12%）上均有改善。
但Artificial Analysis在两个关键知识工作评测中观察到退步。在基于OpenAI数据集、覆盖 44 个职业经济价值任务的GDPval-AA v2.1中，Sol下降约 100 Elo，Luna下降约 75 Elo。Luna在AA-Briefcase v1.1中下降约 45 Elo，Sol持平。AA-Briefcase v1.1是覆盖多周知识工作项目、包含数千个输入文件的非公开评测。
评测方表示，其团队人工检查了数百个模型输出，退步主要源于展示质量下降，以及交付物遗漏了评分标准中的要素。在max档下，两款模型在GDPval-AA v2.1的退步均由交付物更短、更常省略必需元素驱动。