GPT-6 家族选型指南：三档模型、推理强度与成本控制

2026年10月2日，OpenAI 发布了面向开发者与初创团队的《GPT-6 家族模型指南》。这篇文章没有宣布新的模型，而是把一套已经上线的模型组合讲成了一套可以照着做的工程方法。官方的立场很清楚：GPT-6 是一个套件，而不是一个单一的模型。套件里有三个型号，分别是 GPT-6 Astra、GPT-6.1 Sol 和 GPT-6 Luna。Astra 是最聪明的一档，输入每百万词元 10 美元，输出 50 美元，缓存输入 1 美元。Sol 被描述为接近 Astra 的智能，价格只有五分之一：输入 2 美元，输出 10 美元，缓存输入 0.10 美元。Luna 面向大规模日常工作，输入 0.10 美元，输出 0.50 美元，缓存输入 0.01 美元。三档价格的落差很大。Luna 的输入价格只有 Astra 的百分之一，所以选型不再是一个“用最强模型就好”的问题，而是一个必须算账的问题。

指南的第一部分谈的是如何在生产环境中稳定运行。OpenAI 的核心建议是先管好上下文。不需要的上下文要裁掉，但任务所需的证据要留下。互不相关的任务应当并行执行，免得一个慢步骤拖住其他工作。对重复出现的工作，要借助提示缓存复用共享上下文。官方给出的数字是，缓存输入词元的价格比未缓存的最多低 95%，具体幅度取决于模型。从价目表看，Sol 的缓存价是 0.10 美元，正好是其标准输入价的二十分之一。要吃到这个红利，就要把稳定的指令和参考资料放在前面，把每次变化的任务细节放在后面，并保持工具定义前后一致。缓存仪表盘和诊断指南能帮团队看出复用在哪里断掉。估算整条工作流的成本时，还要把缓存写入和长上下文费率算进去。对话变长时，可以用压缩来缩小上下文，同时保留继续工作所需的状态。上线之前，团队应当用有代表性的任务做测试，衡量任务成功率、延迟，以及每个成功任务的成本。这里最值得注意的指标是最后一个。单次调用便宜并不等于整体便宜，一个模型如果需要重试三次才能成功，它的真实成本可能高于一个更贵但一次成功的模型。

第二部分讲的是模型与负载的匹配，官方把它概括为智能与价格之间的取舍。Astra 留给最难的推理任务，也就是需要最高智能的场合。Sol 适合复杂编码、研究和计算机操作。Luna 适合目标明确、重复发生的聚焦任务，例如提取发票字段、对请求分类、生成结构化摘要。除了选型号，还要选推理强度。低强度适合提取事实、小幅修改这类常规工作。中等强度适合需要判断的工作，例如规划功能或比较方案。高强度用于疑难调试、深入分析和谨慎审查。更高的“超高”或“最大”档位，只在高强度仍然不够时才去试，并且只有当提升足以抵消额外的时间和成本时才保留。在 API 中，可以在对话中途调整推理强度，而不会破坏缓存。在 Codex 中，建议先用该模型的默认强度，再按任务难易上调或下调。若响应速度重要，比如聊天应用和编码工具，API 还提供快速模式。这套三维旋钮，即型号、强度和速度，让团队可以按任务而不是按产品线来配置成本。 第三部分转向提示与技能。指南强调，要给模型一个清晰的任务分配，并定义好想要的输出。提示、技能和代码仓库说明三者要保持一致，都要说清模型该交付什么、能独立做什么、怎样才算完成。这一点看似平常，实际上是智能体工作流里最常见的故障源。当仓库说明说“可以自行修改”，而提示却说“先征求同意”，模型就会在两种指令之间摇摆。把完成标准写成可检验的条件，也能减少模型过早收工或无休止打磨的情况。 第四部分关注长时间运行的任务。OpenAI 建议用引导、异步工具和委托来处理中途更新和相互独立的工作，并为模型设定清晰的边界，说明什么时候应该停下来向人提问。对长任务来说，这条边界比模型的聪明程度更重要，因为一个不该自作主张却自作主张的智能体，代价远高于多问一句话。指南还提到，在 Codex 中可以借助计算机使用能力，让模型完成更多本来要人手操作的环节。文末还列出了团队使用 GPT-6 Astra 从测试走向生产的案例。对读者来说，这等于一份可以直接对照自己系统逐项检查的清单：上下文是否瘦身，缓存是否命中，边界是否写明，完成标准是否可验证。

总体来看，这份指南的价值不在于新能力，而在于它把成本控制变成了产品设计的一部分。过去团队常常先挑最强的模型，再想办法省钱。现在 OpenAI 给出的顺序正好相反：先定义任务和成功标准，再选最便宜且够用的型号和强度，最后用缓存、压缩和并行把账单压下来。对初创公司而言，这意味着评测集和“每个成功任务的成本”要成为日常指标。可以预见，模型分层加上可调推理强度，会成为行业的默认做法，竞争的焦点也会从单次基准成绩转向整条工作流的可靠性与单位经济性。