為了省錢選了便宜模型，結果 20 分鐘過去，它還在原地繞圈圈。這是用 AI 寫程式最常踩的坑：跑一次看起來很便宜，但真正把事情做完的總花費一點也不便宜。
先講結論：明確、重複的工作交給 Luna，平常的 Codex 工作交給 Sol，連哪裡壞掉都說不清楚的麻煩問題交給 Astra。下面說明為什麼最貴的模型，用「做完一件事」來算，反而可能最便宜。
1. 2026 年 9 月到底多了什麼
OpenAI 在 2026 年 9 月 22 日把 GPT-6 Sol 和 GPT-6 Luna 開放到 API，同時加進 ChatGPT Work 和 Codex。[1][2]
依照 OpenAI 的說法，Sol 是給複雜的程式工作，以及需要模型自己使用工具、分好幾步完成的任務；Luna 則是處理範圍小、數量多的工作。兩者一次最多都能讀進 1.05M token，一次回答最多可寫出 128K token。[3][4][5]
在它們上面還有 GPT-6 Astra。OpenAI 把它定位成處理最難任務的模型，從頭到尾包辦寫程式、操作電腦、研究調查和撰寫文件。[6]
用公司裡的角色來比喻：
- Luna：成本低、專門消化一堆例行雜事的新人
- Sol：大部分工作都能放心交代的組長
- Astra：一走進機房就問「這條線是不是插反了」的那個人
2. 「GPT-6 進 ChatGPT 了」這句話的陷阱
9 月 22 日的 ChatGPT 版本更新說明寫得很清楚：Sol 和 Luna 加入的是 ChatGPT Work 和 Codex，而且和一般聊天能用的模型是分開的。[1]
所以「進了 ChatGPT」和「在一般聊天畫面就能選」是兩回事。跑去一般聊天的模型選單裡翻，就像在一張根本沒放寶箱的地圖裡找寶箱。
Astra 又不一樣：它 9 月初發表時就說明會開放給 ChatGPT 付費方案。[6] 名字都叫 GPT-6，能用的地方卻各不相同。
3. 只看價目表，差距大到誇張
截至 2026 年 9 月 23 日的 Standard API 價格（每 100 萬 token，輸入／輸出）：[3][4][6][7][8][9]
| 模型 | 輸入 | 輸出 |
|---|---|---|
| GPT-6 Luna | $0.10 | $0.50 |
| GPT-6 Sol | $2.00 | $10.00 |
| GPT-6 Astra | $10.00 | $50.00 |
| GPT-5.6 Luna | $0.20 | $1.20 |
| GPT-5.6 Terra | $2.00 | $12.00 |
| GPT-5.6 Sol | $4.00 | $20.00 |
處理同樣多的內容，Sol 大約是 Luna 的 20 倍，Astra 又是 Sol 的 5 倍。
只看這張表，「全部用 Luna 就好」好像最聰明。這跟為了省搬家費，自己扛著冰箱走過半個城市是同一種算法。
4. 簡單算一下：一個任務讀進 100K、寫出 20K
假設一個任務讀進 100,000 token、寫出 20,000 token。快取折扣、工具費用、超長輸入的加價和重試都先不算。
| 模型 | 單次大約的 API 費用 |
|---|---|
| GPT-6 Luna | $0.020 |
| GPT-6 Sol | $0.400 |
| GPT-6 Astra | $2.000 |
| GPT-5.6 Luna | $0.044 |
| GPT-5.6 Terra | $0.440 |
| GPT-5.6 Sol | $0.800 |
單看價格，Luna 大獲全勝。
但真正該算的是這筆帳：
做完一件事的花費 ≈ 單次費用 × 嘗試次數 + 人介入的時間 + 失敗時丟掉的前後資訊
同樣的 token 量，Astra 跑一次等於 Sol 跑五次。一件難搞的工作 Sol 要試五次、Astra 一次搞定，光是 API 費用就已經打平。
再把你一直重看紀錄、一遍遍說「不是那裡，剛剛看過了」的時間算進去，Astra 會更早划算。
5. 貴的模型真的可能比較省
OpenAI 自己公布的數據就能說明。在 Terminal-Bench 4.0 上，GPT-6 Astra 得分 57.9%，GPT-5.6 Sol 是 37.3%；而且在比較的設定下，Astra 每個任務的估計 API 費用還低了約 9%。[6]
AutomationBench 是 41.4% 對 18.1%；在 OpenAI 內部「把資料庫搬到新結構」的任務上，是 63.9% 對 42.7%。[6]
「每個 token 比較貴」和「把事情做完比較貴」根本是兩回事。
Astra 也替 Codex 帶來新功能：長時間工作時，能把前面的內容存起來、需要時再找回來。[6] 在耗時很久的抓蟲和大規模整理程式碼時，「忘了剛剛為什麼失敗，又一頭栽進同一個坑」的情況會少一些。
計程車很貴。但總比繞著山走三圈之後才叫車便宜。
6. 別從最便宜的開始試，先看是哪一種工作
讓每件工作都照 Luna → Sol → Astra 的順序一個個失敗，不是好習慣。先看工作的類型，一開始就交給合適的模型；認真失敗一次，再往上升一級。
GPT-6 Luna
- 搜尋程式碼、列清單、分類、轉換格式
- 需求寫得很清楚的小修改
- 大量互不相關的工作
- 跑測試、整理結果
- 能用程式自動判斷成功或失敗的工作
GPT-6 Sol
- 牽涉好幾個檔案的一般開發
- 大概知道問題在哪裡的除錯
- 需要連續用幾個工具的工作
- 調查 → 修改 → 測試的日常流程
- 平常 Codex 的預設選擇
GPT-6 Astra
- 連哪裡壞掉都不知道的問題
- 牽扯多個服務、權限、網路、儲存狀態的問題
- 很長時間的除錯
- 資料庫搬移、大規模整理程式碼
- 每次都做到 80%、然後卡在同一個地方掛掉的工作
- Sol 已經認真查過一次還是收不了尾的工作
最後這類工作如果一直丟給便宜模型，很容易變成「AI 加班」：搜得更多、token 用得更多、紀錄更多，離真正的原因卻一步也沒靠近。
7. 那 GPT-5.6 Terra 現在算什麼位置？
只看價格，Terra 變得有點尷尬。
- GPT-5.6 Terra：輸入 $2 / 輸出 $12
- GPT-6 Sol：輸入 $2 / 輸出 $10
輸入價格一樣，輸出則是 Sol 比較便宜。[3][8] 而且 Sol 是更新一代、專門針對複雜程式和多步驟工具任務的模型。[3]
所以新專案沒什麼省錢上的理由要預設用 Terra。不過如果你已經有在 Terra 上測好的提示詞，又需要穩定、可預期的結果，繼續用也完全合理。模型換代很快，不要新模型一出來當天就全部換掉。
新專案可以簡單分成三級：
Luna＝量大、規則清楚；Sol＝預設；Astra＝難題。
8. 最終答案：用自己的 20 個任務實測
跑分是地圖，不是你自己程式碼的配線圖。
把實際工作分成 3～5 類，每類記錄 20 件左右，看這些：
- 不用你額外交代就完成的比例
- 到測試全部通過花了多久
- 重試了幾次
- 用掉的 token 或額度
- 人得讀多少紀錄
- 改完之後新冒出來的 bug
- 最後還是換了模型的比例
然後用這兩個標準判斷：
每完成一件事的總花費
你每花 1 分鐘注意力，能做完多少事
用每個 token 的價格挑模型，就像點了四份便宜的小份便當還是吃不飽，最後又加點一份貴的套餐。只是多點了幾次而已。
結論：平常用 Sol，重複雜事用 Luna，迷宮般的難題用 Astra
GPT-6 Luna： 大量、明確、互不相關的工作。
GPT-6 Sol： 平常的 Codex 工作。
GPT-6 Astra： 模糊、耗時、橫跨好幾個系統的難題。
最貴的做法往往不是用 Astra，而是嫌 Astra 貴，先拿 Luna 或 Sol 把難題跑好幾遍，最後還是交給 Astra。
貴模型的價值不在每個字的價格，而是不迷路、把事情做完的把握。你第四次打開同一份紀錄的時間，也該算進帳單。
參考資料（9筆）
- OpenAI ChatGPT Release Notes help.openai.com
- OpenAI API Changelog developers.openai.com
- GPT-6 Sol developers.openai.com
- GPT-6 Luna developers.openai.com
- Models catalog developers.openai.com
- GPT-6 Astra openai.com
- GPT-5.6 Sol developers.openai.com
- GPT-5.6 Terra developers.openai.com
- GPT-5.6 Luna developers.openai.com
