如何使用 GPT-6 Luna：ChatGPT 模型选择器、Codex 与 API 实操教程

先搞清楚 GPT-6 Luna 是什么

1. 1

   认识这次发布：Sol 与 Luna 同天到来

   OpenAI 在 2026 年 9 月 22 日同天发布 GPT-6 Sol 与 GPT-6 Luna，为 9 月 3 日先行登场的旗舰 Astra 补齐了整个 GPT-6 家族。两款新模型采用与 Astra 相近的训练方法，也继承了它的沟通风格，升级之后不会觉得陌生。一句话总结：用零头价格买到接近旗舰的智能。

   

2. 2

   记住这次 50% 的降价

   公告用加粗强调了这个核心变化：Sol 与 Luna 的 API 价格，比 GPT-5.6 同级模型的促销价直接砍半。正是这次减半，让 Luna 从可选项变成高并发场景的默认选择。同一段落还说明，缓存与推理层面的改进让这个低价可以持续。

   

3. 3

   动手前先看官方价目表

   价目表给出了具体数字：gpt-6-luna 每百万输入 token 0.10 美元、输出 0.50 美元；gpt-6-sol 则是 2 美元和 10 美元。两款模型的缓存输入读取都享受 90% 折扣。Astra 仍稳居高端位，公告原话是它依然在全领域保持最佳。

   

在 ChatGPT 中使用 GPT-6 Luna

1. 4

   打开 ChatGPT 的 Work 标签页

   在 ChatGPT 里从 Chat 切到 Work 标签，新模型最先出现在这里。输入框上的胶囊按钮显示当前模型，本次实测的 Pro 账号默认是 GPT-6 Astra Medium，输入框下方还有打开桌面应用的入口。随着灰度推进，付费计划会自动看到这两个新模型。

   

2. 5

   在模型选择器里选中 GPT-6 Luna

   点击模型胶囊打开 Select model 菜单，GPT-6 Luna 排在 GPT-6 Sol 和旧的 GPT-5.6 系列之间。选中后，整个会话都会固定在 Luna 上，直到再次手动切换。如果列表里暂时没有它，说明灰度还没轮到你的账号，按官方说法稍后再试即可。

   

3. 6

   核对你的计划能用在哪里

   不同计划的可用范围不同，公告原文就是唯一权威来源。Plus、Pro、Business、Enterprise 和 Edu 用户可以在 ChatGPT Work 与 Codex 中使用两款模型；Free 和 Go 用户只能在桌面应用里使用 GPT-6 Luna；普通 Chat 聊天则都还没有上线。Enterprise 与 Edu 工作区在发布时默认关闭了新模型，可能需要管理员手动开启。

   

4. 7

   放量之前先弄懂缓存折扣

   Luna 自带面向智能体与长对话优化的提示缓存。缓存输入读取直接打一折，默认缓存命中率更高，而且调整推理力度或工具集也不再导致缓存失效。对于复用长系统提示词的工作负载，实际成本会远低于标价。

   

5. 8

   用 Chrome 扩展随时调用同一套模型

   ChatGPT 浏览器扩展把同一套 GPT-6 阵容装进了小弹窗，模型菜单一应俱全，不用切换标签页就能总结或改写当前页面。菜单结构与主站一致：推荐的 Default 组合之下依次是 6 Astra、6 Sol 和 6 Luna。模型、推理力度与工具的切换都在同一个弹窗里完成。

   

在 Codex 里用 Luna 写真实项目

1. 9

   为 Luna 新开一条 Codex 线程

   Codex 是 Luna 性价比最亮眼的地方。新建一条线程，给项目命名，然后确认输入框底部的胶囊按钮，它会显示当前模型与推理力度，这条线程跑的是 GPT-6 Luna High。一个模型一条线程，对比起来才公平，事后清理也省心。

   

2. 10

   把同一份需求交给 Luna

   最公平的测法是同一份提示词原样复用。这份需求要求做一个慕尼黑咖啡馆网站：带南美风情、响应式布局、真实图片，还要有一个能用的订座表单和本地数据库。粘贴后确认 GPT-6 Luna 胶囊无误再发送；想完整对比，就为 Sol 和 Astra 各复制一条线程。

   

3. 11

   盯着构建过程，顺手掐个表

   Codex 会自己规划、写码并测试，任务视图里能看到需求卡片、Thinking 状态和右侧的 Environment 侧栏。在这个频道的计时测试里，Luna 跑完整个网站用了约 20 分钟，Sol 用了 15 分钟，Astra 用了 16 分钟。慢一些，但账单几乎可以忽略。

   

4. 12

   验收 Luna 到底交出了什么

   线程结束后打开预览。这次测试生成的网站有完整的品牌感：首屏文案、伊萨尔河畔的概念、带摄影图的厨房板块，排版也有自己的想法。把它当成能跑的初稿而非成品；Luna 的产出以近乎为零的成本，完成了大部分工作量。

   

5. 13

   亲手测试动态交互

   静态截图看不出真正的问题，所以要逐个点开动态部分。需求里的订座表单端到端可用：姓名与邮箱字段、人数选择、能正常弹出的日期选择器，以及确认流程。验证生成的行为而不只是生成的页面，才是低价模型安全上线的前提。

   

调用 API，并选对模型

1. 14

   用官方基准量化性价比

   OpenAI 自己的基准说明了 Luna 的位置。在横跨多类应用的业务流测试 AutomationBench 上，高推理力度的 GPT-6 Luna 比上一代提升 5.4 个百分点，单任务成本却降低 58%；xhigh 力度的 Sol 则以 Opus 5 百分之九的成本，在其最高力度上完成反超。整个家族的思路都是用一点能力换大量预算。

   

2. 15

   按单任务成本，而不是按 token 计算

   这张成本表把基准换算成了预算：xhigh 的 GPT-6 Sol 在 AutomationBench 拿到 33.2%，单任务 0.27 美元；low 的 GPT-6 Astra 拿到 30.3%，成本是它的 3.9 倍；max 的 Claude Opus 5 更是贵 11.1 倍。Luna 在 Sol 之下进一步压低两个维度，这正是它的使命：让单任务成本低到可以全天候运行。

   

3. 16

   大量任务交给 Luna，硬仗留给 Astra

   公告的 Coding 章节把结论收拢：GPT-6 Sol 与 Luna 以更低的 API 价格提供了强劲的编码性能，OpenAI 还披露内部研究员的日均 token 用量已超过 600 美元。这正是 Luna 的主场：专注、高并发、可大量重复的任务。至于最难的推理与计算机操作，OpenAI 仍称 Astra 是全世界最好的模型，按需分流即可。

   

常见问题