GPT-5.6 选型指南：Sol / Terra / Luna 到底怎么选（2026）

GPT-5.6 家族按价格-能力分三档，但"选哪档"不是拍脑袋。本文给你一套可执行的方法：先按工作负载定档位，再用 reasoning.effort 调深度，最后用成本公式和自评路由把价格压到最低。

1. 三档速查（2026-08）

三档共享：1.05M 上下文、128K 输出、2026-02-16 知识截止、原生多模态（文本/图像/音频/文件）。

2. 选型框架：先定工作负载

不要问"该买哪个模型"，要问"我的任务属于哪一类"：

1. 大批量小任务（分类、抽取、摘要、路由、翻译）→ Luna + effort: "none"。量大价低，质量足够。
2. 日常产品负载（聊天、写作、文档问答、RAG 生成）→ Terra + effort: "medium"。质量与成本的平衡点。
3. 复杂专业任务（长代码、多步 Agent、深度分析、复杂 JSON 生成）→ Sol + effort: "high" 或 "xhigh"。
4. 必须答对的任务（数学竞赛、代码正确性验证、科研分析）→ 切 o-series，effort 固定 max。

判断口诀：先 effort 后档位，先便宜后昂贵。

3. reasoning.effort：比换档更便宜的旋钮

同一档位内，reasoning.effort 决定"想多深"：

经验：先把 effort 从 low 提到 high 试复杂任务，多数情况质量提升明显而价格变化远小于升级档位。换档留给"effort 拉满还不够"的场景。

4. 成本测算：一张公式

单次成本 = 输入tokens × 输入单价 + 输出tokens × 输出单价（每 MTok）

例：每天 1M 输入 + 0.1M 输出。

同样负载，Sol 是 Luna 的 5 倍价。省钱的三个杠杆：按任务分档、effort: "none" 处理批处理、开启 Prompt Caching 缓存重复前缀。

5. 动态路由：别为全部流量付最高价

用模型自评 + 阈值做自动升降档：

1. 请求先按规则路由：批量任务 → Luna，用户交互 → Terra。
2. 对"可能复杂"的请求，先让 Terra 用低 effort 出结果，附带自评置信度。
3. 置信度低于阈值（例如 < 0.7）时，自动用 Sol + effort: "high" 重跑一次。

这样只有少数"没把握"的请求走最贵档，全站成本远低于统一用 Sol。

6. o-series 边界

o-series 的正确打开方式：

• 用（必须答对）：数学竞赛、代码正确性验证、科研级推理。
• 不用（日常）：聊天、写作、摘要、RAG——慢且贵，收益不匹配。

GPT-5.6 家族覆盖 95% 以上的生产负载，o-series 是补充而不是默认。

7. 常见错误与排查

• 全站统一 Sol → 成本高 5 倍，先按负载分档 + effort 调优。
• 误用 o-series 当默认 → 慢、贵、日常场景收益为负。
• 把 messages 用在 Responses API → 用 input 字段。
• 用旧模型的输出上限做估算 → 当前 128K 输出、1.05M 上下文，别再用老上限设计请求。

8. 下一步

• 《GPT 模型完全指南：GPT-5.6 Sol / Terra / Luna 选型与对比》— 更完整的配套模型清单与迁移路径
• 《OpenAI API 入门：第一个 GPT-5.6 调用详解》
• 《OpenAI 模型更新日志（2026 持续更新）》— 与官方 changelog 同步