GPT-6家族擴編！OpenAI推出兩款平價模型Sol與Luna：智力持平前代、API價格打5折|數位時代 BusinessNext

GPT-6家族擴編！OpenAI推出兩款平價模型Sol與Luna：智力持平前代、API價格打5折

OpenAI推出GPT-6 Sol與Luna，API價格比GPT-5.6腰斬。實測顯示跑分成本省半且幻覺率降，但綜合智力持平，部分評測略退步。

價格腰斬，Sol與Luna在GPT-6家族怎麼分工？

OpenAI把GPT-6家族分成三層。Astra仍是官方認定「全面最強」的模型，適合要求最高品質的專案；Sol可承擔困難的工作任務，並以更高的使用額度與更低成本，讓用戶有更多空間反覆修改；Luna則是三款中最便宜的一款。OpenAI表示，快取與推論效率改善讓服務成本下降，省下的費用直接反映在售價上。

以每百萬token（AI處理文字的計價單位）計，GPT-6 Sol輸入價格從GPT-5.6 Sol的4美元降至2美元（約合新台幣64元），輸出從20美元降至10美元（約合新台幣319元）。

GPT-6 Luna輸入從0.2美元降至0.1美元（約合新台幣3元），輸出從1.2美元降至0.5美元（約合新台幣16元）。要留意的是，OpenAI所說的「便宜50%」是對比GPT-5.6的促銷價，而非原價。

除了降價，OpenAI也改善GPT-6的提示快取（prompt caching，把重複使用的內容暫存起來，不必每次重新計算），預設命中率更高，快取讀取的輸入token可省下90%費用。例如近日GitHub曾表示，過去幾個月這些改進讓Copilot在數十億次請求中，需要重新處理的prompt token比例減少逾50%，回應也跟著變快。

開放範圍方面，Plus、Pro、Business、Enterprise與Edu用戶自9月22日起可在ChatGPT Work與Codex使用兩款新模型，Free與Go用戶則可在桌面版App使用GPT-6 Luna；兩款模型尚未開放於一般Chat介面，OpenAI表示將在當天分批上線。開發者可透過API以gpt-6-sol、gpt-6-luna呼叫。

官方跑分：成本少六成以上，分數對打Claude

OpenAI在公告中，將新模型與對手Anthropic的Claude系列進行對比（皆採最高推理強度設定）：

商業與專業任務：GPT-6 Sol表現超越Claude Opus 5，且每道任務成本大省60%到91%。

程式開發與電腦操作：Sol表現逼近甚至追平高階Claude，成本省約80%；平價版Luna則與中階Claude持平，成本大幅節省超過90%。

正確率與風格：內部實測顯示，Sol在易錯情境的犯錯率只剩前代的一半。回答風格也變得更精簡，減少了艱澀術語與冗長細節。

不過，這份比較數據有個「時間差」。《TechCrunch》指出，Anthropic剛好在OpenAI發表前90分鐘推出新一代Claude Opus 5.5，因此OpenAI比較的對象僅為前代模型（Opus 5與Fable 5系列），並未納入對手的最新戰力。

第三方實測：成本真的省一半，智力與前代持平

第三方機構Artificial Analysis的實測也印證了這次的降幅。雖然新模型每題用掉的token變多，但在綜合智力與前代（GPT-5.6）持平的情況下，成本確實大幅降低。實測重點如下：

實測成本大減：Sol每題成本約省50%（降至1.06美元），Luna省約60%（降至0.07美元）。

幻覺減少，但更常「拒答」：兩款模型不懂裝懂的「幻覺率」顯著降低。不過，Sol主要是靠「更常拒絕回答」換來的，這也導致它雖然答錯變少，但整體正確率卻從59%微降至54%。

寫程式與知識工作表現：程式能力上Sol小幅進步、Luna略微退步。而在複雜的「知識工作」評測中，兩者分數皆有下滑，主因是排版呈現變差、容易遺漏指令要求。

總結來說，雖然部分能力有捨有得，但兩款新模型仍讓OpenAI 在「成本效率」上佔據極大優勢，讓用戶能以同樣的花費換取更高的整體成效。

本文初稿為AI編撰，整理．編輯/ 李先泰

走進蔬果加工廠，同樣是100公斤高麗菜，最後能做出多少成品？答案不見得相同。氣候、產地與品質影響原料條件，客戶要求的切法、重量與交期也各不相同。對曾任科技業研發主管十多年的宜展科技農業執行長林佑澤而言，這是與科技製造截然不同的世界。

「農業部分全部都不一致。」林佑澤以青江菜為例，即使機械手臂已經訓練好辨識特徵，面對形狀各異的蔬菜，仍難以判斷該從哪裡抓取。農產品的天然變數，卻得面對學校團膳、連鎖餐飲、航空空廚等企業客戶對品質與交期的要求。如何讓加工流程穩定運作，成為宜展投入數位轉型的起點。

從紙本、LINE到數據，先把現場經驗留下來

目前宜展一年處理數千噸蔬果、服務超過120家企業客戶，業務涵蓋採購、截切、清洗、包裝與配送。林佑澤觀察，農產加工的關鍵經驗往往掌握在資深員工手中：該買多少菜、原料損耗多少、訂單增加又該安排多少人力，都仰賴現場判斷。

「主要就是把人的經驗變成數據。」林佑澤說。過去客戶透過LINE或紙本下單，現場靠人工整理訂單、對照不同客戶的加工規格；如今宜展利用AI辨識訂單內容並匯入ERP，再依客戶、品項與規格進行標籤化派工。製程則透過QR Code記錄原料投入量與成品產出量，逐步掌握各環節的加工損耗。

接下來是整理現場的判斷依據。林佑澤透過與資深員工對談，了解採購、派工與品管的作業方式，再利用AI協助找出規則、建立SOP。AI整理出的流程仍須由現場人員逐項確認、修正，才能實際執行。

品質管理也在持續改善。傳統金屬檢測器難以辨識菜蟲、橡皮筋等非金屬異物，宜展正與技術夥伴規劃導入AI影像辨識，輔助產線末端檢查。林佑澤表示，每批農產品品質不同，比起單看良率，他更重視客訴是否減少。隨著訂單與製程資訊逐步累積，宜展也希望進一步建立需求預測、採購建議與生產排程模型，減少營運對資深員工個人經驗的依賴。

不只把菜切好，乾燥加工尋找第二成長曲線

除了改善截切本業，宜展也開始發展乾燥加工。學校團膳在寒暑假面臨需求波動，生鮮蔬果則有保存期限短、價格易受產季影響等限制。林佑澤希望藉由乾燥技術延長農產品保存期限，開拓附加價值更高的加工業務。

不過，乾燥同樣有依賴經驗的問題。傳統做法是太乾就降低溫度、縮短時間，不夠乾就反向調整。每批原料的水分與成熟度不同，反覆試做不僅增加成本，也難以維持品質一致。「品質目標沒有設定的話，前面的製程參數就不知道怎麼調整。」林佑澤將過去研發車用面板的思維帶進農產加工：先決定產品希望達到的口感、含水率與水活性，再回頭檢視原料成熟度、截切厚度及乾燥參數等條件。

團隊進一步結合不同乾燥技術、自行改造設備，並接洽桃園的設備業者合作。林佑澤曾比較其他地區的設備，最後選擇設備構造、乾燥均勻度與可靠度較符合需求的桃園業者。宜展也持續累積製程參數，希望未來透過AI找出適合不同原料的乾燥曲線，減少反覆試做。

「我們主要還是要做代工，想要做一個功能性的原料平台。」林佑澤說，果乾目前更像是展示技術能力的產品，未來希望將服務延伸至辛香料、中藥材、太空食品、超級蔬菜及寵物食品等領域。現階段宜展主要營收仍來自蔬果截切本業，乾燥事業尚未形成主要收入。未來若能建立穩定的乾燥製程與代工能力，宜展便有機會從既有蔬果供應鏈，切入附加價值更高的食品原料市場。

從彰化走向桃園，驗證營運方法能否跨區複製

隨著加工流程逐步數位化，宜展也開始思考，這套管理方法能否帶到彰化以外的場域。

參與桃園市政府青年事務局天際線加速器及Meet桃園＋後，宜展擴大與桃園產業生態系的連結。林佑澤提到，天際線協助邀集不同局處了解團隊需求，並提供資源媒合機會。宜展也開始與桃園市農會及在地農民合作，增加北部原料來源。這項合作不只拓展了供應來源，更成為宜展因應極端天候、穩定供貨的重要助力。林佑澤回憶，先前中南部連日降雨，蔬菜供應受到影響，宜展便從北部調度蔬菜，以不同產區互相支援，降低天候對供貨的衝擊。此外，團隊也透過天際線資源，獲得參與日本國際伴手禮設計競賽的輔導，並成功榮獲金賞獎肯定，除了展現產品的創新與設計實力，也為宜展拓展海外市場、提升國際能見度創造更多機會。

下一步，宜展規劃以桃園大溪作為第二個驗證場域，將彰化累積的資料、SOP與加工管理經驗，轉化為可複製、可優化的營運管理模式，帶到不同產地、供應鏈及人員條件下驗證。林佑澤指出，未來若要跨區域擴張，不可能每到一個新地方，就把原有團隊整批搬過去。因此，宜展希望將資深員工的實務經驗，轉化為標準化流程與數據模型，結合AI進行生產排程、資源配置及營運決策，讓新場域能依據當地條件快速調整，降低對特定人員經驗的依賴。

從彰化到桃園，宜展接下來要驗證的，是這套從傳統農產加工現場整理出來的管理方法，是能夠跨區域複製、快速部署並持續優化的農產加工營運系統。長期目標是降低新場域的建置成本與管理複雜度，提升擴張效率，讓傳統農產加工業具備規模化發展的能力。