GPT-6 Sol、Luna 是什麼？差異與使用方法

GPT-6 Sol、GPT-6 Luna 是 OpenAI 在 2026 年 9 月 22 日推出的兩款 AI 模型。模型可以理解成負責讀懂要求、產生結果的 AI 引擎：Luna 偏向範圍清楚、需要反覆處理的工作；Sol 則偏向需要規劃與判斷的複雜工作。

這次新模型在 ChatGPT Work 與 Codex 分批開放，Chat 不提供。因此，看到發布消息後，在一般聊天選單找不到它們，不一定是帳號出了問題。模型名稱也不是新的訂閱方案，能否使用仍要看入口與帳號權限。（參考：OpenAI 更新公告、模型說明）

對上班族來說，更實用的問題是：手上這件工作，該選哪一款？下面用「整理 20 則活動回饋，完成一份活動回顧」作為連續示例，從選模型、交代要求到檢查成果走一次。

GPT-6 Sol、Luna 與 Astra 差在哪？

OpenAI 把 Luna 定位為處理明確、重複任務的選擇，把 Sol 放在較複雜的程式與多步驟工作上；Astra 則保留最高能力的定位。這些是原廠提供的選型方向，實際工作仍要看結果能不能達到要求。（參考：OpenAI 模型定位）

假設你手上有 20 則回饋，第一步只是把意見分門別類，規則也已經寫好，就可以先試 Luna。這時最重要的是每則都有處理、原句沒有被改動，不需要一開始就請它替公司擬定下一季策略。

等分類確認後，主管要的是「這場活動有哪些問題、下次該改什麼」，工作就多了整合與判斷。你可以把分類結果和活動數字交給 Sol，要求它區分資料能支持的結論，以及還需要補問的問題。

如果又加入業務、客服與財務的不同說法，還要比較幾種資源分配方案，才進一步考慮 GPT-6 Astra 的用途。能力定位較高也不代表能自動解決資料矛盾；最後仍要由熟悉業務的人判斷。

先保留能通過檢查的模型，再處理它做不好的部分。上述是依模型定位安排的工作示例，並非效能實測。若要比較兩款模型，應交給它們相同資料與要求，再用同一套標準看結果。（參考：OpenAI 模型選擇指南）

在哪裡可以使用 Sol 和 Luna？

Chat 是偏向對話的入口；Work 以完成研究、分析與文件等工作為主；Codex 則提供更多程式與檔案工作的操作。想先了解兩種工作入口，可以分別看 ChatGPT Work 教學與 Codex 教學。

Sol 與 Luna 的推出範圍包含 Plus、Pro、Business、Enterprise、Edu，但仍採分批開放。Free 與 Go 則可在桌面程式使用 Standard 的 Luna，同樣受推出進度影響；不能把這項資格理解為所有模型、所有入口都已開放。（參考：推出公告、方案與用量說明）

公司使用 Enterprise 時，這兩款模型在發布時預設關閉，需要管理員分別啟用。即使自己改了預設模型名稱，也不會因此取得使用權；公司資料應放在公司核准的工作區，沿用既有資料與工具權限。（參考：企業工作區模型權限）

接下來的選模操作適用於已有權限的 Work 或本機 Codex。Codex cloud 目前不能自行更改預設模型，不能照搬本機選模型的方法；使用雲端任務時，要另外看該入口提供的選項。（參考：OpenAI 雲端模型限制）

工商時間

如果你想要更系統化、更輕鬆的學好 SEO 與 AI SEO，歡迎參考我與知識衛星合作的 SEO 線上課程：《SEO 排名攻略學》、《AI SEO 流量變革》。

透過《SEO 排名攻略學》獲得穩定的 SEO 流量與實戰經驗。
再搭配《AI SEO 流量變革》看懂 AI 搜尋趨勢，搶佔 AI 搜尋紅利。

用一份活動回饋，試著選模型完成工作

先準備一份可以用來練習、已獲准使用的活動資料，替 20 則回饋編號。這次只做分類，再延伸成回顧報告；每一步都有明確成果，就比較容易知道問題出在資料、指令，還是模型的處理結果。

1. 在可選模型的入口選 Luna

登入 Work 或開啟本機 Codex，在輸入框下方找到模型與推理控制項，選擇可用的 GPT-6 Luna。如果畫面有 Advanced 選項，可以再展開查看。送出要求前，確認控制項顯示的是你要用的模型；推理設定先保留帳號目前的預設值。（參考：模型操作說明）

沒有看到 Luna 時，依序確認目前是否在 Work／本機 Codex、方案是否適用及是否仍在分批開放，再核對登入的工作區、管理員設定與所用程式是否支援。還沒完成桌面安裝的人，可以先照 Codex 安裝教學處理下載與登入。

2. 把資料、分類規則與輸出格式一起交代

貼上回饋時，不要只寫「幫我整理」。把分類範圍和保留原文的要求一起說清楚，後面才有辦法逐則核對。以下提示詞可以搭配自己的回饋資料使用：

請依我提供的 20 則活動回饋，逐則分類為「場地」「內容」「報名流程」或「其他」。輸出表格，欄位包含編號、原句、分類與需要人工確認的地方。

保留原句與編號，缺少資訊就標示缺少，不推測原因。若同一則涉及多個類別，請列出涉及的類別；最後整理需要人工複核的項目。

收到結果後，先看 20 個編號是否都在，再抽看分類與原句有沒有對上。例如有人只說「報名有點卡」，就不能直接當成網站當機的證據。把這類原因不明的回饋留下來，下一步才知道要補問什麼。

3. 需要回顧報告時，再用 Sol 處理整合

分類確認後，切換到可用的 GPT-6 Sol，把已核對的表格與活動數字一起交給它。這一步的目標是把零散意見整理成可討論的報告，要求也要跟著改變：

請根據這份回饋分類與活動數字，撰寫給內部團隊看的活動回顧，包含主要發現、可能的改善方向，以及仍缺少的資料。每個結論都要註明依據的回饋編號或數字。

若資料互相矛盾，請並列說明；資料不足以判斷原因時，列出需要補問的問題，不要自行補上原因。先交文字初稿，供團隊確認。

現在交給 Sol 的是延伸工作，不能拿它和上一份 Luna 分類結果直接判定誰比較厲害。想比較兩款模型寫回顧的差異，就要把同一份分類、數字與提示詞分別交給它們，再看哪一份符合你的要求。

4. 對照原資料，再決定是否調整模型

檢查報告時，至少看三件事：回饋有沒有漏掉、原意有沒有被改寫、結論能不能回到原始資料。例如報告寫「大家都不滿意場地」，就要回頭看相關回饋是否真的足以支持「大家」這個範圍。

如果只是缺資料或指令不清楚，先補資料、改要求。需要更深入的規劃與分析時，再考慮提高推理設定或比較其他模型；提高設定可能花更多時間與 tokens，也不保證結果正確。（參考：推理設定說明）

做到這裡，你應該能把結果分成「可以採用」與「還需要人工確認」兩部分。能指出哪一句有根據、哪一處缺資料，比只得到一篇看起來完整的報告更有用。

Sol 和 Luna 的費用，要怎麼看？

先分清三件事：訂閱方案內含的可用量、適用產品的 credits，以及用程式呼叫模型的 API 費用。Work 與 Codex 共用用量，不能當成兩份獨立額度；API 則依自己的費率計算。（參考：OpenAI 用量與計費說明）

tokens 是模型讀取與產生資訊的計量單位，提示詞、檔案、對話內容與回覆都可能占用 tokens。它不等於訊息則數，也不能固定換成同樣數量的中文字。credits 則是適用方案用來支付用量的單位。

下表是 Standard 速度、每百萬 tokens 的產品 credit 費率。「快取輸入」指已快取、符合重用條件的輸入；實際使用還會受到任務內容與設定影響。

表格能幫你比較相同計費條件下的差異，卻不能直接算成「訂閱後可以問幾次」。同樣是一次活動回顧，只給回饋表，和附上多份長報告、反覆要求改寫，用量就可能不同。剩多少額度、何時重置，請以帳號用量頁為準；最新費率可看 OpenAI 方案頁。

如果你用的是程式串接 API，Standard 且輸入不超過 272K tokens 時，每百萬 tokens 的 Sol 費率依輸入、快取輸入、輸出順序為 US$2／0.20／10，Luna 為 US$0.10／0.01／0.50。這是 API 美元費率，不能當作 Plus 或 Pro 的訂閱額度。（參考：Sol API、Luna API）

超過上述輸入門檻時，整個 API 請求的輸入與快取輸入費率為 2 倍、輸出為 1.5 倍。其他速度、處理模式與快取寫入費用，請另看 API 價目表。只用 Work 或 Codex 帳號操作的讀者，先看自己的實際用量即可。

原本用 GPT-5.6，需要立刻換嗎？

GPT-5.6 Sol、Terra、Luna 在這次新模型推出期間仍然可用。如果既有工作已經穩定，可以用同一份資料試做新版，再比較遺漏、錯誤與需要人工修改的地方。能符合原本的驗收要求後，再決定是否更換。（參考：現行模型說明）

GPT-5.5 則有另外的退休安排：2026 年 10 月 14 日將從 ChatGPT、Work 與 Codex 全方案退休，這項安排不涵蓋 OpenAI API。仍在這些產品使用 GPT-5.5 的人，需要在退休前改選帳號可用的替代模型。（參考：OpenAI 模型退休說明）

如果你曾把 GPT-5.5 寫進預設設定、排程或自動化腳本，也要另外檢查那些設定。只在目前的對話換一次模型，不代表其他儲存的工作都已經改好。

工商時間

如果你想要更系統化、更輕鬆的學好 SEO 與 AI SEO，歡迎參考我與知識衛星合作的 SEO 線上課程：《SEO 排名攻略學》、《AI SEO 流量變革》。

透過《SEO 排名攻略學》獲得穩定的 SEO 流量與實戰經驗。
再搭配《AI SEO 流量變革》看懂 AI 搜尋趨勢，搶佔 AI 搜尋紅利。

先選能完成手上工作的模型

從一份活動回饋開始，先用 Luna 做可逐則查對的分類；需要把分類和數字整合成報告，再試 Sol。當工作增加到多方資料與複雜取捨時，再考慮 Astra，而不是每件小事都直接選能力最高的模型。

下一次打開可用的 Work 或本機 Codex，可以帶一份小型資料，寫清楚目標、格式與檢查方式。先完成一份你能確認正確的結果，再把這個做法用到更大的工作上。