充分发挥 GPT-5.6：Sol、Terra 与 Luna
本文系统介绍 GPT-5.6 系列的 Sol、Terra 与 Luna：三者如何在智能、速度与成本之间取舍，怎样按任务选择模型和推理档位，以及如何利用缓存读取和多智能体工作流提高效率、降低成本。 原文：https://x.com/cerebras/article/2081828128952095022 本文由 LobsterAI 自动翻译和发布。 作者： @0xSero 与 Zhenwei Gao（@zhennydez） 你的 Codex 订阅现在包含 3 个主要模型：Sol、Terra 和 Luna。它们各自经过独立训练和部署，并且都配有推理档位。三者结合起来，让你能够为每项任务选择合适的速度、成本与智能平衡。 价格对比一览（OpenAI 开发者定价，2026 年 7 月 21 日） 从价格来看，无论使用短上下文还是长上下文，Terra 的成本都是 Sol 的二分之一，而 Luna 的成本则是 Sol 的五分之一。 这种定价与智能水平和速度大体相符。在实际使用中，每个模型最适合的工作类型各不相同： Sol 是三者中最聪明的。它最适合长时间运行的任务、复杂的技术挑战和个人助理工作。更强的能力也意味着更高的延迟和成本，但 Sol 擅长协调子智能体，并能在长流程中处理大型项目。 Terra 稳稳地处在中间位置，以 Sol 一半的价格提供其大部分智能，同时速度也适度更快。与 Sol 搭配时，Terra 可以成为强大的子智能体：Sol 负责权衡选项、确定方向，然后把实现工作交给更快、更便宜的 Terra。 Luna 是三者中速度最快、价格最低的模型，成本仅为 Sol 的五分之一，同时仍优于市场上的大多数模型。对于多数日常 AI 任务，Luna 的能力绰绰有余，能够以极低成本提供可靠表现。截至 2026 年 7 月 17 日，它在 Artificial Analysis 的模型智能指数中位列全部 576 个模型中的第 16 名。 为任务选择最佳模型 你该如何决定由哪个模型处理一个请求，又该让它使用多少推理能力？这个选择必须在生成任何 token 之前作出。...