GPT-5.6 Sol vs Terra vs Luna：生产团队 API 路由指南
OpenAI 在 2026 年 7 月发布 GPT-5.6 后，生产团队面对的不是一个“更强模型是否值得用”的简单问题，而是一个路由问题。Sol、Terra、Luna 不是三个随机命名的模型，而是三个成本与能力层级，应该分别对应不同的工作负载、验收标准和回退策略。
快速答案
| 生产场景 | 建议起点 | 升级或回退 | 为什么这样路由 |
|---|---|---|---|
| 复杂 coding agent、代码审查、安全分析、研究 agent | Sol | 用 Terra 做低成本复跑对照 | 正确答案的价值可能远高于更高 token 价格。 |
| 产品助手、内部 copilot、混合 chat 与工具调用 | Terra | 难题升 Sol，低风险批量走 Luna | 当流量还没有细分时，Terra 是最稳的默认候选。 |
| 摘要、分类、抽取、改写、后台批处理 | Luna | 验收下降时回 Terra | Luna 是成本控制档，但必须先通过真实 prompt 验收。 |
| 新的未知工作流 | Terra | 评估期并行测试 Sol 和 Luna | 先拿到均衡基线，再做优化。 |
| 面向客户的生产上线 | Terra + 可控 Sol/Luna 路由 | GPT-5.5 或其他已验证模型作为 rollback | 生产需要可观测与回滚，不是一次全局替换。 |
已确认事实
| 事实 | OpenAI 官方表述 | 对 EvoLink 生产路由的含义 |
|---|---|---|
| 发布状态 | GPT-5.6 是 2026 年 7 月 9 日发布的 GA 模型家族。 | 可以作为当前生产候选，而不是预览或传闻。 |
| 三个层级 | Sol 是旗舰档，Terra 是均衡档，Luna 是最高成本效率档。 | 不要一个模型吃所有流量，应按任务价值路由。 |
| 模型 ID | 使用 gpt-5.6-sol、gpt-5.6-terra、gpt-5.6-luna。 | 模型 ID 应放在配置里，不要写死在业务逻辑中。 |
| Alias 行为 | 在 OpenAI 官方 API 中，gpt-5.6 会路由到 gpt-5.6-sol。 | EvoLink 当前要求使用 Sol、Terra 或 Luna 的精确模型 ID。 |
| 标准短上下文标价 | Sol：$5 输入 / $30 输出；Terra：$2.50 / $15；Luna：$1 / $6，均按每 1M tokens。 | 标价只能做规划锚点，上线前还要确认 EvoLink 路由价格与账号条款。 |
| 标准长上下文标价 | prompt 超过 272K tokens 后，整个请求的输入和缓存按 2 倍、输出按 1.5 倍计费：Sol $10/$45、Terra $5/$22.50、Luna $2/$9，均按每 1M tokens。 | 长上下文工作流必须单独估算成本。 |
| 推理与工具能力 | GPT-5.6 支持最高到 max 的 reasoning effort、pro mode、persisted reasoning 和 Responses API 中的 Programmatic Tool Calling。 | 要把模型档位、推理强度、缓存和工具调用一起评估。 |
这些事实决定了本文应该是一篇路由指南，而不是排行榜。排行榜问“谁赢”。路由指南问“哪类流量交给谁更安全、更稳定、更划算”。
这篇文章适合谁
这篇适合已经在生产中使用 AI，或准备把 AI 能力放进生产系统的团队：coding agent、客服 agent、研究助手、内部 copilot、文档工作流和高频文本自动化。
路由决策树
选模型 ID 之前，先走这个决策树。
- 如果错误答案会带来高昂工程、法律、财务或客户风险，从 Sol 开始。
- 如果工作流混合了推理、聊天、工具调用和普通用户请求，从 Terra 开始。
- 如果任务高频、重复、schema 明确且容易验收，测试 Luna。
- 如果你说不清验收标准，不要急着优化到最便宜档。
- 如果工作流已经跑在 GPT-5.5 或 GPT-5.4 上，保留旧路由作为基线，直到 GPT-5.6 在真实流量中胜出。
错误做法是把 Sol、Terra、Luna 当成偏好设置。正确做法是把它们当成生产路由策略。
Sol vs Terra vs Luna 一屏对比
| 层级 | 最适合先用在哪里 | 不适合的情况 | 验收信号 | 成本姿态 |
|---|---|---|---|---|
| Sol | 高价值推理、coding agent、困难研究、多步骤工具任务 | 任务常规、容易验收且大规模重复 | 能显著减少失败任务、重试或人工返工 | 质量优先 |
| Terra | 混合生产流量的默认候选 | 工作流已经明显属于“极难”或“低风险高频” | 在多数用户可见案例上接近 Sol，同时成本更低 | 均衡 |
| Luna | 高量摘要、抽取、分类、转换 | 错误难发现或下游风险高 | 在该工作流上通过与 Terra 相同的验收集 | 成本优先 |
一个产品可以同时使用三档。关键不是选一个全站默认，而是让不同流量走不同路由。
工作负载路由矩阵
| 工作流 | 推荐路由 | 评估指标 | 上线提示 |
|---|---|---|---|
| 代码生成 agent | Sol 起步，Terra 对照 | 测试通过率、改动距离、reviewer 接受率、工具调用成功率 | 高风险 repo 改动保留 Sol，简单改动只有数据证明后才下沉。 |
| 代码审查或安全 triage | 根据严重度用 Sol 或 Terra | 真阳性、假阳性、修复建议可用性 | 用严重度、影响面和置信度决定是否升级。 |
| 客服助手 | Terra 默认 | 解决率、升级率、幻觉率、延迟 | 复杂账号或政策问题升 Sol；Luna 更适合内部草稿或摘要。 |
| 长文档 RAG | Terra 起步，困难综合升 Sol | 引用准确度、答案完整度、上下文成本 | 长上下文价格与缓存行为和模型档位同样重要。 |
| 结构化抽取 | Luna 候选，Terra 回退 | 字段准确率、schema 合法性、下游修正率 | 当 schema 稳定且错误容易捕获时，Luna 才有吸引力。 |
| 批量摘要 | Luna 候选 | 摘要可用性、压缩率、重试率 | Batch 或 Flex 可能改变经济性，但要确认延迟预期。 |
| 战略研究或规划 | Sol 起步 | 决策可用性、证据处理、推理质量 | 当输出会影响产品或资金决策，不要先按最便宜优化。 |
| 内部 copilot | Terra 默认 | 任务完成率、用户修正率、工具成功率 | 根据用户角色和操作风险决定是否升级。 |
成本规划：不要只看 token 单价
OpenAI 标价有参考价值，但生产成本应该按 successful task 计算。
| 成本层 | 需要衡量什么 | 为什么会影响 Sol/Terra/Luna 选择 |
|---|---|---|
| 输入 tokens | prompt、检索上下文、历史对话 | 长上下文可能让工作流进入不同成本档。 |
| 输出 tokens | 最终答案和可见中间输出 | 便宜模型如果输出冗长，实际不一定便宜。 |
| 缓存读写 | 复用 prompt/context 以及创建缓存 | GPT-5.6 pricing 中有 cached input 和 cache write 项，重复工作流必须计算。 |
| 重试 | 自动重试、修复调用、校验循环 | 首次质量不足会吃掉 token 单价优势。 |
| 回退调用 | 失败后调用 Sol、GPT-5.5 或其他路由 | 路由设计必须包含预期 fallback rate。 |
| 人工 review | QA、客服升级、工程清理 | 只有降低总运营工作量，模型才是真的更便宜。 |
实用公式：
successful_task_cost = first_call_cost + cache_cost + retry_cost + fallback_cost + review_cost当这个总成本下降且验收不受损时，用 Luna。当 Sol 能减少失败、保护收入或降低返工时，用 Sol。当流量还没有细分成熟时，用 Terra 做最强默认。
Reasoning effort 是另一个独立控制项
不要把模型档位和 reasoning effort 混为一谈。OpenAI 的 GPT-5.6 指南说明，团队可以选择 Sol、Terra 或 Luna，同时有意识地设置 reasoning effort。这意味着你要测试组合，而不是只测试模型名。
| 控制项 | 生产问题 | 实用起点 |
|---|---|---|
| 模型档位 | 这个工作负载需要多少基础能力？ | Terra 默认；高价值或困难任务用 Sol；验收后的高频任务用 Luna。 |
| Reasoning effort | 模型需要花多少探索和验证成本？ | medium 起步，低延迟场景下调，只有质量提升明确时上调。 |
| Pro mode | 是否需要在不换模型 slug 的情况下提高能力模式？ | 留给质量优先场景，并单独测试计费与延迟。 |
| Persisted reasoning | 多轮质量和缓存效率是否能通过保留 reasoning items 改善？ | 在 agent 和长流程里测，不要只看一次性转换任务。 |
| Programmatic Tool Calling | 工具密集流程能否避免每个中间结果都回传模型？ | 适合会筛选、检查并根据工具结果调整动作的 agent。 |
这也是很多薄比较文的问题。真实生产选择不是 Sol vs Terra vs Luna 本身，而是模型档位、reasoning effort、缓存、工具调用、回退策略和路由可观测性的组合。
迁移前的评估计划
GPT-5.6 迁移应该从评估包开始，而不是从价格表开始。
| 步骤 | 做什么 | 最低产出 |
|---|---|---|
| 建 prompt 集 | 每个高价值 workflow 选 30-100 条真实 prompt。 | 带版本的 eval set，包含简单、正常、困难样本。 |
| 定义验收 | 测试前先写 pass/fail rubric。 | 质量、安全、延迟、成本、修复阈值。 |
| 并行对比 | 对比 Sol、Terra、Luna 和当前基线。 | 同输入、同工具、同评分路径。 |
| 切分流量 | 标记 premium、default、volume、fallback 请求。 | 工程可实现的 route map。 |
| 生产灰度 | 从小比例或内部 cohort 开始。 | 真实延迟、重试、成本、投诉数据。 |
| 扩量或回滚 | 指标稳定后才扩大。 | 有 owner 和 rollback trigger 的决策记录。 |
主观输出要加人工抽样。结构化任务要加自动 grader。Agent 工作流要看工具成功率，而不只是最终答案。
从 GPT-5.5 或 GPT-5.4 迁移
不要因为 GPT-5.6 已发布就立刻替换 GPT-5.5。旧模型应该作为基线保留，直到新路由在关键指标上胜出。
安全迁移模式：
- 保持现有 GPT-5.5 或 GPT-5.4 路由不变。
- 增加 GPT-5.6 evaluation route group。
- 先用 Terra 对比当前默认路由。
- 用 Sol 对比高价值或高失败成本 prompt。
- 用 Luna 对比高频且容易验收的任务。
- 按 workflow 迁移，而不是全局替换模型。
- 在客服、成本和延迟稳定前保持 rollback。
如果你的 prompt 针对上一代 reasoning 风格调过，这一点更重要。更强模型也可能需要 prompt 和评分方式调整。
EvoLink 实施模式
在 EvoLink 上，GPT-5.6 路由应保持配置化。下面是规划示例，不是 API 文档：
route_group: gpt-5-6-production
default: gpt-5.6-terra
premium_reasoning: gpt-5.6-sol
high_volume: gpt-5.6-luna
fallback: gpt-5.5
rollback_owner: ai-platform这样产品和平台团队都有清晰控制面：
- 产品能决定哪些 workflow 值得 Sol。
- 工程只维护一条 EvoLink 集成路径，而不是三套 SDK。
- 财务看 successful-task cost，而不是只看 token 单价。
- 客服在客户反馈问题时能追踪是哪条 route 产出的答案。
常见错误
| 错误 | 风险 | 更好的做法 |
|---|---|---|
到处硬编码 gpt-5.6 | OpenAI alias 指向 Sol，而 EvoLink 要求使用精确档位 ID。 | 使用明确档位 ID 和配置化路由。 |
| 因为 Luna 便宜就直接用 | 失败任务加上重试和修复后可能更贵。 | 工作流级验收通过后再迁移流量。 |
| 把 Terra 当弱折中 | 对混合流量来说，Terra 可能是最好的生产默认。 | 只有测出价值更高时才升 Sol。 |
| 只比较一个 demo prompt | demo 看不到边界案例、延迟和重试行为。 | 用代表性 prompt 集和 canary 流量。 |
| 忽略长上下文价格 | prompt 超过 272K tokens 后，整个请求会进入长上下文价格档。 | 分开估算短上下文与长上下文。 |
| 过早移除 fallback | 新模型上线会暴露 prompt、延迟或产品问题。 | 指标稳定前保留 GPT-5.5 或其他验证路由。 |
推荐生产策略
| 策略项 | 建议 |
|---|---|
| 默认路由 | 评估通过后，用 gpt-5.6-terra 承接混合生产流量。 |
| 高端路由 | 用 gpt-5.6-sol 处理复杂 coding、困难研究、高风险分析和升级请求。 |
| 高频路由 | 用 gpt-5.6-luna 处理已验证的摘要、抽取、分类和批量转换。 |
| Alias 使用 | 在 EvoLink 上使用精确档位 ID；OpenAI 官方的 gpt-5.6 alias 会指向 Sol。 |
| Fallback | 迁移窗口内保留 GPT-5.5 或其他已验证模型。 |
| 复查节奏 | prompt、产品、价格或流量结构变化后，重新检查路由质量。 |
官方来源
FAQ
GPT-5.6 Sol 比 Terra 和 Luna 更好吗？
Sol 是旗舰档，但“更好”取决于任务。当错误或弱答案的代价很高时，Sol 才通常值得作为高端路由。
Terra 适合作为默认 GPT-5.6 模型吗？
对很多生产团队来说适合。Terra 能在质量、延迟和成本之间取得平衡，是流量细分成熟前的强默认候选。
什么时候用 Luna？
当高频任务容易验收，并且已经通过真实 prompt 测试时用 Luna，例如摘要、抽取、分类、转换和低风险草稿。
gpt-5.6 等同于 gpt-5.6-sol 吗？
gpt-5.6 alias 会路由到 gpt-5.6-sol。EvoLink 当前要求使用 gpt-5.6-sol、gpt-5.6-terra 或 gpt-5.6-luna 的精确模型 ID。规划成本应该用什么价格？
可以用 OpenAI 标准短上下文标价做公开锚点：Sol $5/$30、Terra $2.50/$15、Luna $1/$6，均按每 1M 输入/输出 tokens。客户承诺前要确认当前 EvoLink 路由价格。
长上下文会改变选择吗？
会。当 prompt 超过 272K tokens 时，整个请求的输入和缓存按 2 倍、输出按 1.5 倍计费，因此文档密集型工作流必须单独估算。
如何评估 GPT-5.6 是否该替换 GPT-5.5？
用代表性 prompt 并行测试，比较质量、延迟、重试率、工具成功率和 successful-task cost。直到 GPT-5.6 在生产指标上胜出前，保留 GPT-5.5 fallback。
Pro mode 或 max reasoning 应该默认打开吗？
不应该。它们是质量优先的控制项，适合困难工作流。大规模开启前要测试计费、延迟和结果提升。
需要为 Sol、Terra、Luna 做三套 SDK 吗？
通常不需要。一个 EvoLink 集成加路由配置，比三套独立代码路径更容易运营。
最稳妥的上线方式是什么？
先评估，再灰度，再按 workflow 扩量。保持明确 model ID、可观测性和 rollback，直到指标稳定。
