GPT-6 對上 GPT-5.6：模型選單變長之後，難的其實是分配工作

OpenAI 在九月初發表 GPT-6 Astra 之後，開發者打開 Codex 會看到一排新的選單：GPT-6 Astra、GPT-5.6 Sol、GPT-5.6 Terra、GPT-5.6 Luna，再加上還在的 GPT-5.5。這則話題九月中旬在中國開發者社羣掘金上被重新拿出來討論，核心問題只有一個：是不是該把所有任務都升級到最強的模型？

把鏡頭拉近一點，先看這條新聞裡最容易被略過的那一行：OpenAI 自己把 Astra 定位為「面向高難度端到端工作的最高能力模型」，複雜推理、編碼、電腦操作、研究與文件生成。這句話的另一面是，官方從來沒有說其他模型該淘汰。這與我們先前分析的GPT-6 Astra 與「AGI 時代」宣言該怎麼檢驗是同一件事的兩面：行銷話術講的是上限，選型決策看的是分工。

四個模型，四種題型

先把規格講清楚。Sol、Terra、Luna 不是同一個模型的推理強度設定，是三個獨立的模型。Sol 是旗艦，Terra 大致對應過去的 mini 檔，Luna 對應 nano 檔，走經濟型、高吞吐路線。上下文窗口四款都是 1,050,000 Token，帳面規格沒有因為換代而變大。

這種分檔不是 OpenAI 獨有的做法。GLM 有 5.3 與 5.3 Flash，DeepSeek 也分 Pro 與 Flash。模型商集體走向分檔，說明一件事：調用量的成長逼著所有人把價格階梯拉開，便宜的模型扛量大、格式化的工作，貴的模型留給真正需要判斷的工作。

用考試來比喻最直觀。Luna 適合那種候選答案已經給出、代入驗算就能確認的選擇題。Terra 適合要自己組織幾個步驟、但解法套路固定的常規解答題。Sol 適合要綜合多個知識點、分類討論還得檢查有沒有漏掉情況的難題。Astra 留給壓軸題：思路難找，走不通要換路，還得記得前面已經排除了哪些可能。

比喻歸比喻，它們不是能力分界線。Sol 也能碰壓軮題，Astra 也會犯簡單錯誤。真正的選型原則可以濃縮成一句：解法越明確、結果越好驗證，越該先試便宜模型；越需要探索、步驟越多、中途越可能改需求，越值得花錢買強模型。

算帳方式變了：單價之外，還要看重試

多數人選模型只比單價，但實際成本結構是「單價乘上輸出量，加上失敗重試的次數」。OpenAI 表示在幾項評估中，Astra 使用的輸出 Token 更少，部分任務即使單價較高，總成本反而可能更低。注意這是廠商給出的測試結果，你的工作負載未必如此，但它指向一個真實的算帳維度：貴模型若能一次做對，省下的是重試與人工檢查的時間。

舉一個貼近日常的例子。修一個可以穩定重現的 Bug，和寫一份發布說明，和一次跨模組遷移，需要的判斷量完全不同。前兩者用 Terra 甚至 Luna 先跑，驗收不過再升級，幾乎不會虧。跨模組遷移牽涉導航、生命週期、依賴順序，中途需求還可能變，這種任務用錯模型省下的錢，會在除錯的加班裡加倍還回去。

換句話說，選模型的單位不是「專案」，是「任務」。一個專案裡同時跑三個檔次的模型，才是常態。

Astra 真正的新東西：工作流，帳面規格只是持平

從規格表看，Astra 與 GPT-5.6 的上下文窗口相同，結構化輸出、電腦操作、串流輸出、上下文壓縮這些能力也都延續自 5.6。單看帳面，很難說是代際提升。差別在官方指南強調的三項工作流能力。

非同步工具呼叫：應用端執行工具時，模型可以繼續處理其他互不依賴的工作，不必乾等。回合中途調整：透過 WebSocket 使用 Responses API，可以在任務執行途中補指令，模型調整方向的同時保留已完成的部分。動態調整推理強度：對話進行到一半可以改推理強度，而且不必重寫已緩存的 Prompt 前綴。

這三項對應的場景很具體：模型跑一個多步驟的編碼任務，跑到一半你發現規格寫錯了。舊流程要砍掉重來，快取作廢、成本重算；新流程是直接在半路喊停、補一句修正，模型接著做。這與我們整理過的GPT-6 Astra 官方使用指南與下指令習慣的調整一致：模型升級之後，該改的往往是使用方式，先把指令一次寫死的老習慣反而浪費了新能力。

值得自己動手驗證的測試題

廠商的評測數字看看就好，真正能判斷要不要為 Astra 多花錢的，是自己手上的那一類任務。一個夠格的測試題長這樣：一個 Bug 同時涉及導航、生命週期與埋點，模型能不能守住原有的事件協議、找到根因、給出夠克制的修改，並且在需求中途變化後繼續完成驗證。

步驟多、要持續判斷與調整的任務，正是 Astra 與 Sol 最該被拿來對比的地方：Astra 能不能少出錯、少返工。官方也老實提過，面對規模不大的編碼任務，Astra 可能會問更多澄清問題、測試範圍超出實際需要。強模型的代價有時不是帳單，是囉嗦。

所以呢

模型選單變長，對開發者的實際影響是：模型路由從「選一個預設」變成「按任務分層」的工程問題。值得帶走的判斷有三條。第一，先看任務的結果好不好驗證，好驗證的先用便宜模型試。第二，成本要算總帳，包含重試與人工檢查，單價只是其中一項。第三，驗證 Astra 的價值，用自己最常見的複雜任務跑一次對照，比看任何評測都準。

工具鏈的設定檔也別忘了跟著換，這點在GPT-6 之後該整理的 Skill 與 AGENTS.md裡談過：模型越聽話，舊規則越容易變成絆腳石。分檔時代真正的功課，不在規格表，在於把自己的工作拆成能對應到不同檔次的清單。