《幻兽帕鲁》正式版前期繁育指南
2026-07-14 3399520
2026-07-14 0
| 功能 / 特性 | 状态 | 说明 |
|---|---|---|
| GPT-5.6 系列正式发布(2026-07-09) | ✅ 已验证 | OpenAI 官方与多家媒体确认 2026-07-09 起 GPT-5.6 系列全面开放,登陆 ChatGPT、Codex 与 API |
| Sol 命名与定位(旗舰) | ✅ 已验证 | OpenAI 官方与媒体一致:Sol 是旗舰能力层,面向复杂专业工作、代码、Agent、长程任务 |
| Terra 命名与定位(能力-成本平衡) | ✅ 已验证 | 媒体一致:Terra 兼顾能力与成本,适合多数日常工作 |
| Luna 命名与定位(低成本高吞吐) | ✅ 已验证 | 媒体一致:Luna 速度最快、价格最低,面向高频、批量、轻量任务 |
| Sol 标准 API 价格 30(输入 / 输出,每百万 Token) | ✅ 已验证 | 多家媒体引用 OpenAI 公布的标准短上下文 API 价格 |
| Terra 标准 API 价格 15(每百万 Token) | ✅ 已验证 | 与 OpenAI 公布价格一致,Terra 约为 Sol 的一半 |
| Luna 标准 API 价格 6(每百万 Token) | ✅ 已验证 | 与 OpenAI 公布价格一致 |
gpt-5.6 别名指向 gpt-5.6-sol | ⚠️ 用户自述 | 作者在事实核验声明中自述该别名行为,以 OpenAI API 文档为准 |
max 是 ChatGPT Work / Codex 产品档位 | ⚠️ 用户自述 | 作者在事实核验声明中自述该产品档位关系,需以 OpenAI 官方为准 |
API 端 reasoning.effort 枚举 | ⚠️ 文档为准 | 作者明确指出 API 端 reasoning.effort 可用值应以对应模型 API 文档为准,不能与 Codex 界面档位直接混用 |
| Cerebras 高速特化(750 tokens/s) | ⚠️ 待验证 | 部分媒体提到 7 月计划在 Cerebras 上线,正式发布时是否落地需以官方为准 |
GPT-5.6 Sol、Terra、Luna 怎么选?我的素材库项目为什么最终使用 Sol + Medium
2026 年 7 月 9 日,OpenAI 正式发布 GPT-5.6 系列。
这次更新除了提升代码、工具调用、专业知识工作和 Agent 能力,还改变了过去按照 mini、nano 或单一版本号区分模型的方式,引入了三个新的能力层级:
其中,Sol 是旗舰能力模型,Terra 在智能水平与成本之间取得平衡,Luna 则面向低成本、高吞吐量任务。OpenAI 还明确表示,Sol、Terra 和 Luna 不只是临时型号名称,而是可以按照各自节奏持续升级的长期能力层级。(OpenAI)
面对新的模型体系,一个很现实的问题是:
我最近正好在用 Codex 管理一个长期内容素材库,因此结合实际项目,把这套模型选择逻辑完整梳理了一遍。
最终得到的结论很简单:
这套方案不一定是所有项目成本最低的方案,但对于需要长期维护、持续理解上下文、处理杂乱输入的知识库和内容仓库来说,它足够稳定,也足够简单。
选择 GPT-5.6 时,实际上需要同时决定两个参数:
这两个维度解决的不是同一个问题。
可以将它们简单理解为:
例如:
虽然都属于 GPT-5.6 系列,但它们不是简单的线性大小关系。
Terra 调整到 High,并不会自动变成 Sol。它只是让 Terra 在当前能力基础上投入更多推理。
同样,Sol 使用 Medium,也不意味着它只能处理普通问题。Sol 本身依然是 GPT-5.6 系列中能力最强的旗舰层级,只是在 Medium 下不会为每个任务都进行最高强度的探索和验证。
OpenAI 发布说明确认,ChatGPT Work 和 Codex 可以为 GPT-5.6 选择 effort 档位,其中 max 是这两个产品中的可选档位。API 则使用 reasoning.effort,可用值应以具体模型的 API 文档为准,不能把 Codex 界面中的 max 直接当成通用 API 枚举。(OpenAI)
本文的实践主要讨论 Codex 中的 Medium 和 High;这是针对内容仓库工作负载的工程选择,不是 OpenAI 对所有场景的统一推荐。
所以,选择模型不能只看"High 是不是更强",而应该先判断:
Sol 是 GPT-5.6 系列的旗舰模型,面向复杂专业工作、深度推理、编程、工具调用和长程 Agent 任务。
OpenAI 官方 API 文档将它描述为面向复杂专业工作的前沿模型,并建议在复杂推理和编码任务中优先从 Sol 开始。gpt-5.6 这个默认别名本身也会指向 gpt-5.6-sol。(OpenAI Developers)
Sol 更适合以下任务:
对于素材库项目来说,Sol 的价值不只是"生成一段更好的文字",而是它更适合作为仓库的长期管理者。
它需要理解的不只是当前输入,还包括:
这类任务高度依赖稳定判断,而不仅仅依赖输出长度或推理次数。
Terra 是 GPT-5.6 系列中的平衡型号。
它比 Sol 成本更低,但仍然具备较强的代码、推理和 Agent 能力。OpenAI 将 Terra 定位为在智能水平和成本之间取得平衡的模型。(OpenAI)
Terra 适合:
如果一个素材库已经运行稳定,目录、Schema、标签和导入脚本都已经固定,那么 Terra 完全可以承担大量日常处理工作。
它的核心优势是:
按照 OpenAI 公布的标准短上下文 API 价格,Sol 的输入和输出价格分别为每百万 Token 5 美元和 30 美元;Terra 分别为 2.5 美元和 15 美元;Luna 分别为 1 美元和 6 美元。Terra 的标准价格大约是 Sol 的一半。(OpenAI Developers)
因此,当系统进入真正的大规模自动化运行阶段,Terra 会具有明显的经济优势。
Luna 是三个模型中速度最快、价格最低的型号,主要面向成本敏感和高吞吐量工作。(OpenAI)
它更适合:
Luna 不适合成为复杂素材库的最高决策者。
例如,Luna 可以按照明确规则,为 500 篇文章补充统一的 YAML 字段;但不适合独立决定整个素材库的分类体系是否需要重构。
它更像一个执行效率很高的批处理节点,而不是负责制定规则的总管。
这个项目并不是一个简单的文件夹。
它的目标是建立一个长期运行的内容素材系统,将书籍、文章、新闻、论文、GitHub 项目、产品资料、个人想法和技术实践统一整理起来,为后续内容创作提供支持。
当前素材库包含或者计划包含:
这个系统需要完成的,也不只是"把文件放进目录"。
完整流程包括:
素材进入 Inbox↓识别来源和素材类型↓提取元数据↓清洗和标准化↓检查重复和语义相似↓分类和打标签↓建立与历史素材的关联↓判断内容价值↓进入知识库或选题池↓更新索引和仓库状态↓运行校验↓提交处理报告
这意味着,日常维护同时包含三种不同性质的工作:
第一类是机械执行,例如格式转换、字段补齐和索引更新。
第二类是语义判断,例如判断两份资料是不是在讨论同一问题。
第三类是内容决策,例如判断某个素材是否值得发展成一篇文章,应该以什么角度写,以及和已有文章是否重复。
真正困难的通常不是第一类,而是后两类。
我当前经历的第一个阶段是:
表面看,这只是批量入库。
实际上,这个阶段会确定整个仓库未来的基础规则,包括:
如果这些规则在一开始设计错误,那么错误会被批量复制到 200 本书中。
更麻烦的是,一旦后续已经基于这些数据继续积累文章、素材和选题,再修改底层 Schema,就会变成一次全库迁移。
因此,仓库初始化阶段不应该只追求便宜或速度。
更合理的配置是:
模型:GPT-5.6 Sol推理等级:High
Sol + High 负责:
这里最重要的原则是:
不要一开始直接让 Agent 修改全部 200 本书。
更合理的执行顺序是:
设计规则→ 导入 5 本→ 检查异常→ 修正规则→ 导入 20 本→ 再次检查→ 全量导入→ 全库审计
这个阶段使用 Sol + High,不是因为 200 本书本身有多难,而是因为它们共同依赖同一套底层规则。
仓库初始化完成后,最让我纠结的是两个配置:
GPT-5.6 Sol + Medium
和:
GPT-5.6 Terra + High
Terra + High 看起来很合理。
Terra 成本更低,而 High 可以让它投入更多推理。对于日常分类、归档和选题任务,似乎已经足够。
但最终我选择了:
原因不是 Terra + High 无法完成,而是 Sol + Medium 更符合这个项目的长期运行方式。
这个素材库未来接收的不是一种固定格式,而是各种杂乱内容:
这些输入的结构、质量和价值完全不同。
模型需要先理解内容,再决定如何处理。
这并不是标准化流水线,而是长期存在模糊判断的知识工作。
一次普通归档看似影响很小,但如果模型:
这些小错误会在长期运行中不断累积。
素材库最危险的问题不是某一次处理失败,而是分类和语义逐渐漂移。
因此,日常总管更需要稳定的基础判断能力。
对这个素材库而言,Medium 是能力、时延和消耗之间更合适的日常起点。是否切换到 High,应该通过代表性任务的准确率、返工率、校验失败率和总消耗来判断。
素材库日常任务通常已经具备:
这意味着模型不需要每次重新设计系统。
它需要做的是理解当前素材,并在已有规则下完成判断和执行。
Sol + Medium 正好适合这种状态:
实际使用中,最麻烦的往往不是模型成本,而是不断判断:
如果每次任务都先进行一次模型选择,使用成本反而增加了。
因此,我最终将系统简化为两档:
默认:GPT-5.6 Sol + Medium复杂:GPT-5.6 Sol + High
基础模型保持不变,只调整推理等级。
这样可以减少模型之间的行为差异,也更容易积累稳定的提示词、Agent 规则和仓库操作习惯。
在我的素材库项目中,以下任务默认使用 Sol + Medium。
例如将网页、技术文章、聊天记录、GitHub 项目和零散想法放入 Inbox 后,让 Agent 完成:
例如:
例如从最近新增素材中生成:
例如:
例如:
这些任务虽然需要判断,但主要是在既有体系中运行,不需要重新设计整个体系。
当任务开始涉及规则设计、跨模块影响或不可逆修改时,再将 Sol 从 Medium 调整到 High。
例如:
例如:
普通重复检测可以使用 Medium。
但如果需要判断:
这类任务更适合 High。
例如检查:
当一个问题已经尝试修复一次,但仍然出现:
此时应切换到 High,让模型重新检查假设、执行路径和验证结果。
例如:
这种任务没有唯一标准答案,需要综合大量信息并做取舍,因此适合 High。
既然 High 的推理更多,为什么不一直使用 High?
原因是素材库的大多数日常任务并不需要重新探索整个问题空间。
当任务已经有明确规则时,High 可能带来:
更高推理等级并不代表任何任务都会同比提高质量。
工程上更稳妥的做法,是先为代表性任务建立 Medium 基线,再测试 High 是否带来可测量的质量收益,而不是默认所有任务都使用最高档位。
因此,更合理的原则是:
虽然日常总管最终选择了 Sol + Medium,但 Terra 和 Luna 依然有明确价值。
当素材库流程已经完全稳定,并且开始通过 API 大规模自动处理内容时,可以将部分任务迁移到 Terra。
例如:
这类任务可以采用:
GPT-5.6 Terra + Medium
如果输入格式比较混乱,但任务边界仍然明确,可以使用:
GPT-5.6 Terra + High
Terra 更适合解决成本和吞吐量问题,而不是取代 Sol 作为最终决策层。
Luna 可以承担:
一个成熟的系统可以形成这样的分层:
模型策略最终必须回到任务风险、可验证性和长期维护成本。固定一个稳定默认值,再为高影响任务设置清楚的升级门槛,比频繁追逐最高档位更可靠。
| 症状 | 根因 | 定位 | 修复 |
|---|---|---|---|
| 把 Sol + Medium 当成"保守配置",一开始就上 Sol + High 跑日常 | 误以为 effort 越高收益越大;忽略 High 会带来更长时延、更高 Token 消耗和对稳定规则的过度重新分析 | 看单任务 Token 消耗、时延、校验失败率;代表性任务跑 Medium vs High 对比 | 日常回退 Sol + Medium,把 High 留给 Schema 修改、历史迁移、全库去重、复杂故障、内容战略 |
| 日常用 Terra + High,想"省钱 + 投更多推理"代替 Sol | 混淆模型档位与 effort 档位:Terra + High 不等于 Sol,Terra 的能力上限本身低于 Sol | 看分类漂移率、归档返工率、复杂模糊输入的判断质量 | 日常回 Sol + Medium;Terra 留给已稳定可批量化的任务 |
| 仓库初始化阶段就用 Luna 跑批量入库 200 本书 | 把高吞吐执行层当成最高决策层:Luna 适合机械流水线,不适合制定规则 | 看样本导入后是否出现分类错位、Schema 不一致、字段缺失 | 初始化阶段切回 Sol + High,先小批试运行,验证规则后再扩量 |
API 调用时把 Codex 里的 max 档位直接当成 reasoning.effort 值传 | 混淆产品界面档位与 API 枚举:Codex max 是产品档位,API 端 reasoning.effort 应以对应模型 API 文档为准 | 看 API 报错或模型对该值的接受情况 | 按 OpenAI API 文档传入正确的 reasoning.effort 枚举值 |
| 短上下文成本估算只算输入 Token,忽略输出 30 / 15 / 6 美元/M 的价格差 | Sol/Terra/Luna 的输出价格分别是输入的 6 倍、6 倍、6 倍,长输出任务成本被低估 | 算单次任务总 Token × 各自输出价格;看月度账单 | 长输出任务考虑用 Luna 或 Terra;或压缩 prompt 让模型输出更短 |
| 每条新素材都先在三个模型之间切换选档 | 模型档位 + effort 档位组合过多,使用成本不降反升 | 看是否每个任务都先做"选哪个模型 + 哪个 effort"判断 | 简化为两档:默认 Sol + Medium,复杂 Sol + High,机械任务 Luna |
| 把 Luna 推到内容战略、Schema 设计、复杂故障修复 | Luna 适合确定性流水线,长程推理和跨文件判断不是它的设计目标 | 看任务是否依赖稳定判断 vs 确定性转换 | 战略与设计类任务用 Sol,必要时 High;不要让 Luna 决定规则 |
| 用 High 处理已有规则下的常规分类,反而修改了不该改的索引 | High 倾向于重新探索问题空间,容易"越界"修改 | 看 Git diff 中是否有超出任务范围的修改 | 已稳定规则下回到 Medium,只读不写或加显式边界约束 |
默认所有任务都用 xHigh 或 max,账单爆炸但质量没可测收益 | 推理档位越高,边际收益递减,Token 与时延线性增长 | 跑代表性任务 baseline vs xHigh 对比质量;看总 Token 与时延 | 回到默认 Medium;按"升级前三问"判断是否真要升档 |
把 GPT-5.6 别名 gpt-5.6 误用成别的能力层 | gpt-5.6 默认别名指向 gpt-5.6-sol,不是 Terra / Luna | 看 API 调用实际命中的模型 | 显式指定 gpt-5.6-sol / gpt-5.6-terra / gpt-5.6-luna 别名 |
| 一次"全库去重"用 Sol + Medium,P99 准确率很差 | 全库去重跨大量文件,需要稳定判断而不是按规则执行 | 看是否出现误合并、误拆分、角度不同的内容被错误判定 | 升 Sol + High;用校验与报告做闭环 |
| 仓库审计只跑一次,过了半年没人复核分类漂移 | 长期内容仓库的真正风险是"分类与语义逐渐漂移",不是单次失败 | 看月度/季度是否有审计与回滚记录 | 把仓库审计纳入固定周期,异常时升 Sol + High 重跑 |
作者:武子康的个人博客