GPT-5.6 Sol vs Terra vs Luna：按任务选档，而不是按习惯

简短答案：默认 Terra，Sol 和 Luna 守两端

几乎所有任务都用 gpt-5.6-terra，确实需要更深推理时再升级到 gpt-5.6-sol，把可预测的批量工作下放给 gpt-5.6-luna。Terra 保留了完整的 1.05M token 总上下文窗口、922K 最大输入、128K 输出上限和全部推理强度档位。按 Sol 临时费率，Terra 输入为 Sol 的 50%，输出为 60%，因此是编程、生产对话和 Agent 循环的正确默认档。

最贵的错误出在两个极端。所有请求都走 Sol，是在为本该由 Luna 完成的工作付旗舰价；死守 Luna 不放，又会在它本来就不可能完成的任务上白烧重试。把三档当成一个系统：Luna 承接简单的量，Terra 干真正的活，Sol 处理例外。

另见： GPT API 定价：输入、缓存、输出与长上下文

一个家族，同一能力上的三种计价

Sol、Terra、Luna 不是三个不同的产品。它们共享 Responses 和 Chat Completions 接口、SSE 流式、文本加图像输入/文本输出，以及同一套推理强度——从 none 到 xhigh，GPT-5.6 全系还额外有 max。档位之间变化的只是能力深度、延迟和计费。以下价格均为每 1M token；折后那一列才是实际从预付余额里扣掉的钱。

什么时候 Sol 值得比 Terra 多付费

Sol 是用来租的档位，不是用来住的。它的溢价买的是推理深度和长程一致性——把持住一个大 diff 或一个多步计划而不跑偏。升级的触发条件应该是证据，而不是感觉：一次失败的 Terra 尝试、涉及文件多到脑子装不下的重构，或一个你承担不起反悔成本的架构决策。

• 多文件重构：漏掉一个边界情况的代价比 token 贵。
• 疑难调试——竞态条件、内存损坏、没有明显原因的偶发失败测试。
• 架构与设计权衡分析：一次错误判断远超任何 token 账单。
• Terra 生成的 diff 在合并前的最终审查。
• 需要在数小时累积的上下文里保持连贯的长时自治 Agent 运行。

按促销价，Sol 输出 token 的价格是输入的五倍，所以最便宜的 Sol 调用是短调用。给它紧凑、边界清晰的提示词——失败的测试、相关的 diff、确切的问题——而不是未经筛选的代码库大杂烩。

什么时候 Luna 在单位经济上赢过 Terra

按 Sol 临时费率，Luna 输入是 Sol 的 5%，输出是 6%，同时仍只有 Terra 的十分之一。因此任何它一次做对的任务几乎免费。但它的限制是真实存在的：吃深度的工作在 Luna 上会失败，最终还是得用 Terra 或 Sol 重试，省下的钱就被抹掉了。只把确定性、窄口径、易验证的工作路由给 Luna。

• 生产流量中的分类、打标、路由和意图识别。
• 抽取与格式化——JSON 整形、样板代码、重命名、一次性脚本。
• Agent 循环里的廉价子步骤：在结果交给主模型之前先摘要工具输出。
• 对延迟敏感的回复：首 token 速度比最后一点质量分更重要。

先把分布量出来再定方案。如果 Luna 的输出里需要 Terra 重做的不止一小部分，这个「便宜档」的实际成本就是 Luna 加上重试——通常比直接把任务发给 Terra 更贵。

切换档位只是改一个字段

没有按档位的注册、套餐或独立端点。一把 apiToken.sale 密钥（形如 sk-pool-•••）覆盖 Sol、Terra、Luna——以及支持的 Claude、Gemini、Kimi 模型——共用一个预付余额。档位间的路由就是在同一个 Responses 调用里换模型 ID：

curl https://router.apitoken.sale/v1/responses \
  -H "Authorization: Bearer $APITOKEN_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-5.6-terra",
    "input": "Review this diff for regressions."
  }'

把 "gpt-5.6-terra" 改成 "gpt-5.6-sol" 或 "gpt-5.6-luna"，同一个请求就跑在那一档——同样的 base URL、同样的 Bearer 头、同一个余额。用官方 SDK 时，路由策略就是一个构造函数加一行模型字符串：

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["APITOKEN_API_KEY"],
    base_url="https://router.apitoken.sale/v1",
)

def route(task: str, hard: bool) -> str:
    model = "gpt-5.6-sol" if hard else "gpt-5.6-terra"
    return client.responses.create(model=model, input=task).output_text

控制台记录每笔请求结算后的 token 用量和确切的折后扣费，你能看到路由策略实际花了多少钱，而不是靠猜。随时可以用 GET https://router.apitoken.sale/v1/models 确认当前启用的模型集——统一目录按提供商给 ID 划分命名空间（anthropic/*、openai/*、google/*）。

各模型完整规格与折后价格 →

缓存和 272K 分界线的影响可能超过选档

有两个计费机制对账单的影响不亚于选对档位。第一是缓存输入：重复的提示词前缀按缓存费率计费——促销期 Sol 上每 1M $0.40，而新输入是 $4，Terra 和 Luna 同样是 10% 的比例；写入缓存则按普通输入的 125% 计费，促销期 Sol 为每 1M $5。在反复发送同一系统提示词和历史的长 Agent 循环里，稳定的前缀会累积成你能拿到的最大单笔节省。

第二是长上下文阶梯：输入超过 272K token 后，整个请求按 2 倍输入、1.5 倍输出重新计价——不只是超出部分。按 Sol 促销价，270K 输入加 2K 输出官方成本为 $1.12；273K 输入加 2K 输出为 $2.244。不管在哪一档，越线之前先把超大上下文拆开或裁剪历史。

推理 token 按输出 token 计费。在 Sol 促销期把强度拉满到 max，意味着为「认真思考」付每 1M $20（官方价）——当推理本身就是产出时值得，花在机械任务上就是浪费。让强度匹配档位：便宜档开高强度，往往不如强档开低强度划算。

明天就能跑起来的路由策略

1. 01把所有负载默认到 gpt-5.6-terra——交互式编程、CI Agent 和生产流量一视同仁。
2. 02提前写下升级触发条件：Terra 尝试失败、多文件重构、不可逆的设计决策，就带着边界紧凑的提示词去 gpt-5.6-sol。
3. 03把确定性的高量步骤——分类、抽取、格式化——挪到 gpt-5.6-luna，并跟踪它的重做率，别让静默失败吃掉节省。
4. 04保持提示词前缀稳定，让缓存输入费率生效；把请求控制在 272K 长上下文分界线以内。
5. 05每周在控制台复盘按请求结算的用量，按实测成本调整分配，而不是按对模型名的感情。

统一的 50% B2C 折扣对三档一视同仁，所以相对排序永远不会变——Terra 的计费始终比 Sol 便宜，Luna 始终比 Terra 便宜。没有订阅费，也没有席位费：闲置的一周分文不花，重负载的一周也只按实际消耗的 token 付费，花的是官方价的一半。

GPT API 定价：账单每一条构成都讲清楚 →

OpenAI 兼容快速上手：从 curl 到官方 SDK →

常见问题

相关指南