#OpenAI发布GPT-6家族模型选型指南明确三款模型分工#
IT时代网10月3日消息，OpenAI 发布 GPT-6 家族模型选型指南，面向开发者说明 Astra、Sol 与 Luna 三款模型的定位，以及推理档位、速度与上下文管理方面的实践建议。
按指南划分，GPT-6 Astra 面向需要最高智能的复杂推理工作，支持计算机操作，在 Codex 中可在执行过程中向用户追问；GPT-6.1 Sol 面向复杂编码、研究与计算机操作，在 Responses API 中支持多智能体工作流，可把独立子任务分派给子智能体再汇总结果，该功能目前处于测试阶段；GPT-6 Luna 面向目标明确、可规模化重复的日常任务，例如提取发票字段、分类请求、生成结构化摘要。
推理档位分为四档：低档适合提取事实、小幅修改等常规任务；中档适合功能规划、方案比较等需要判断的工作；高档用于疑难调试、深入分析与仔细复核；另有更高档位供高档仍不敷使用时测试，仅在改进值得额外时间与成本时才保留。速度方面，API 中的 Fast mode 适合对话与编码工具等对响应时延敏感的场景，Ultrafast 目前面向 Astra 提供，可独立于推理档位加快 token 生成。
上下文与成本控制上，指南建议把稳定指令与参考资料放在会变化的任务细节之前，并保持工具定义一致，以便复用提示缓存；缓存输入 token 的成本视模型不同，最高可比未缓存输入低 95%。长对话可用压缩机制，在保留续接所需状态的前提下缩减上下文。对于跨时长任务，可通过 WebSocket 接口在模型工作过程中中途纠偏，更新会排队执行，不会取消正在运行的工具或撤销已完成的操作；异步工具调用则让模型在应用执行较慢任务时继续独立工作。