ChatGPT-5.6 Luna、Terra 同 Sol：我用咗幾個月之後點揀

01 / 人工智能

GPT-5.6 Luna、Terra 同 Sol：到底有咩分別？

一開始試 GPT-5.6，我都以為 Sol 會自然成為預設答案。佢的確有啲工作做得好啲；問題係，用量跌得好快，而且遇到要求唔清楚的 Brief，佢一樣會問你再改。用咗幾個月之後，我的答案反而簡單咗：平日先開 Luna Max。

三款模型唔係完全一樣。價錢、推理力度、速度同完成一件工作的步驟都唔同。張 Reddit 比較圖最有用的地方，就係將呢啲差別放返落數字入面。仲有一點：Luna low 同 Luna max，體感可以差好遠；淨係講模型名其實未講完。

簡單講就係咁。下面再拆張圖的數字、Terra 的位置，同埋點解我最後仍然揀 Luna Max 做日常預設。

02 / 人工智能

先睇 Reddit 張成本圖

呢張比較圖來自 Reddit 上一篇討論 GPT-5.6 的貼文，入面比較一次成功率、平均任務成本、輸出量同步驟。一次成功率只係嗰次測試入面第一輪過關的比例，唔代表 Sol 之後一定識得你個程式庫，亦唔代表 Luna 一定會搞亂你下一封電郵。

圖中 15 行數據我逐行列出來，睇數字會方便好多。截圖適合望整體走勢，表格就適合逐行比較；而個限制都要講清楚：呢個係一次社群比較，唔係 OpenAI 官方價目表，更加唔係所有工作都適用的排名。

第一眼最搶的是 Luna max：67%，平均 $0.61。Sol max 係 73%，平均 $8.39。即係 Sol 多 6 點，但圖表成本大概係 14 倍。任務好容易驗的話，呢筆差價好難忽略；如果係正式系統，少一次大錯可能已經值返晒。

第二眼就會見到另一面：Luna max 行 102 步，Sol max 行 61 步。平唔代表快，分數高亦唔代表短。Luna 有時係行遠少少先返到目的地——可以接受，但唔係免費的散步。

03 / 人工智能

三款模型各自適合咩工作？

GPT-5.6 官方頁面列出的 API 價格係：Sol 每一百萬個輸入 Token $5、輸出 $30；Terra 係 $2.50 同 $15；Luna 係 $1 同 $6。如果你直接用 API，呢啲數字會比較實在。用工作介面的話，感受到的通常係配額、等候時間同五小時窗口剩返幾多位。

我自己的理解係：Luna 適合剩低的錯誤有人幫手捉；Terra 適合方向定咗、但工作唔細；Sol 就留俾真正需要判斷的地方。唔係越貴越應該日日開。

仲有一個好容易漏的位：大家講「我試過 Luna」，未必真係用同一個設定。Luna low 同 Luna max 已經係兩件事，Terra 同 Sol 都一樣。比較模型時，力度一定要寫埋，否則好似攞架車用一波同高速公路比速度，然後話結果好奇怪。

04 / 人工智能

張圖的成本，唔等於你戶口扣款

呢個分別幾重要。圖表寫 $0.61，唔代表你個帳戶會扣 61 美仙；Sol max 寫 $8.39，亦唔代表你會收到一張 API 式的逐項帳單。不同產品可能計訊息、推理用量、滾動時間窗、方案路由，或者幾樣一齊計。

不過實際影響一樣感受到。重型 Sol 任務用得快，你剩低的時間就少，之後想重試另一件工作都要諗一諗。呢個係我最後冇揀 Sol 做日常預設的主要原因之一。

我會當佢係三隻鐘：錢、模型工作量、你可以繼續工作的時間。三隻唔一定一齊行，所以有時張圖最平嗰格，實際用落反而唔係最快；最貴嗰格亦唔會自動令你一稿完成。

05 / 人工智能

Luna Max 點解咁多人揀？

張圖入面 Luna max 係 67% 一次成功率、$0.61、73k 輸出量同 102 步。個組合唔算靚仔，但幾實用。佢比 Sol max 行多步，成本就低好多。

附近幾行更加有意思：Luna xhigh 係 57%／$0.31，Luna max 係 67%／$0.61。多三毫子，呢次測試多十個百分點。Terra max 70%／$3.96，Sol high 69%／$3.47。唔係每加一蚊，都換到同樣多的質素。

所以 Luna Max 有時會兜路。接受到嗎？如果係起稿、整表、可以測試的改動，我多數接受；如果係改正式資料，仍然要加真人確認，唔會因為平就放生個流程。

06 / 人工智能

我用 Luna Max 幾個月的實際感覺

呢段係我真正做工作後的感覺，唔係實驗室報告。Luna Max 唔係次次第一輪就明白我想要咩。有時要重講語氣，有時要指住一段講「呢度偏咗」，有時就係直接話：「唔係，我唔係要呢個。」兩三輪修改，對比較複雜的工作算正常。

最出奇的是 Sol 冇有完全消除呢種來回。某些難題佢的第一稿確實較強，但我仍然要帶住佢行；而用量就跌得快好多。如果最後都要我判斷、改句子、補限制，貴模型未必幫我慳到時間。

我講「可工作程度」，意思係我可以繼續做落去，唔使每句都照顧住模型，同時仲有足夠用量完成今日其他事。Luna Max 對我來講就係贏喺呢度。有人做難程式庫，揀 Sol 完全合理；工作唔同，條數自然唔同。

07 / 人工智能

Sol 係幾時先值得用？

Reddit 貼文提到的路由順序幾合理：先試輕量的 Luna，開始卡住就上 Luna Max，再按工作難度考慮 Sol high、xhigh、max。我唔會因為個 Prompt 聽落好重要，就直接開 Sol Max。要求寫得含糊，貴模型一樣可以很有耐性咁做錯事。

Sol high 係我覺得比較實際的高階位：69%／$3.47／37 步；Sol xhigh 71%／$4.70／44 步；Sol max 73%／$8.39／61 步。至少有級樓梯，唔使次次跳到最頂。

前提係要俾佢一份像樣的 Brief：相關檔案、不能改的限制、驗收方法、測試。唔係就似花錢請專家，但只係叫佢自己估你想做咩。專家都會估錯，仲要估得幾有說服力。

08 / 人工智能

Terra 係咪最中間、最穩陣？

Terra max 係 70%／$3.96／72k／76 步；Terra xhigh 係 60%／$1.70／40k／43 步。用張圖比較，Terra max 比 Sol high 貴，步驟亦多，但一次成功率只高一點。所以原貼作者會將 Sol high 放喺較抵的中間位置。

但留言有人話 Terra xhigh 快過 Sol，有人用 Terra 做實作、Sol 做計劃，亦有人覺得 Sol 太愛諗複雜，Luna xhigh 做預設反而順。呢啲意見可以同時成立，因為大家根本唔係做同一件事。

所以我會將 Terra 當成實際的中間選擇，而唔係「兩邊都唔夠好」嗰格。方向已經定，但工作比較大，佢就有用；方向都未定，就先花錢買判斷。

09 / 人工智能

我而家會點樣揀模型？

1. 細、清楚Luna high 或 xhigh。幾秒就睇得出有冇錯，唔需要一開就用重型路線。
2. 普通日常工作Luna Max。呢個係我實際用落最平衡的位置。
3. 有計劃的多檔案工作Terra high 或 xhigh。方向定咗，想要多啲執行範圍。
4. 架構含糊或風險高Sol high。難的是判斷，唔係打字速度。
5. 平價路線已經失敗Sol xhigh 或 max。到呢一步，額外用量比較容易講得通。

呢個係我而家用的次序，唔係永遠規矩。你試五件真工作之後，可能會將 Terra 放前，亦可能大部分時間停喺 Luna xhigh。至少有一條可以改的規則，好過靠一張靚圖鬥喜好。

10 / 人工智能

要改兩三次，Luna 仲抵唔抵？

如果 Luna 第一輪俾到一個可用草稿，我只係要改讀者、語氣或者一個測試，兩三輪唔算大問題。每一輪都睇得明，任務仍然平，呢個就係 Luna 發揮的地方。

但如果每次都要由頭跑、同一個錯誤改完又返來，或者個結果會改到客戶資料、正式系統、錢，咁我會早啲升級。模型平咗，唔代表你應該用半日幫佢執手尾；張單只係由帳戶搬咗去日曆。

我會計「完成一件工作真正用咗幾多」，唔係淨係計第一稿。包括覆核、重試、等候同重新解釋。你最後的數字可能同 Reddit 張圖一樣，亦可能唔一樣；都好，因為嗰個先係你的工作成本。

11 / 人工智能

點解 Reddit 留言會咁分歧？

有人話 Sol 可以一輪完成難項目，幾次 Luna 都做唔到；有人話 Sol 太愛諗，簡單工作反而搞複雜；有人覺得 Terra xhigh 快；亦有人用 Sol 做計劃、Terra 做執行。呢啲經驗未必互相推翻，可能只係大家的工作壓力點唔同。

寫文章的人重視語氣、細節同跟唔跟到要求；開發者重視測試，亦怕改咗三個檔案之外的東西；研究工作就可能最重視來源。模型名稱相同，真正要解的痛點唔同。

張圖可以留低，因為佢將一個取捨畫得幾清楚；產品細節就要再睇官方頁面，最好自己試幾件工作。唔好要求一張截圖解釋一個會郁的產品——佢冇咁長氣。

12 / 人工智能

最後我的選擇：Luna Max

如果你問我而家會點開始：普通工作先用 Luna Max，俾清楚要求、例子同驗收方法。要改兩三輪唔代表佢即刻出局，先睇每一輪係咪便宜、睇得明、改完有冇前進。

工作闊但方向定咗，就試 Terra。工作含糊、難除錯、漏一步會好貴，先用 Sol。Sol 當然有用；我只係唔覺得需要用跑車買菜，日日都開住佢做最普通的事。

如果你想自己驗一次

揀一星期內五件真工作，盡量固定檔案同提示，記低第一輪結果、修改次數、等候時間、用量，同埋最後敢唔敢直接交付。呢份小記錄，比爭論邊個模型最勁實際得多。

揀平價模型唔失禮，揀貴模型亦冇功德。額外推理真係買到你需要的東西，就俾錢；如果只係令對話變長，轉返輕啲的路線，未嘗唔好。