GPT-6 API 选型:Astra、Sol 还是 Luna
从任务难度、推理、上下文和计费四方面对照 GPT-6 的三个模型。
你将了解
- 根据要完成的任务选模型
- 查看 TTAPI 费率和 API 入口
- 用相同的任务验收条件测试三个 ID
要点
高难度端到端任务可先试 Astra,复杂开发与智能体工作可试 Sol,频繁发生且有明确判定规则的任务可试 Luna。实际价值取决于验收结果、耗时和总用量。
先按任务划分三个档位
Astra 面向高难度多步骤任务;Sol 面向复杂编程和智能体工作;Luna 面向大量、范围明确的轻量任务,三个 ID 均列在 TTAPI 模型目录。
跨代码、研究和交付材料且错误代价高时,可先试 Astra。日常工程可先试 Sol。抽取、分类、短转换和可规则校验的自动化可先试 Luna。
| 模型 | 建议优先试用的任务 | 输入 / 百万 token | 输出 / 百万 token |
|---|---|---|---|
| GPT-6 Astra | 高难度完整任务 | $8 | $40 |
| GPT-6 Sol | 复杂编码与智能体任务 | $1.6 | $8 |
| GPT-6 Luna | 高频、目标明确的任务 | $0.08 | $0.4 |
TTAPI 目录费率,单位为美元 / 百万文本 token。费用受缓存用量与渠道规则影响,发布前可查看价格页。
用可验收结果比较表现
费率较高的模型也可能减少重试和人工修订。应按实际场景验证。
三款都用同一组输入。编程工作看测试及无关改动,文档分析看事实覆盖和证据,提取任务按 schema 验证。记录通过数、失败、耗时、token 和人工补救,每类工作至少重复三次。
- 固定任务、材料和验收标准
- 尽量一致的推理强度
- 报告中位耗时和一次通过验收的总成本
- 把官方与自己的测试数据分开标明
输入、输出和缓存的费用
TTAPI 目录中,Astra、Sol 和 Luna 的缓存输入每百万文本 token 分别为 $0.80、$0.16 和 $0.008。估算应以一个可用结果的总成本为单位。
OpenAI 直连 API 的处理档位和超长上下文费率需与 TTAPI 账单分别核实。提示词、上下文长度或路由改变后重新估算。
通过 TTAPI 调用三款 GPT-6 模型
示例先向聊天接口发 gpt-6-sol,随后可仅把 model 改为 gpt-6-astra 或 gpt-6-luna。密钥留在服务端,按模型 ID 保存输出和用量。
先用一次非流式请求。启用流式、工具或推理控制前核对文档;如果成品未达标准,可以先测试更强的模型。
cURL
curl --request POST \
--url 'https://api.ttapi.io/v1/chat/completions' \
--header "Authorization: Bearer $TTAPI_KEY" \
--header 'Content-Type: application/json' \
--data '{
"model": "gpt-6-sol",
"messages": [
{
"role": "user",
"content": "Review this API migration plan. List the three highest risks and one verification step for each."
}
],
"stream": false
}'