现在的模型越来越多了。不管是 OpenAI 还是 Anthropic，同一个系列里往往有好几款模型，而且每款模型还有不同的推理级别。
这对很多人来说，怎么选就变得非常困难。
所以大部分人用的时候，可能根本不去选，从头到尾都用同一个模型。这样不仅没有发挥出模型的最佳性能，往往还消耗了更多的 token。
OpenAI 官方也意识到了这个问题，所以前两天专门发了一份 GPT-6 使用指南，教大家怎么选模型。
01 三款模型，怎么分工
先看官方给的定位和标价。
|
|
（美元） |
（美元） |
（美元） |
|
|---|---|---|---|---|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
这张表列的是 OpenAI 目前 GPT-6 系列三款主要模型的价格，以及官方对它们的定位。
官方说得很明确。目标明确的日常重复性工作，比如提取发票字段、对请求分类、生成结构化摘要，用最便宜的 Luna 就行。
我的理解是，那些不需要思考、只需要执行的事，有 Luna 就够了。
更复杂的编程、研究和计算机使用任务，除了执行，还要一定的思考能力，用 Sol 比较合适。
目前 GPT-6.1 Sol 应该算是性价比最好的一款，官方说它的智能水平接近 Astra，价格只有 Astra 的五分之一。
最厉害的当然是 Astra，但大家都知道，它的 token 消耗量也非常大。所以最难、最需要推理的事，才用 Astra。
▲ 图：三款模型分工示意
之前 AI 给过我一个建议：在我的日常工作里，最多只有 5% 的任务需要用到 Astra。绝大部分用 Luna 就能完成，剩下的交给 Sol。
02 推理强度，别一上来就开满
选完模型，还要选推理级别，也就是让模型花多少力气去想。官方给了四档：
-
低：提取事实、小改动这类活。 -
中：需要判断的活，比如规划功能、比较几个方案。 -
高：高难度调试、深入分析、细致审查。 -
极高或 Max：“高”还不够的时候再试。只有效果提升抵得过多花的时间和钱，才继续用。
最后一档官方说得很克制，意思就是别默认开。
▲ 图：推理强度四档阶梯
在 API 里，对话中途可以调整推理强度，缓存不会失效。在 Codex 里，先用模型的默认级别，简单任务往下调，要深入分析再往上调。
速度也是要花钱的。
API 里有个快速模式，响应更快更稳，但每个 token 更贵。官方建议用在聊天应用、编程工具这类对响应时间要求高的场景。
还有个超高速模式，Codex 和 API 都能用，生成速度更快，推理强度不变。官方说它适用于 Astra，适合需要快速迭代代码、更快的响应值得多花钱的时候。
03 提示词：写少一点
这一点很多人会觉得反直觉，其实很好理解。
我们原来学的提示词写法，总是教我们写得越详细、越具体越好。但这种教法是建立在以前的模型还不够智能的前提上。
现在的模型能力远远超过了之前，我们不能再拿教小学生的那一套去教一个博士生。
OpenAI 开发者体验团队的 Eric Provencher 说，模型理解细微差别和模糊含义的能力已经大幅提升，过去有帮助的详尽指导，如今反而可能妨碍模型发挥。
对新模型来说，最重要的是先把任务说清楚：你想要什么结果，面向谁，有哪些相关的上下文和限制，怎样才算完成。老的写法，也要跟着模型的能力一起更新。
就像我之前介绍 Anthropic 时说的那样，我们也可以从下面四个方面去更新。这四点，官方摘自另一篇《重新思考 GPT-6 Astra 的技能与提示词》：
-
技能：用一句短描述写清什么时候用。补充细节等需要时再加载，不要写死操作步骤。 -
AGENTS.md：写清哪些文档和测试适用于哪些情况。安全的常规流程直接授权，比如用一次性数据跑本地测试，不碰生产环境。 -
决策边界：说清哪些事它可以自己定，哪些要你批准。别一刀切写成“始终先询问”。 -
做到底：定义什么叫完成，包括改完、跑通、检查结果、修掉问题。再说明哪些决策要你来审。
输出这边，官方的例子是：模型可以自己决定摘要怎么组织，但改项目范围之前要先问你。回复用通俗语言，技术细节贴合读者，最后带一段简短的交接说明：改了什么，查了什么，还剩什么。
04 长任务：中途能改，也能干别的
官方说，GPT-6 系列可以处理持续数小时甚至数天的任务。
对这种长任务，如果还像普通对话那样一轮一轮来，等它做完再进行下一轮，就会浪费大量 token。因为在它做的过程中，你可能会冒出新想法，或者想纠正点什么。这时候你不用等它结束，中途就可以让它调整。
OpenAI 明确了一些可以用的能力。API 这边有三个：
-
轮次中途引导：模型干活的时候，你可以通过 Responses WebSocket API 发纠正信息。更新会进队列，不会取消正在跑的工具，也不会撤销已经做完的操作。 -
异步工具调用：应用在跑测试这种慢任务时，模型可以先去做别的独立工作。依赖测试结果的部分，等结果回来再开始。 -
多智能体：GPT-6.1 Sol 能通过 Responses API，把独立的活分给子智能体，比如各查代码库的一块，最后汇总。这个功能还在测试阶段。
▲ 图：长任务三种方式的时间线对比
长时间运行的任务，中途可能遇到需要你决策的事，而这种事很难在最开始的提示词里就想到、写明白。所以过程中也可以做澄清和引导。Codex 这边有两个：
-
边做边问：GPT-6 Astra 在 Codex 里可以中途请求澄清。你要离开的话，先说清哪些任务可以继续，什么时候该停下来等你。 -
改方向：需求变了，就用新信息引导当前任务，说明什么要改，什么不动。省得它在一个已经不对的方案上继续耗。
05 计算机使用：能走 API 就别点屏幕
自从 Astra 出来之后，计算机使用就变得非常流行。我也经常用，很多默认的任务，最后也会借助它来完成。但用过的人都知道，这种操作非常费 token。
三款模型都支持计算机使用，可以直接操作网站和桌面应用，没有 API 也行。官方举的例子是：让模型调查一个缺陷，改完代码，再打开你的产品，在浏览器里确认修好了没有。
那到底哪些任务该用？我自己一直也有点好奇。官方的原则是选最简单可靠的路：
-
API 或者已连接的工具能直接办，就用它们。 -
要读屏幕、点按钮、填表单的时候，才用计算机使用。
▲ 图：计算机使用决策流程
这其实已经说得很直白了：能不用就尽量不用。我自己也一样，现在能通过 CLI、MCP 解决的，绝对不会用计算机使用。
如果你要自己做集成，就给模型一个能跑代码的工具来控制浏览器或桌面。官方点名了两个：浏览器用 Playwright，桌面应用用 PyAutoGUI。
06 上线前：缓存和测试
省钱方面，官方最看重提示词缓存。缓存输入的费用，比未缓存的输入最多低 95%，具体看模型。回头看上面的表，三款模型的缓存价，都是各自输入价的十分之一。
想用好缓存，有两个条件：
-
固定的指令和参考资料，放在会变的任务细节前面。 -
工具定义保持一致。
这里我举个例子，不然不太好理解。
假设你做了一个合同审核助手。每次来一份新合同，你都要先给模型一大段审核规则，再把这份合同交给它。
审核规则每次都一样，合同每次都不一样。
规则放前面、合同放后面，从第二份合同开始，前面那一大段一模一样的规则，就可以直接按缓存价算，只有新合同按原价。官方标价里，缓存价是原价的十分之一。
反过来，合同放在最前面，开头每次都不一样，后面的规则就复用不上了。这就是官方要求“固定的放前面”的原因。
07 像分配员工一样分配模型
我经常听到读者朋友说，套餐额度消耗太快了。我曾经也这么觉得。我的习惯是不管什么任务，都用最好的那个模型。但摸索了一段时间之后，我发现自己的用法大错特错。
可能很多朋友跟我一样，都用最好的模型，从来不选推理级别，都用默认的，更搞不清楚什么叫快速模式。
其实理解起来很简单。你是一个 Manager，手下有三个能力各不相同的员工。任务来了，你肯定会按难易程度分给他们，对吧？如果把所有任务都丢给你认为最强的那一个，肯定不合适。
希望这篇文章对你有所帮助。
08 参考资料
01｜OpenAI：GPT-6 系列模型指南（2026 年 10 月 2 日）
https://openai.com/zh-Hans-CN/index/practical-guide-building-gpt-6/