GPT-5.6 Sol API 單價

最後更新 2026-09-22 來源

價目表

每百萬 token

Input，USD / 1M tokens

4 USD

Output，USD / 1M tokens

20 USD

Cache read，USD / 1M tokens

0.4 USD

Cache write，5 分鐘，USD / 1M tokens

5 USD

Cache write，1 小時，USD / 1M tokens

—

Context 長度，tokens

1,050,000 tokens

Max output，tokens

128,000 tokens

Batch 係數

×0.5

算例

0%$11.10 USD
50%$6.50 USD
90%$2.82 USD

和 GPT-5.6 Luna 的差: 比 GPT-5.6 Luna 多 $6.17. GPT-5.6 Luna

長上下文

prompt 超過 272,000 token 就改走 long context 費率。沒有 cache、input 272,001 token、output 1,000 token 的一次請求是 $2.21。

Input，USD / 1M tokens

8 USD

Output，USD / 1M tokens

30 USD

Cache read，USD / 1M tokens

0.8 USD

其他模型

關於這個工具

GPT-5.6 Sol

Sol 是這份表也接受純 gpt-5.6 這個名字的 id。它在 Astra 和 Luna 中間，形狀跟兩邊一樣：有 long context 分段、有 cache read、有 5 分鐘 cache write、沒有 1 小時 write，還有一個計算機不會套用的 batch 係數。這頁要算的是同一個迴圈上 Sol 和 Luna 差多少。工作放得進較便宜的那張卡、你要的是金額而不是感覺的時候，就是這個判斷。最上面那張值不值得，是 Astra 那頁的事。這頁拿來相減的是 Luna，因為那才是人真的會猶豫的那次更換。

這張卡怎麼計

這頁上的金額不是寫死在句子裡的。確認過的價目表只有一份，畫面上的數字要嘛從那份表讀出來，要嘛是全站同一支計價函式算出來的。情境是 agent-loop-50：50 輪、每輪都帶回來的可 cache context、每輪一點不會進 cache 的新 input，再加上每輪的 output。下面三個合計把 cache 命中率放在 0、一半、九成。命中率是那段重複 context 有多少是從 cache 讀回來，而不是再寫一次。它不是事後打折，也不是 batch 係數。價目上有 batch 係數的模型，這裡的合計故意不算進去，因為 batch 工作跟一輪一輪的互動是兩種買法。價目沒有某條 cache 的單價、情境卻還是要送那些 token 時，它們會按新的 input 計，結果上也會標出來。那是價目的性質，不是這頁漏做。有 long context 分段的卡片，只有單一次請求的 prompt 超過門檻才改走那段費率。這個 50 輪都很短，所以停在基本費率。因此就算模型有分段，迴圈合計仍然只有一組。對過價目的日子寫在下面的算例裡，對照的是旁邊連結的那個廠商價目頁。要換別的迴圈，母頁上還有另外三個情境和一根拉桿。

算例

這頁的單價是 2026-09-22 拿廠商的價目頁對過的。

cache 命中 0%：$11.10 cache 命中 50%：$6.50 cache 命中 90%：$2.82

和 GPT-5.6 Luna 的差: 比 GPT-5.6 Luna 多 $6.17.

長上下文

prompt 超過 272,000 token 就改走 long context 費率。沒有 cache、input 272,001 token、output 1,000 token 的一次請求是 $2.21。

常見問題

GPT-5.6 Sol 這頁上的日期是什麼？

是跟價目頁對過的日子。不是模型發布的日子，也不是保證廠商之後沒有改數字。卡片一改，日期就跟著改。

GPT-5.6 Sol 的價目上有哪些 cache 條？

這張卡有 cache read 和 5 分鐘 cache write，沒有 1 小時 cache write。缺了那一條，不是可以免費 cache 一小時。prompt 超過門檻會改走 long context 分段，也有 batch 係數。迴圈合計停在基本費率。

為什麼拿 GPT-5.6 Luna 來比？

Luna 保持 Sol 的形狀，把費率降下來。該算價錢的更換是這一次。Astra 是另一個問題，有自己的頁面。