质量
看正确性、完整性、约束遵守和返工，而不是文字长度。
模型指南
ChatGPT 模型怎么选：用满足质量门槛的最轻设置
官方当前将 Astra、Sol、Luna 分别定位为高强度、日常工作和高效率模型层次，并明确模型、工具、推理设置与额度会因产品和版本不同。不要把某个模型名当成永久能力承诺。
模型层级怎样映射到任务
从任务复杂度、延迟、成本和工具支持出发。
| 模型层 / 边界 | 优先任务 | 不必升级的情况 | 记录指标 |
|---|---|---|---|
| Astra | 复杂、模糊、高价值任务 | 任务范围明确且较轻模型已达标 | 正确性、返工、总耗时 |
| Sol | 日常写作、编程与判断 | 高频任务对成本或延迟更敏感 | 质量、延迟、额度 |
| Luna | 分流、抽取、重复自动化 | 错误代价高且规则难以验证 | 抽样错误率、吞吐、成本 |
| ChatGPT 产品与 API | 产品内选项用于直接工作；API 型号用于程序接入 | 不能把 ChatGPT 套餐额度当成 API 上下文或价格 | 实际入口、型号、工具、推理强度、费用 |
截至 2026-09-24，OpenAI 官方将 Astra、Sol、Luna 分别定位为最复杂、日常专业和高频明确任务。可用性、工具、推理设置和额度仍按产品与账户变化。
不要把模型名当成永久承诺
先固定产品层级、时间和适用条件，再解释差异。
- Astra
- 官方定位为面向模糊问题、深度分析和高要求交付物的高能力层。
- Sol
- 官方定位为日常写作、编程和需要判断的工作。
- Luna
- 官方定位为范围明确、分流和高频自动化的高效率层。
- 可用性
- 产品、模型版本、工具、推理设置和使用限制存在差异，以账户内选择器和官方文档为准。
选模型时只记录四个指标
质量、返工、等待时间和实际用量比模型名更能支持选择。
延迟
交互任务对等待敏感，离线批处理可接受更深推理。
成本与额度
高频自动化会放大每次任务的使用成本。
工具支持
文件、搜索、图像、代码和外部工具可用性可能比纯模型能力更关键。
建立自己的模型回归集
完成一轮最小验证，再扩大投入或改变现有流程。
建立小型评测集
保留 10–20 个代表性任务。
从较轻设置开始
只有达不到验收标准才升级。
记录版本与日期
模型更新后重新运行关键样本。
用户真正需要确认的问题
答案给出判断边界；价格、账户、地区和功能开放情况仍以官方页面为准。
总是选最强模型最好吗？
不是。简单任务可能只增加等待和使用成本。
模型选择会影响工具吗？
会。官方说明工具、推理设置和可用性可能按产品与模型版本不同。
怎么知道模型是否够用？
定义可检查的验收标准，用固定任务比较错误、返工、延迟和额度。
事实从哪里来
外部页面会更新。订阅、采购、部署或接入 API 前，请重新核对当前页面。
- SOURCE 01ChatGPT 官方模型选择官方资料
- SOURCE 02ChatGPT 官方价格说明官方资料
- SOURCE 03OpenAI API 模型目录官方资料
- SOURCE 04OpenAI API 官方价格官方资料
- SOURCE 05OpenAI API 模型目录官方资料