OpenAI 的模型名字这两年换了几轮，现在用的是一套按用途分的命名。
三个名字，三种用途
当前主力是 GPT-5.6 这一代，底下分三档：
| 名字 | 定位 | 什么时候用它 |
|---|---|---|
| Sol | 想得最深 | 难题、要一步步推的、结论会被人拿去做决定的 |
| Terra | 日常默认 | 大部分活儿。不确定挑哪个就用它 |
| Luna | 快而便宜 | 量大、重复、结果对不对一眼就能看出来的 |
这三个不是「好中差」，是「深快之间的取舍」。 拿 Sol 去做批量改错别字，是把最贵的额度花在最不需要它的地方。
各档能用到哪几个
| 你的档位 | 能用到 |
|---|---|
| Plus（$20） | 聊天里用 Sol；Codex 里 Sol / Terra / Luna 都能用 |
| Pro（$100 / $200） | 在 Plus 的基础上多一个 Sol Pro；2026-09-03 起常规聊天里也能用 GPT-6 Astra |
注意这一行的含义：Pro 多出来的那两个模型，是目前少数几处「加钱真的换到新东西」的地方——其余的差别几乎全是额度。
额度是按模型分开算的
这一条最容易踩坑。不是一个总池子，是每个模型各有各的窗口。
官方给的是每 5 小时窗口内的条数区间（不是固定上限）：
| Sol | Terra | Luna | |
|---|---|---|---|
| Plus | 10–100 | 25–200 | 250–2,000 |
| Pro $100（5x） | 50–500 | 125–1,000 | 1,250–10,000 |
| Pro $200（20x） | 200–2,000 | 500–4,000 | 5,000–40,000 |
⚠️ 官方明说这是估算区间，不是保证值。 实际能发多少条，取决于每条有多重——读十个文件的一条，和问一句话的一条，不是一回事。别拿这张表去做精确预算，它只能告诉你数量级。
看这张表要看的是比例：Luna 的条数比 Sol 多一到两个数量级。这就是「该用快档的时候别用深档」这句话的分量。
挑模型的实际办法
第一步：默认用 Terra。 大部分活儿它就够。
第二步：撞到下面任一条，才换 Sol：
- Terra 给的答案明显没想透，要你反复纠正
- 这件事错了代价大（对外发出去的、要拿去做决定的）
- 需要一步步推，中间任何一步错了后面全废
第三步：撞到下面任一条，换 Luna：
- 同样的操作要重复几十上百次
- 结果对不对你一眼能看出来
- 你已经在 Sol 上撞过额度了
有一件事别做
别在活干到一半的时候换模型。
换模型不会把之前的上下文丢掉，但不同模型的答题风格不一样——前半段是一个口径，后半段是另一个口径，最后你得自己去缝。
要换就在一件事开始之前换。
本节事实查证日期：2026-09-10。 依据：OpenAI 官方 Codex 用量说明。⚠️ 模型名与额度区间会变， 且官方将条数明示为估算区间——下单或做预算前请回官网核对。