那个月 Codex 更新了，不仅换了 Logo，模型命名方式也变了。以前的 Instant、Thinking、Pro，现在变成了 Sol、Terra、Luna，再加上 Medium、High、Ultra，看得人一头雾水。
我查了一些资料，也结合自己的使用体验，尽量把这些概念讲清楚，希望大家看完之后知道它们分别代表什么，以及该怎么选。
OpenAI 从 GPT-5.6 开始，把原来的 Instant / Thinking / Pro，逐渐改成了三个固定的名字：
• Sol（太阳）
• Terra（地球）
• Luna（月亮）
官方说以后数字表示模型代际（5.6） ，名字表示模型能力层级。这样以后升级版本，只需要从 GPT-5.6 到 GPT-5.7，不需要每次再发明一套新的命名。
我个人觉得，这套命名挺容易记。切模型的时候，我脑子里想：宇宙里谁最大？ Luna → Terra → Sol，就知道该怎么大概能力了。
下面分别看看它们的定位。
一、Sol、Terra、Luna 有什么区别？
• Luna：最快、最便宜，适合聊天、翻译、简单代码、批量任务，可以理解成 Claude 的 Haiku。
• Terra：综合能力最均衡，适合写作、日常开发、办公等大部分场景，可以理解成 Claude 的 Sonnet。
• Sol：目前 GPT-5.6 家族的旗舰模型，适合复杂推理、Agent、科研、架构设计以及长代码等高难度任务，可以理解成 Claude 的 Opus。
二、Thinking Effort 又是什么？
除了模型本身，还有一个很多人容易混淆的概念：Thinking Effort。
它不是新的模型，而是用来控制模型愿意花多少时间思考的参数。
可以简单理解成：
• Sol / Terra / Luna 决定模型本身的能力。
• Thinking Effort 决定模型愿意投入多少思考时间。
所以两者其实是两个不同维度。
这次新增的 Ultra，就是目前最高的一档 Thinking Effort。
看到这个名字就感觉很霸气，必须试试看。
于是我拿 Sol + Ultra 跑了几天，分享几个让我印象比较深的地方。
三、Sol Ultra 用起来是什么感觉？
1. Agent 开始真的会主动干活了
模糊的需求可以帮我自动拆分任务，分给多个不同的 subagent(子任务) 去执行，我只负责验收。
真的能解放双手，叹着茶就把活给干了。
之前我都是要自己写好需求文档，拆好任务，半自动化的让 agent 去干活的，真的能很大的提高效率。
2. 长上下文能力明显更稳定
另一个让我比较满意的是长任务的表现。
比如在一个比较复杂的 Monorepo 项目里，一个任务连续跑了很长时间，Sol Ultra 对上下文的理解依然比较稳定。
这一点在工程化场景其实很重要。
以前任务跑久了，经常会开始"跑偏"，或者出现一些莫名其妙的幻觉。
这次我明显感觉这种情况少了很多。
Codex 负责人 Tibo 也在 X 上提到，希望大家可以把更多时间花在真正有野心的任务上，而不是不停回来纠正 Agent。我自己的体验和这个说法还是比较一致的。
四、Ultra 有没有缺点？
当然有，而且还不少。
首先就是性能。
不少人反馈，开启 Ultra 后，Codex App 会变卡。
不过有意思的是，现在 Codex 已经开始尝试"自己修自己"了。
它加入了类似 OpenClaw、Hermes Doctor 那样的能力，发现问题之后，会尝试自己定位并修复 Bug。
当然，这些修复过程消耗的还是你的 Token，总感觉像是在花自己的钱给 AI 看病，OpenAI 多少有点不礼貌了。
第二个问题就是成本。
有朋友实测，Sol Ultra 大约每分钟需要消耗 2～2.5 美元左右，20× / 5 小时的额度，大概只能连续跑三个小时左右。
对于重度使用 Agent 的人来说，成本还是挺高的。
所以重置哥 Tibo 的建议是：
平时把 GPT-5.6 Sol Medium 当作主力模型即可；真正遇到棘手的问题，再切到 Extra High；如果你追求最好的效果，而且不介意快速消耗额度，那 Ultra 确实是一头猛兽。
听劝，如果只是日常聊天、写代码、写文章，Terra 或 Sol 默认配置已经足够用了。
真正遇到复杂项目、长时间运行的 Agent，或者需要一次性把质量拉满的时候，再开启 Ultra，会更划算一些。
这篇文章写于刚发布没多久，前几天看到说 Luna 实测体验已经达到了 Terra 的水平，而且还便宜，大家可以试试。