GPT-5.6 发布后，我朋友圈里那帮天天写代码的哥们，第一反应不是“这代推理有多牛”，而是纷纷在群里晒账单。
“一上午跑了 30 刀，这谁顶得住？” “我就改了个 React 组件，怎么额度掉得跟流水一样？”
这次 OpenAI 把 GPT-5.6 拆成了 Sol、Terra、Luna 三个模型，再加上一堆推理档位和 Codex 里的各种子代理，选择变多了，但踩坑的概率也翻倍了。
很多人一上来就默认拉满“Sol + Max 推理”，结果写个简单的脚本，后台悄悄跑了十几轮，账单直接炸裂。
我们今天不聊官方那些虚头巴脑的 PPT 指标，只聊点肉身踩坑的真实体感：这三个模型到底蠢在哪里、强在哪里，怎么配才能保住你的钱包。
别看 PPT 了，这是我用真金白银砸出来的体感
官方给 Sol、Terra、Luna 的定价分别是 5 刀、2.5 刀和 1 刀（每百万 Token 输入）。看起来是阶梯定价，但实际用起来，它们的智商差距比价格差距还要残忍。
1. Luna：别指望它能通读项目，它连 3 个文件的关联都理不清
很多人觉得 Luna 便宜，想拿它当日常主力。我劝你趁早放弃这个念头。
Luna 的智商上限极低。我昨天试着让它重构一个稍微带点异步逻辑的 Python 脚本，它写着写着就开始鬼打墙，反复在两个 if-else 里面反复横跳。
你跟它纠错，它就一直“对不起，我理解错了”，然后换个姿势继续写错。最后折腾了 5 轮，不仅没解决问题，反而白白浪费了 5 轮的 Token。
Luna 只配干一种活：单步、且结果一眼就能看出对错的脏活。
比如：
- 把一批中文文案翻译成英文（好不好一眼能看出来）；
- 按照固定格式整理一下会议纪要；
- 批量生成 i18n 的 JSON 配置文件。
只要任务稍微需要一点“跨文件推理”，立刻换掉它，否则它会用反复翻车来消耗你的额度。
2. Terra：性价比最高的“老实人”，日常无脑选它
Terra 是这次最让我惊喜的模型。它的价格只有 Sol 的一半，但日常写代码的体感能达到 Sol 的八成。
在处理常规业务逻辑、写单元测试、或者修一些常见的 React Hydration 报错时，Terra 配合 Medium 推理档位，基本都是一轮过。
最重要的是，它不会像 Luna 那样容易“胡说八道”，也不会像 Sol 那样动不动就陷入深度思考、半天不吐字。
如果你不知道该用哪个，日常配置无脑锁死 Terra + Medium。
3. Sol：别当默认档用，它是你搞不定问题时的“核武器”
Sol 确实强，尤其是处理长链路的 Coding Agent 任务。
但我发现一个细节：Sol 在 “Max” 推理档位下，慢得像便秘。
写个稍微复杂点的算法，它能卡在那里“思考”两分钟。如果是急着用代码，千万别开 Max 档，High 档足够了。
我个人的策略是：日常绝对不用 Sol。只有当 Terra 跑了两轮还是定位不出 Bug，或者要重构核心的安全、金融模块时，我才会把 Sol 请出来。
这时候就别省钱了。Terra 跑 3 轮没解决问题花的钱，够 Sol 跑一次直接搞定了。
为什么你的额度掉得比别人快？
很多人纳闷，我也没怎么疯狂调 API 啊，怎么额度一天就没了？
因为在 Codex、Cursor 这类 Agent 工具里，很多消耗是在后台偷偷发生的。
坑点一：长上下文的“价格刺客”
OpenAI 这次有个隐藏规则：一旦你的上下文超过 272K tokens，输入价格会直接翻倍。
Agent 工具最喜欢干的事，就是悄悄把你的历史报错、重复的终端日志、甚至整个 node_modules 里的无关文件都塞进上下文。
你以为你只是发了一句“帮我改个按钮颜色”，其实后台带了十几万字的前戏，一次请求就触发了高倍率计费。
坑点二：子代理（Sub-Agent）乱开
有些工具支持自动开子代理去解决问题。
相信我，对于 90% 的日常开发，把这个功能关掉。
改个组件样式，它能给你拆出 3 个子代理互相讨论、互相调用工具，最后给你整出一份长达数万字的“讨论报告”，额度直接暴崩。
实战：如何在 Codex 里配置模型服务
Base URL：https://token.ithinkai.cn/v1
API Key：YOUR_API_KEY
Model：以服务文档为准，最新模型 gpt-5.5、claude-opus-4-8、gpt-image-2 等可按文档查看；涉及图片生成时，以 0.05¥/图起、2k/4k 支持等服务文档说明为准。
聊完避坑指南，我们来看看怎么在实际工具里配置。
不管你用什么工具，配置第三方兼容服务时，核心就是三个东西：Base URL、API Key 和 Model 名称。
配置时的固定信息如下：
Base URL：https://token.ithinkai.cn/v1
Key：YOUR_KEY
Model：以服务文档为准，最新模型 gpt-5.6-sol、gpt-5.6-terra、
gpt-5.6-luna 等可按文档查看；涉及图片生成时，以 0.05¥/图起、2k/4k 支持等服务文档说明为准。
具体的折腾步骤如下：
第一步：打开台
第二步：在模型广场里挑模型、选分组
在模型广场里用 gpt 搜一下，能看到 GPT-5.6 的几个新模型。先看好你要用哪个，比如我想用 gpt-5.6-terra。
看准这个模型对应的分组或者线路，记下来，后面创建令牌时要绑定。
第三步：去控制台建个令牌
去令牌管理页面，点添加令牌。把刚才挑好的模型分组勾上，这样这个 Key 就能正常调用新模型了。
生成 Key 之后复制好，别弄丢了。
拿到 Key 之后，回到你的 Codex 配置文件（比如 ~/codex/config.toml），我建议你加上这两行限制，主动把上下文和子代理锁死，别让它瞎跑：
# 默认用性价比最高的 Terra
model = "gpt-5.6-terra"
# 强行限制上下文，不给它触发长上下文翻倍计费的机会
model_context_window = 272000
model_auto_compact_token_limit = 240000
# 日常开发，把子代理关了，省得它自己跟自己聊天
multi_agent = false
改完配置后，记得重启一下 Codex 终端，或者新建一个 Session，老 Session 有时候会缓存旧的上下文，导致配置不生效。
总结一下我的省钱野路子
- 写一行
.gitignore或者在工具里配置排除文件：把dist、build、还有各种大体积的 log 文件排除掉。别让 Agent 扫描到它们，这是最容易漏掉的 Token 黑洞。 - 能用 Terra 解决的，绝不用 Sol。
- 给任务定好边界：在提问时，直接告诉它“只修改
components/Header.tsx，不要动其他文件”，不给它发散的机会。
用 AI 辅助编程是为了提高效率，要是每天盯着账单肉疼，那就本末倒置了。把模型路由做好，该省省该花花，才是最舒服的姿势。
