GPT模型选型指南：模型 ID、ChatGPT 默认模型与可用入口

选择 GPT模型，既要看任务，也要看使用入口：OpenAI 的 GPT-6.1 Sol 可以作为复杂 Work 和 Codex 任务的起点，GPT-6 Luna 适合范围明确、反复执行的工作，GPT-6 Astra 则是面向高难度问题的旗舰。常规 ChatGPT 聊天又是另一套规则：Free 和 Go 默认使用 GPT-5.6 Luna，GPT-6 正逐步向符合条件的付费账户开放。只知道模型名称，还不足以判断自己的账户能用什么。

本文于 2026 年 10 月 25 日依据 OpenAI 的模型卡、弃用公告页和帮助中心核验。下文建议来自对这些资料的分析，并非模型实测结论。

GPT模型对比：模型 ID、上下文窗口与可用入口

OpenAI 当前的旗舰 API 阵容是 GPT-6 Astra、GPT-6.1 Sol 和 GPT-6 Luna。GPT-6 Sol 仍有独立文档；GPT-6 Pro 是由 Astra 驱动的 ChatGPT 选项；gpt-oss 则是可下载的分支。创始人让开发者在应用中复现 ChatGPT 的某次回答时，就必须分清这些区别。参见 OpenAI 模型目录。

下表的用途栏沿用 OpenAI 的简短描述，Pro 一行采用其对 Pro 选项的说明。上下文数值是各模型卡列出的精确 token 数，并不代表 ChatGPT 对话一定享有同样的上限。API ID 是软件调用时用来指定模型的标识符。Work 是 ChatGPT 中用于处理耗时较长的任务、产出完整交付物的功能；Codex 是其软件开发智能体。

可用性来源：Sol 和 Luna 发布公告、GPT-6.1 Sol 发布公告、Astra 发布公告、ChatGPT Work 与 Codex，以及 gpt-oss 部署合作伙伴。

Azure：尚未确认，意思是本次核查的 OpenAI 页面不足以确认该模型在 Azure 上的可用性，并不代表 Microsoft 无法提供。即使官方列出了某个部署渠道，也不代表你的地区或订阅一定有权使用。通过 Azure 采购的业务负责人，应先让开发者确认能够部署的具体模型，再向同事作出承诺。

OpenAI 的描述反映的是产品定位，并不保证所有任务都会遵循同一能力排名。模型家族的背景可参见 GPT-6 详解。

ChatGPT模型怎么选：先看套餐默认用什么

**Chat 套餐决定默认模型，以及你能选择的思考档位。**官方公布的开放目标，并不能证明每段已有对话都已切换。参见 ChatGPT 模型可用性说明。

来源：Chat 套餐通用对照表、Business 模型说明、Enterprise 模型说明。

ChatGPT 免费版用什么模型？聊天与桌面入口有区别

**同一个 Free 或 Go 账户，在不同功能入口可能用到不同代的 Luna。**OpenAI 的 Sol/Luna 发布公告说明，这些用户可在桌面应用中使用 GPT-6 Luna。这并没有改写帮助中心所列的常规 Chat 默认模型 GPT-5.6 Luna。比较回答之前，先确认使用入口。参见桌面应用访问说明。

创始人用 Chat 起草客户通知时，实际能选的是当前对话中显示的模型与思考档位。开发者用同一账户打开 Codex，则要单独查看 Codex 的模型选择。订阅提供的是一组各有设置的产品访问权，而不是给账户永久绑定一个模型。

GPT-5.6 会自动切换吗？已有的明确选择可能保留

**如果此前明确选中了 GPT-5.6 Sol，现有对话就会继续使用 GPT-5.6。**此次逐步开放会将原来的 Latest 选项迁移到 GPT-6，同时保留推理强度。参见已有模型选择的处理规则。

因此，同套餐的同事也可能看到不同模型。在将差异归因于回答出错或账户异常之前，先检查各自的对话设置与工作区权限。Business 和 Enterprise 的模型权限同样可能限制用户的可选范围。

OpenAI模型对比：分清模型、产品与推理强度

**凡是需要认真对待的结果，都应同时记录模型、产品和推理强度。**可以把模型看作发动机，产品看作车辆，推理强度则是要求发动机付出多少工作。车辆决定你能用哪些控制项和工具；单看发动机参数，无法描述整段行程。

在每周经营复盘中，只说“这是 ChatGPT 写的”，信息太少，无法复现。应记录所选模型，任务运行于 Chat、Work、Codex 还是 API 应用，以及思考设置。原始资料和指令也要保留。这样，结果出现变化时，接手的人才有明确的复现依据。

**提高推理强度，并不等于自动切换模型。**在 Plus 和 Pro 的 Chat 中，直接要求 Instant 对话“多想一想”，不会自动切换到更高思考档位，需要使用相应控制项。Business 可以通过 Higher intelligence 设置自动增加推理，因此不同工作区的行为可能不同。参见个人套餐规则与 Business 控制项。

业务负责人审阅发布计划时，如果需要协调多项相互制约的条件，可以提高推理强度。如果问题在于缺少一份原始文件，就先补齐文件。更多推理无法替代任务所需的事实。

Codex模型怎么看？确认当前到底在用哪一个

**Codex 并不存在一个适用于所有套餐、客户端和工作区的可靠统一默认模型。**OpenAI 建议，在可用时用 GPT-6.1 Sol 处理复杂编程和智能体工作流，用 Luna 处理范围明确、可重复的任务。具体可用性取决于登录方式与客户端。参见 Work 与 Codex 模型说明。

Codex 会保留你手动选定的模型。工作区管理员可以为 Work 和 Codex 设置起始模型与推理档位，这些设置独立于 Chat。CTO 若希望代码审查有一致基准，就应明确设置并记录，而不是默认所有工程师都继承了相同配置。参见起始默认设置。

1. 1

   查看当前模型选择

   在 Work 或 Codex 中，查看输入框下方的模型控制项。在交互式 Codex CLI 会话里，使用 /model 查看或更改模型及推理强度。

2. 2

   需要复现时，明确指定模型

   对于新的 CLI 会话，OpenAI 文档给出的命令是 codex --model gpt-6.1-sol。应选择账户和客户端实际开放的模型；指南里出现了某个名称，并不代表你就有使用权限。

3. 3

   检查客户端与工作区

   Astra 要求 Codex CLI 0.153.0 或更高版本。Enterprise 用户除了更新客户端，还应向管理员确认模型访问权限。

来源：Codex 模型控制项、Astra 客户端要求。

一次退役就能说明产品之间的边界：**2026 年 10 月 14 日 19:00 UTC，GPT-5.5 已从使用 ChatGPT 登录的 Codex 中退役。**OpenAI 表示，此次调整不影响 API 访问，也不影响使用 API 密钥的 Codex 会话。不能把 Codex 中的退役日期直接当成 API 停用日期。参见 Codex 退役通知。

上下文窗口有多大，实际能做什么？

**GPT-6.1 Sol 的 API 模型卡列出 1,050,000 token 的上下文窗口，而 Work 与 Codex 默认是 500,000。**Token 是文本或其他模型输入的一个小单位。上下文是单次请求可用的工作空间，并不承诺能容纳多少份完整文档，也不保证每个细节都会被正确使用。参见 API 规格与 Work、Codex 上限。

开发者分析代码仓库时，不能直接把 API 上限当作 Codex 任务的可用空间。应筛选相关文件，并为指令、工具结果和回答预留余量。业务负责人比较供应商方案时，应围绕待做的决策组织文档，并要求回答引用依据；资料堆得更多，不代表任务说明就更好。

GPT-6 模型卡还明确区分了上下文窗口与最多 128,000 个输出 token。输入容量和回答长度是两个不同的上限。可下载的 gpt-oss 模型卡列出的上下文为 131,072 token。应按计划采用的具体部署方式使用相应数值。参见 Astra 限制与 gpt-oss 限制。

迁移时需要权衡的具体问题，见 GPT-6.1 Sol 与 GPT-6 Sol 对比。

gpt-oss：哪些模型可以下载部署？

**如果自主掌控部署是硬性要求，可以考虑 gpt-oss。**开放权重，意味着可以下载并运行训练完成的模型文件。OpenAI 以 Apache 2.0 许可证发布 gpt-oss-120b 和 gpt-oss-20b，但没有通过自家 API 或 ChatGPT 提供这两个模型。模型目录里有模型卡，并不等于 OpenAI 提供了托管端点。参见开放权重模型说明。

OpenAI 表示，gpt-oss-120b 可装入 80 GB 内存，而 gpt-oss-20b 需要 16 GB。这些部署数字有助于区分服务器级实验和较小规模的本地实验，但不保证每台具备相应内存容量的设备都能达到实用速度。参见 OpenAI 部署指南。

如果 CTO 的要求是在受控基础设施内运行模型，这个分支值得评估。如果创始人只是需要一个托管助手，那么下载权重就意味着额外承担一项工作：运营推理服务、保障访问安全，并维护周边应用。选定模型之前，先明确谁来负责这项工作。

按模型卡说明，gpt-oss 仅支持文本。如果工作流依赖截图理解，不能想当然地认为 GPT-6 的图像输入能力也存在于这些权重中。参见 gpt-oss-20b 模态说明。

旧版 GPT模型何时停用？需要留意的退役日期

**盘点时要核对精确模型 ID，因为同一模型家族可能既有已退役快照，也有仍可用的快照。**以下列出部分通用文本与推理模型的 API 停用时间，来源为 OpenAI 的弃用公告页：

• **2026 年 10 月 23 日，已停用：**公告列出的 GPT-3.5 Turbo、GPT-4 和 GPT-4 Turbo 别名或快照；GPT-4.1 nano；gpt-4o-2024-05-13；以及公告列出的 o1、o1-pro、o3-mini 和 o4-mini 模型。
• **2026 年 12 月 11 日：**GPT-5、GPT-5 mini、GPT-5 nano、GPT-5 pro、o3 和 o3-pro，包括通知中明确列出的快照。
• 2027 年 1 月 14 日：gpt-4o-2024-08-06、gpt-4o-2024-11-20、gpt-4o-mini-2024-07-18、gpt-4.1-2025-04-14 和 gpt-4.1-mini-2025-04-14。OpenAI 指定的替代模型是 gpt-6-luna。
• 2027 年 4 月 1 日：gpt-5.3-codex、gpt-5.1、gpt-5.1-2025-11-13、gpt-5.4-nano 和 gpt-5.4-nano-2026-03-17。

Deprecated（已弃用）表示已经宣布停用计划，并不代表访问已经终止。Legacy（旧版）表示模型不再接收更新。OpenAI 的模型列表与模型检索端点还会提供可选的 shutdown_date 字段。参见状态定义与监测说明。

负责文档处理工作流的业务人员，应向开发者索取当前配置的模型标识符，以及备用模型标识符。把每个受影响的工作流纳入迁移计划，再用有代表性的文档验证替代模型。迁移完成的标准，是应用仍能产出合格结果，而不只是配置文件里换了一个更新的名称。

创始人、业务负责人和开发者该选哪个 GPT模型？

**先看任务失败的代价，以及部署受到哪些限制。**OpenAI 的 API 目录建议不确定如何选择的用户从 Astra 开始；Work/Codex 指南则推荐用 GPT-6.1 Sol 处理复杂编程，用 Luna 处理范围明确的工作。以下建议是实际评估的起点，不是基准测试排名。参见 API 选型起点与 Work/Codex 指南。

**对于已获融资的创始人：**如果战略文档事关重大，且证据彼此冲突，就用当前可用的最强模型，再对照来源审查其推理。这类任务可以尝试 Astra。但如果轻量模型已经能满足日常文案修改的要求，就没有必要将 Astra 设为前提。

**对于资深业务负责人：**重复执行的提取或分类工作流，可以从 Luna 和明确定义的输出要求开始。评估样本应包含棘手案例、字段缺失和记录矛盾。只有当失败需要更深入的理解判断，而非改进输入指令就能解决时，再升级模型。

**对于独立技术开发者：**在可用时，从 GPT-6.1 Sol 开始处理复杂代码改动。核对工具调用和推理设置期间，保留一套已经验证可用的原版 Sol 配置。想进一步区分综合性工程工作与范围严格限定的任务，可参见 Sol 与 Luna 对比。

**对于中型企业 CTO：**先确定组织允许的部署方式。使用 OpenAI API、部署到 Azure，以及自托管 gpt-oss，是不同的运维选择。之后再按同一验收标准比较符合条件的模型。如果某个更强模型只能部署在组织无法使用的环境中，它就不应进入候选名单。

当前费率请参见专门的 OpenAI API 价格指南。

别被新型号带偏：模型名称替代不了部署方案

模型名称更新，不代表访问权限、集成方式和输出质量的问题就解决了。“使用 GPT-6”没有说清具体是哪一个家族成员；“包含 Astra”没有说清产品入口和使用额度；“大上下文”没有说清实际产品中的工作上限。作出业务承诺之前，先问清完整配置。

可以按以下规则决策：

• **立即行动：**当前配置的模型已经退役或即将停用，或者替代模型能解决工作流中确实存在的失败问题。
• **先评估再切换：**更换 Sol 代际会影响工具调用、推理设置，或应用可处理的文档。
• **暂时等待：**工作流已经达到验收标准，换模型的唯一理由只是名称更新了。持续关注其退役日期即可。
• **保持现状：**退役只涉及其他产品或认证方式，例如 Codex 的 GPT-5.5 调整并不影响 API 密钥会话。

升级模型之前，值得用自己的输入、预期输出和审查流程，做一次小规模、有代表性的对比。厂商定位有助于筛选候选模型，最终能否接替现有工作，则由你的验收标准决定。

常见问题

OpenAI 用的是什么模型？

OpenAI 在不同产品中使用不同模型。旗舰 API 目录列出 GPT-6 Astra、GPT-6.1 Sol 和 GPT-6 Luna；ChatGPT 的模型选择取决于套餐与功能入口。参见当前模型目录。

AI 模型有哪些类型？

就本文讨论的选型而言，应区分通用文本与推理模型、专门的图像或音频模型，以及可下载的开放权重模型。先看任务需要什么，再看模型能在哪里运行。OpenAI 在模型目录中分别列出了这些类别。

GPT-2 是什么模型？

GPT-2 是 OpenAI 于 2019 年公布的早期 Transformer 语言模型，训练目标是预测下一个词。它是理解这一模型阵容的历史背景，并非当前 ChatGPT 套餐中的模型名称。参见 OpenAI 的 GPT-2 公告。

GPT模型有哪些限制？

上下文、输出长度、支持的输入类型和工具兼容性，会因模型与产品而异。上下文窗口大，也不保证回答正确。开发应用时，应核对模型卡，并用结果已知的样本评估完整工作流。参见 GPT-6 指南。

哪些信息不该告诉 ChatGPT？

没有获得授权、也没有经批准的数据处理安排时，不要粘贴密码或机密材料。OpenAI 建议，不要输入你不希望被审查或使用的敏感信息；同时应检查账户的 Data controls 设置与组织政策。参见消费者服务数据说明。

哪个 GPT 完全没有使用限制？

没有任何选项在所有维度上都无限制。日常聊天额度不会消除上下文限制、工具限制、推理额度或安全防护。Business 明确区分了近乎无限的 Instant 聊天，与推理、Pro、Work 和 Codex 的使用量。参见 Business 限制。

哪个 AI 没有内容审查？

开放权重描述的是能否取得模型文件，并不承诺模型行为不受限制。OpenAI 表示，gpt-oss 接受过安全训练。如果你的需求是自主控制部署，就直接评估这一点，不要依赖“无审查”的标签。参见 gpt-oss 发布说明。

有比 ChatGPT 更好的 AI 吗？

不明确任务，就没有有意义的通用答案。ChatGPT 是产品，GPT 模型只是其中一个组成部分。应围绕自己的文档、所需工具、可接受的错误和审查负担，比较完整工作流。

有史以来最笨的 AI 是哪个？

这不是有用的选型标准。小模型可能胜任范围有限的信息提取任务，能力更强的模型也可能因为缺少上下文而失败。应先定义工作，再检查失败原因，而不是用贬损标签给系统排名。

下周一就做：列出业务工作流的模型清单

**为业务依赖的工作流建立模型清单。**逐项记录产品、精确的模型选择、推理强度、负责人，以及停用日期（如有）。让负责人各找出一个通过验收和一个未通过的案例。先处理已经退役的依赖，再针对影响实际工作的失败评估升级。

有了这份清单，“我们到底在用哪个 GPT？”就能得到可核验、可持续维护的答案。

想持续了解实用的模型与工作流更新，可以订阅邮件通讯。