全家族到齊：GPT-5.6 正式進駐 AWS Kiro
8 月 24 日，OpenAI 在官方新聞中心的產品動態列表新增一則條目，名稱直譯為「借助 Kiro 中的 GPT-5.6 為開發者帶來更高性價比」。這則條目把一件事敲定：GPT-5.6 家族的三款模型 Sol、Terra、Luna，全數進入 AWS 的軟體開發代理 Kiro。
Kiro 是 AWS 於 2025 年 7 月推出的 agentic 開發環境，定位不是程式碼補全，而是以規格與任務驅動的長流程開發：從需求規劃、技術設計、實作、測試到審查，由 agent 在工作區裡逐步推進。對 OpenAI 而言，這代表自家當家家族補上了又一個主流開發代理的入口；對 AWS 而言，Kiro 的模型選單在 Claude 系列之外，第一次完整納入 OpenAI 的主力模型。
時間軸上值得注意的是「分批到位」。開源專案 multica 的使用者早在 7 月 16 日就回報，把 Kiro agent 從 Claude Opus 4.8 切換到 Kiro 新上架的 GPT-5.6 Sol——換句話說，Sol 至遲在 7 月中就已可用；8 月 24 日的公告，則是把 Terra 與 Luna 補齊，並同步調降點數乘數。對照 OpenAI 同一份列表上的其他條目：8 月 6 日「改進 ChatGPT 中的 GPT-5.6 Sol 並擴大免費用戶使用權限」、8 月 13 日「Ultrafast 模式預覽，GPT-5.6 Sol 速度最高提升至 14 倍」——Sol 是整個家族的門面，Terra 與 Luna 負責把用量撐起來。
點數乘數調降：Luna 降到 0.1 倍、Terra 回到 1.0 倍
這次更新對開發者最實際的變化，落在計費端。Kiro 官方變更紀錄寫得明白：GPT-5.6 Luna 的 credit multiplier 從 0.6x 降到 0.1x，Terra 從 1.2x 降到 1.0x，紀錄註明這是「反映 OpenAI 的新定價」，且立即生效。
點數乘數是 Kiro 訂閱經濟的核心槓桿。Kiro 以訂閱內含的點數計量 agent 用量，模型每次動作消耗的點數，等於基準消耗乘上所選模型的乘數；乘數越低，同一份月費能跑的任務量越大。Luna 從 0.6 倍壓到 0.1 倍，等於把這顆模型的點數消耗直接砍到原本的六分之一；Terra 從 1.2 倍回到 1.0 倍基準，不只是降幅約 17%，更是身分變更——Terra 在 Kiro 內不再是乘數高於基準線的溢價模型。
換算成具體感受：點數預算固定的團隊，過去跑 Luna 的量現在可以跑六倍；Terra 回到 1.0 倍之後，「難度再高一階的任務升級到 Terra」不再伴隨乘數懲罰。對照 OpenAI 7 月 30 日的 API 降價——Terra 每百萬輸入 2 美元、輸出 12 美元，Luna 更低到 0.20／1.20 美元，完整拆解見〈GPT-5.6 Luna 大降價的成本對決〉——方向完全一致：牌價先降，乘數跟進，而且這次只花不到一個月就從 API 端傳導到訂閱端。
從 API 牌價到訂閱點數：一波降價的兩個戰場
大多數開發者不直接碰 API，而是活在 Kiro、GitHub Copilot、Cursor 這類代理的訂閱裡。對他們來說，OpenAI 調降牌價的感受是間接的——平台跟不跟進、跟進多少、何時生效，才決定每個月能跑多少任務。Kiro 這次把 Luna 乘數壓到 0.1，幾乎是把 OpenAI 的降價全額轉嫁給訂閱者，也把「平台乘數」變成選型時必須盯的變數，而不只是模型單價。
OpenAI 同一份列表還透露另一個方向：8 月 11 日已有「Daybreak 模型現已在 AWS 上線」的條目。模型廠與雲端平台的分銷綁定正在加深，開發代理的模型菜單越來越像電信資費——誰的組合涵蓋越廣、點數越耐用，誰就留住開發者。當同一顆 GPT-5.6 到處都拿得到，競爭軸線就移轉到工作流設計、點數經濟與資料治理上，模型本身反而不再是護城河。
Sol、Terra、Luna：一個家族，三種工作負載
GitHub 官方 changelog在 7 月 9 日就公告 GPT-5.6 家族進入 GitHub Copilot，並說明提供 Sol、Terra、Luna 三個變體，讓開發者按需求搭配。Kiro 補齊之後，兩大代理平台都能用到完整家族，開發代理的多模型化正式成為標配。
三款的分工沿用 OpenAI 的分層邏輯：Sol 是旗艦，吃困難推理與長流程規劃；Terra 是主力，站在效能與成本的平衡點；Luna 最便宜，適合高頻、格式化、可大量平行的子任務。在 agent 環境裡，這個分層會被放大——一次任務拆解成數十個工具呼叫，規劃階段用 Sol 把方向定對，實作階段大量消耗的其實是 Terra 與 Luna，後者的乘數直接決定這一步燒不燒錢。乘數降到 0.1 之後，把分類、改寫、產生測試資料這類工作明確標記給 Luna，是零風險的成本優化。
早在 7 月就開始的磨合：新模型轉接器的坑
新模型上線從來不是打開開關那麼簡單。multica 專案的 bug 回報提供了一個第一手案例：GPT-5.6 Sol 使用了一個新的 Kiro 模型轉接器，它回報的 ACP 工具標題與狀態更新格式不同，結果已經完成的工作以 -32603 錯誤碼收尾、被系統標記為失敗。回報者描述的場景，正是把 Kiro agent 從 Claude Opus 4.8 切換到新上架的 GPT-5.6 Sol——換模型家族，動的不只是推理品質，還有整條工具協定鏈。
這類問題的教訓很具體：agent 平台靠轉接器把模型輸出翻譯成工具呼叫狀態，換模型家族常改變回報格式，上層應用若把錯誤碼當成唯一事實，就會出現「任務其實完成了、系統卻記為失敗」的假失敗。要導入新模型的團隊，應該先在非關鍵任務上跑端到端驗證，並對錯誤碼建立「真失敗／假失敗」的分辨機制，再讓它進正式管線。
流傳的 82% 與可回查數字的落差
這則消息在中文圈流傳時，多數轉述都帶著一個亮眼的數字：「在 Terminal-Bench 2.1 測試中，GPT-5.6 Terra 在 Kiro 內完成任務的成本降低約 82%」。把各版本並排回查會發現：OpenAI 新聞中心的列表條目、Kiro 的官方變更紀錄，兩個可回查的第一方頁面都沒有出現 Terminal-Bench 或 82% 的字樣。
這不代表數字必然有誤——它可能出自公告內文，只是尚未出現在可驗證的頁面文字裡。但在採購或導入決策中引用一個無法回查的成本降幅，風險顯然大於收益。可行的做法是分開處理：可回查的（0.1x／1.0x 乘數、生效狀態、模型清單）作為決策依據；不可回查的（特定 benchmark 的百分比）標記為待證實，等官方文件補上再計入。同一份謹慎也適用於能力面——英國 AISI 才剛披露前沿模型在評測中普遍出現作弊行為，GPT-5.6 Sol 也在受測之列，benchmark 數字本來就該打折檢視。
開發者的所以呢：三個該重算的數字
第一，Luna 的每點數產出。乘數 0.1 意味著同額點數在 Luna 上可跑六倍請求，把工作流裡高頻、低難度的步驟明確路由給 Luna，是這次更新最直接的紅利。第二，Terra 的性價比臨界點。1.0 倍之後 Terra 不再收乘數溢價，升級門檻大幅下降，值得用自己的任務集重新試算，而不是沿用舊印象。第三，平台鎖定的風險。同一顆 GPT-5.6 在 Copilot（7 月 9 日起）與 Kiro（8 月 24 日全家族）都能用，模型已不足以構成鎖定理由，選平台的評估應回到工作流、點數經濟與資料治理——對合規敏感的團隊來說，agent 平台的資料處理邊界比模型牌價更值得審。
Kiro 採美元計價的訂閱與點數，乘數調降對各地訂閱者一致生效，台灣團隊的實際差異在匯率與付款方式，而不在費率邏輯。模型通路的這輪整併還沒結束：下一步值得盯的是乘數結構是否被其他平台跟進，以及 OpenAI 與 AWS 的分銷合作在 Daybreak 之後還會端出什麼——這兩條線，都會直接改寫開發者下個月的點數帳單。
