引用 Ted Sanders

判断

选择 OpenAI 模型层级的 AI 产品与平台团队，应将 Luna < Terra < Sol < Astra 视为规模/成本的有序阶梯，而非较大模型在每项任务上都胜出的保证；权衡是用更高的每 token 成本换取可靠性与冷门事实回忆。

依据

Simon Willison 于 2026 年 10 月 28 日引用的 Ted Sanders 表示，LLM 性能是多维的：不存在固定排序让数学最佳模型也是笑话最佳模型。他说，大量性能差异可由一个变量解释，即模型规模：更大的模型通常性能/可靠性更好，每 token 成本更高，对冷门事实的回忆更好。他列出 OpenAI 的顺序为 Luna < Terra < Sol < Astra。他说，版本号编码发布顺序、与其他发布的关系以及改进幅度：6.1 在 5.6 之后，可能与其他 6.1 模型共享训练数据/个性（因此不是 5.7），且提升幅度不足以称为 7。这使得命名成为关于层级和成本的信号，而非逐项任务的能力排名。