GPT-6 Astra、Sol 和 Luna：为生产级智能体选择合适的模型GPT-6 系列进一步扩展：GPT-6 Sol 和 GPT-6 Luna 正式加入 Microsoft Foundry 的正式可用模型阵容。GPT-5.6 Sol 和 GPT-6 Astra 在客户中的应用势头强劲。在此基础上，此次发布继续为 Microsoft Foundry 带来变革性能力，减少模型输出中的噪声，让智能体更有能力完成整项任务。
Astra 将高级推理、软件工程和计算机操作能力带入既需要判断、又需要执行的高难度工作。Azure 客户反馈，Astra 的能力实现了跃升；它以更少、价值更高的 token 驱动智能体，展现出出色的性价比。
GPT-6 Sol 和 Luna 的加入进一步完善了这一阵容：Sol 擅长通用任务，Luna 则为大批量数据处理和前期准备工作提供高效的智能支持。
哪款模型适合某项工作，应通过评估来确定：处理复杂业务决策的智能体，与分发常规请求的智能体，需求并不相同。对于高难度工作，微软建议客户优先从 GPT-6 Astra 开始。面向更大业务量的工作负载，GPT-6 Sol 和 Luna 延续了这一进展，为生产应用和规模化运行提供互补的选择。
GPT-6 Sol：支持生产级 AI 智能体与复杂工作流
GPT-6 Sol 及其经过验证的前代模型 GPT-5.6 Sol，提供性价比略高的智能能力，效率也达到前沿水平。它们支持企业智能体、编程和复杂知识工作，包括多步骤推理、长上下文分析，以及调用工具的工作流。对于正在评估下一项生产工作负载，或准备从旧模型迁移的团队，Sol 是一个很好的起点。
GPT-6 Luna：高效处理大批量 AI 任务
GPT-6 Luna 是 Sol 同系列中体量更小、速度更快的模型，专为大批量任务打造。它适合信息提取、摘要生成、请求路由和日常客户交互。应把深度推理留给真正需要它的步骤，而不是让所有任务都使用同一款模型。
GPT-6 阵容的扩展，带来的机会不只是换用更新的模型，更是在节省成本的同时，让智能体完成更多工作。客户应将目光从每个 token 的价格转向每项任务的成本，因为后者更有助于衡量 AI 的投资回报率。
每项任务的成本与完成质量，共同影响模型的选择。下图展示了 Microsoft Foundry 企业客户转向 GPT-5.6 Sol 和最新 GPT-6 模型的依据。
图示采用 Artificial Analysis Intelligence Index v4.3.2，评分与任务成本截至 2026 年 9 月 22 日；横轴为每项基准测试任务的成本，使用对数刻度。
Foundry 将评估与监控结合起来，让团队能够依据实际数据做出选择。衡量这些进展的真正标准，是客户在生产环境中能够做到什么。这也正是 Foundry 始终支持多模型选择，以及开放、互操作技术栈的原因。
能够使用前沿模型，只是起点。Foundry 不仅提供 GPT-6 的智能能力，也提供企业生产环境所需的多种部署选择。目前，Astra、Sol 和 Luna 均支持标准部署，提供 Global 及美国、欧盟数据区选项；Astra 和 Sol 支持预配吞吐量（Provisioned Throughput），覆盖 Global 区域及美国、欧盟数据区；Sol 还支持优先处理（Priority Processing），覆盖 Global 区域和美国数据区。Azure 广泛的覆盖范围和出色的性能，既是 OpenAI 持续选择在 Azure 首发的原因，也是 Manus 等具有丰富实践经验的客户选择 Foundry 的原因。
Azure OpenAI 模型为 Manus 提供了核心智能支持。通过 Azure，我们能够将先进模型可靠地集成到智能体工作流中，让 Manus 理解用户意图、规划任务并执行复杂工作。微软的技术支持响应及时，我们也能快速用上新模型能力。这帮助我们迅速迭代，为用户提供领先、可靠的 AI 体验。
— Tao Zhang，Manus 联合创始人兼产品合伙人
对于刚开始在 Azure 上应用 AI 的客户，如果需要灵活、按 token 付费的容量，可以选择 Global 部署；如果对数据处理地点有要求，可以选择受支持的数据区部署。优先处理为需要快速响应的按量付费应用提供优先通道；预配吞吐量则为关键生产需求提供预留容量和更低的延迟。从交互式智能体到高吞吐量业务流程，都应根据工作负载选择合适的推理服务方式。
这就是 Foundry 的优势：既提供前沿智能，也提供将其投入实际应用的平台。团队可以为每项工作负载匹配合适的模型、部署方式和管控措施，在应用规模扩大时兼顾能力、响应速度与成本。通过在 Azure 上整合这些选择，Foundry 帮助客户专注于创造业务价值，并提供运维基础，让展现潜力的智能体走向大规模生产应用。
在我们客户所处的领域，仅仅得到答案还不够——答案必须正确，也必须经得起审查。最新的 Azure OpenAI 前沿模型能够分步骤推理，并让我们理解这些步骤，因此可以用于专业人员所依赖的研究与合规工作流。基于 Microsoft Foundry，我们可以将这些智能体工作流投入生产，所依托的基础设施和服务已经满足我们在治理、数据驻留和安全方面的要求。
— Brian Diffin，Wolters Kluwer Tax & Accounting 首席技术官
以下为 Microsoft Foundry 中 GPT-6 的 Global Standard 输入与输出价格，单位为美元／百万 token。短上下文和长上下文分别计费。
缓存输入、缓存写入及美国、欧盟数据区还涉及不同计费项目与价格。完整价格和条款可查阅 Azure OpenAI 定价页面。
使用 Microsoft Foundry 构建更安全的 AI 智能体在 Azure 上运行的 GPT-6 模型，从模型内部到外围都设有多层安全防护。最核心的一层来自模型内置的对齐与安全训练；围绕模型的提示词和输出，则由内容筛选器与防护栏保护，约束智能体可以说什么。在此之外，工具调用及其响应受到管控措施和提示词注入防护的保护，约束智能体可以执行哪些操作；身份与访问则由企业策略保护，限定智能体可以访问的范围。
Foundry 帮助团队随着风险变化持续强化各层防护。它在关键检查点应用防护栏，包括提示词、输出、工具调用和工具响应。身份与访问控制决定智能体可以执行哪些操作、访问哪些资源；Microsoft Purview 负责执行企业数据策略。评估、追踪和监控为团队持续优化这些管控措施提供依据，各个阶段也都设有人工检查点。
在 Microsoft Foundry 中构建下一批智能体工作负载：高难度推理从 GPT-6 Astra 开始，通用生产应用选择 Sol，大批量任务则用 GPT-6 Luna 扩展规模。对于仍在使用旧模型的客户，我们建议评估升级至 GPT-5.6 Sol 或更新的模型。
你的下一款智能体，需要的不只是一款强大的模型。Foundry 将开放的智能技术栈、灵活的部署方式和 Azure 企业级管控能力结合起来，让你能够更有信心地构建应用，从首个工作负载逐步扩展到生产环境。
Claude Opus 5.5：持续推进编程与知识工作AI 模型正在承担远超单次提示词的工作：在代码库中开发功能、调查复杂问题、综合数百页资料，或推进多步骤业务流程。
随着任务变长，模型的智能水平只是其中一个考量因素。它还需要持续聚焦任务，在执行过程中作出合理判断，清楚地说明自己正在做什么，并交付便于人们快速审阅和使用的成果。Claude Opus 5.5 已在 Microsoft Foundry 上线，为构建 AI 应用与智能体的开发者和企业带来 Anthropic 能力最强的 Opus 模型。
Claude Opus 5.5 面向日常复杂工作。相较于 Opus 5，它在智能体编程、知识工作和长时间任务上进一步提升，同时让用户更容易理解模型做了什么、发现了什么，以及下一步需要哪些输入。它还能以更少的 token 完成更多工作；在效率提升的基础上，更低的 token 单价和大幅降低的缓存读取价格进一步降低了使用成本。
编写一个函数，与完成涉及多个服务的功能、在大型代码库中追查生产问题，或把一项任务从调查推进到实现与验证，是不同层次的工作。Opus 5.5 正是为这类耗时更长的工作流而设计。
在软件开发中，它可以在代码库中持续开展功能开发、调试、重构和代码审查。它会先定位根本原因，再做修改；在推进过程中检查自己的工作，并用清楚的语言解释改动，方便工程师快速审阅并建立信任。
这些能力在智能体编程环境中尤为重要，因为一次会话可能包含数十个步骤，并持续较长时间。同样的需求也存在于软件开发之外。
对于知识工作者，Opus 5.5 可以整合多个来源的信息，处理长文档和电子表格、开展分析，并协助制作备忘录、报告和演示文稿。与 Opus 5 相比，它生成的成果在分享前需要的编辑更少。
智能体承担的自主工作越多，就越需要让人持续参与，同时避免让过多的过程信息淹没用户。
智能体执行了 50 个步骤，不应意味着用户也必须逐一检查 50 个步骤，才能判断任务是否成功完成。Opus 5.5 改进了执行过程中的沟通方式，让长时间任务更容易跟进。它会突出用户最需要了解的信息：
目标很明确：减少梳理模型执行过程的时间，把更多精力放在使用成果上。这对企业智能体尤其重要。用户需要了解的不只是最终答案，还包括智能体何时需要澄清、遇到了什么限制，以及哪些决定需要人工判断。
Opus 5.5 采用自适应推理（adaptive thinking），自动判断一项任务需要投入多少推理。开发者通过 effort 调节模型对请求的投入程度，无需手动指定推理 token 预算，让它适应从相对简单的请求到需要深入分析的复杂问题。
对于构建智能体的开发者，这有助于减少应用中用于判断模型何时推理、如何推理的额外逻辑。
长时间运行的智能体面临的挑战不只来自模型能力。对话可能超过上下文限制，可用工具可能发生变化，应用也可能需要压缩早期上下文，同时保留模型对已完成工作的理解。
Anthropic 随 Opus 5.5 同期推出了面向这些场景的 beta API 能力，包括异步上下文压缩、保留尾部内容的压缩（keep-tail compaction），以及在会话中更换工具时保留推理内容与提示词缓存。这些能力有助于开发者维持长任务的连续性，减少每次上下文或可用工具变化时重新构建应用状态的需要。
结合 Microsoft Foundry，开发者可以将 Opus 5.5 纳入更完整的智能体系统，将模型与企业数据、工具、评估和运营工作流连接起来。
随着模型能力提升，Anthropic 也在扩大 Opus 5.5 的安全防护范围。它是首个采用类似 Claude Fable 5.1 安全分类器的 Opus 模型，覆盖网络安全、生物学、AI 开发和模型蒸馏等领域。
在常见的开发、教育和知识工作场景中，客户仍可使用模型识别软件漏洞、学习生物学概念等。对于 Anthropic 判定为风险较高或具有双重用途的某些请求，系统可能交由另一款配有相应安全措施的 Claude 模型处理。
这也体现了部署更强模型时日益重要的一项要求：在推进模型能力的同时，应用与这些能力相适应的安全措施。
Opus 5.5 在 Microsoft Foundry 中提供 Azure 托管，Global Standard 和美国 Data Zone 部署均已正式可用。
其常规与长上下文请求的下列报价一致，单位为美元／百万 token；适用于上述 Global Standard 和美国 Data Zone 部署。
选择模型，只是把 AI 投入生产的开始。Microsoft Foundry 为开发者提供统一的平台，用于发现模型、构建和评估 AI 应用与智能体、连接企业数据和工具，并在生产环境中运行这些系统。
当模型能够承担更完整的工作时，关注点也从“它能否回答这条提示词”，转向“我能否信任它继续推进这项工作”。Claude Opus 5.5 朝这个方向又迈出了一步：更好地完成复杂工作、更灵活地进行推理，也让人与协同工作的 AI 系统之间的沟通更加清楚。
