在 WorkBuddy 中接入 GPT-5.6 后，别急着一直使用默认的 gpt-5.6-sol。

三款模型的侧重点并不相同：

• Sol：复杂任务，质量优先

• Terra：日常使用，兼顾能力与成本

• Luna：简单、高频、批量任务

选对模型，不仅能减少反复修改，也能避免所有任务都固定使用同一款模型。

如果你的WorkBuddy没接入GPT-5.6，看这个：WorkBuddy 接入 GPT-5.6，自定义模型配置教程

---

📌 一、三款模型区别

根据 OpenAI 官方定位，三款 GPT-5.6 模型的主要区别如下：

模型	官方定位	建议场景
gpt-5.6-sol	面向复杂专业工作的旗舰模型	复杂编程、深度分析、重要任务
gpt-5.6-terra	平衡能力与成本	日常办公、内容处理、常规编程
gpt-5.6-luna	面向成本敏感的高频任务	摘要、分类、信息提取、批量处理

⚠️ 表格中的具体场景属于结合模型定位给出的使用建议。

通过 WorkBuddy 接入第三方接口时，实际价格、额度和计费方式，以接口服务页面为准。

---

🚀 二、不同任务怎么选

1. Sol：处理复杂任务

gpt-5.6-sol 是 GPT-5.6 系列的旗舰模型，适合复杂、重要、需要深度推理的任务。

可以优先用于：

• 分析大型代码项目；

• 排查复杂 Bug；

• 设计项目架构；

• 完成深度分析或重要终稿。

如果 Terra 或 Luna 的结果遗漏较多，需要反复修改，可以切换到 Sol。

简单说，Sol 更适合处理难题。

2. Terra：负责日常任务

gpt-5.6-terra 更强调能力与成本的平衡，适合作为常规任务的起始模型。

可以优先用于：

• 编写和修改常规代码；

• 解释代码逻辑；

• 整理文章结构；

• 日常写作和办公辅助。

如果任务难度不高，但又希望保证结果质量，可以先从 Terra 开始。

3. Luna：完成批量任务

gpt-5.6-luna 更适合成本敏感、高频或批量处理的任务。

可以优先用于：

• 生成内容摘要；

• 分类和整理文本；

• 提取固定字段；

• 批量改写标题或生成初稿。

Luna 适合处理规则清楚、数量较多的任务。遇到复杂推理或重要工作时，再切换到 Terra 或 Sol。

---

🔍 三、用真实任务测试

模型名称只能作为参考，最可靠的方法还是用自己的真实任务进行对比。

准备同一份提示词和材料，分别测试三款模型，重点观察：

1. 结果是否准确；

2. 是否遗漏关键要求；

3. 需要修改多少次；

4. 响应效率和实际成本是否合适。

⚠️ 测试时不要临时更换提示词或材料，否则很难判断差异来自模型，还是来自任务本身。

如果不想三款都测试，可以采用逐级选择：

先用 Terra → 结果不理想就升级 Sol → 任务简单且数量多就改用 Luna

---

🔄 四、在 WorkBuddy 中切换

新手不需要一开始就配置三款模型，可以先添加最常用的一款。

推荐顺序：

• 日常使用较多：先配置 gpt-5.6-terra；

• 复杂编程较多：先配置 gpt-5.6-sol；

• 批量处理较多：先配置 gpt-5.6-luna。

如果已经添加了多个自定义模型，开始聊天前，直接在 WorkBuddy 的模型列表中切换即可。

切换时重点检查：

• 模型名称是否填写正确；

• API Key 类型是否与模型对应；

• 配置保存后是否切换到新模型；

• 聊天页面显示的是否为当前准备使用的模型。

⚠️ 保存配置不等于已经启用。如果没有手动切换，聊天时仍可能使用原来的默认模型。

---

✅ 五、选择总结

选择模型不必想得太复杂，先根据任务难度判断：

复杂任务选 Sol → 日常任务选 Terra → 简单批量任务选 Luna

比较实用的搭配是：

• Terra 负责日常写作、办公和常规编程；

• Luna 完成摘要、分类和批量处理；

• Sol 解决复杂编程、深度分析和重要任务。

如果仍然拿不准，就用同一份提示词分别测试，再从结果质量、修改次数、响应效率和实际成本四个方面比较。

模型没有固定答案，适合当前任务的，才是更好的选择。