新闻详情

新闻详情

首页 / 资讯中心 / 详情

GitHub Copilot新增GPT-6 Sol与Luna:GPT-6家族三款模型如何选?

发布时间:2026/11/5 2:37:41来源:尧图网络
GitHub Copilot新增GPT-6 Sol与Luna:GPT-6家族三款模型如何选?
GitHub 在 2026 年 9 月 22 日的 changelog 中宣布OpenAI 的 GPT-6 家族在 GitHub Copilot 中扩展新增 GPT-6 Sol 和 GPT-6 Luna与此前发布的 GPT-6 Astra 一起构成 Copilot 中的 GPT-6 模型选项。官方将这次更新描述为让用户按任务选择模型覆盖日常智能体编码到快速、成本高效的辅助场景。官方对两款新模型的定位非常明确。GPT-6 Sol 是平衡型模型面向交互式和智能体编码适合需要仔细、多步验证的开发任务官方称其为强全能选择。GPT-6 Luna 是轻量、成本高效模型面向更小、更快的任务是 GPT-6 家族中成本最低的选项。两者均按用量计费定价需查看 GitHub Copilot 模型与请求的定价文档。可用套餐方面GPT-6 Sol 面向 Copilot Pro、Max、Business 和 Enterprise 计划GPT-6 Luna 面向 Copilot Pro、Pro、Max、Business 和 Enterprise 计划。也就是说Copilot Pro 用户在本轮新增中可选用 Luna但 Sol 需要 Pro 或更高计划。模型选择器出现在 Visual Studio Code、Visual Studio、Copilot CLI、GitHub Copilot cloud agent、GitHub Copilot app、github.com、GitHub Mobile iOS 和 Android、JetBrains、Xcode、Eclipse。官方提醒 rollout 将逐步进行若暂时看不到模型需稍后再看。企业侧Copilot Enterprise 和 Copilot Business 管理员可以通过 Copilot 设置中的模型策略管理 GPT-6 模型访问。默认模型启用逻辑下新模型会自动启用除非管理员关闭全局默认或明确禁用该模型。这意味着企业开发者能否在模型选择器中看到 Sol/Luna取决于管理员的策略配置而不是只取决于个人套餐。以下为工程分析非官方事实。如果任务需要多步推理、工具调用后的验证、交互式智能体编码Sol 的官方定位最匹配如果任务是轻量补全、快速问答、小范围代码修改或对成本敏感Luna 更合适。对于已有 Astra 使用习惯的团队本条目没有重复 Astra 的定位细节因此不宜仅凭本条 changelog 判断 Astra 与 Sol/Luna 的替代关系更稳妥的做法是在模型选择器中按任务实测。对于 Copilot Pro 用户若工作流需要 Sol需要考虑升级到 Pro 或更高对于 Pro、Max、Business、Enterprise 用户可按任务在 Sol 与 Luna 之间切换把 Sol 留给需要验证的多步任务把 Luna 留给低成本的快速任务。对 AI 编程工作流的影响主要在三点。第一模型选择从单一默认变为按任务分层同一账号可在不同 IDE 和入口选择不同 GPT-6 模型但具体可用性仍受套餐和 rollout 影响。第二用量计费让模型选择直接关联成本Luna 的官方定位是家族最低成本适合把高频小任务分流过去Sol 面向复杂多步任务适合保留给高价值请求。第三企业管理员需要主动检查模型策略默认自动启用意味着组织可能已经开放新模型若希望限制使用或统一管理需要在 Copilot 设置中调整。最后官方给出的下一步是查看所有可用模型的文档并在 GitHub Community 的 Copilot 讨论区反馈。如果你在模型选择器中没看到 Sol 或 Luna先确认套餐资格、管理员策略和渐进 rollout 状态再决定是否调整工作流。
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/4 15:56:54

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/4 22:55:41

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/4 17:01:23

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/4 12:33:12

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/4 1:25:31

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/4 3:51:11

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉