Luna 高档位，把 Sol 低档位打没了。 同一张 Agentic Coding 成本图里，最有用的结论就这一条。 编…

Luna 高档位，把 Sol 低档位打没了。 同一张 Agentic Coding 成本图里，最有用的结论就这一条。 编程 Agent 选模型，先别盯着名字，先看 effort 档位。

这张 Artificial Analysis Coding Agent Index v1.1，把横轴放成 API 成本，纵轴放成 Index score。 越往右越贵。 越往上越能打。

GPT-5.6 Luna 从 Light 到 Ultra，一路从 40 多分爬到 70 多分。 成本大概还压在几百美元区间。 同一段区域里，Sol 的低档位并没有给出足够的分数溢价。

所以原作者那句话很实用。 除非你明确需要 Terra Ultra 那一档性能，否则 Luna 提高 effort，往往同分或更强，还更便宜。

再往上看，GPT-5.6 Terra 和 Sol 确实能把分数推到 80 附近。 但成本也开始从 1000 美元、2000 美元往上走。 这已经不是日常写代码的默认选项，更像关键任务时买确定性。

Claude Opus 4.8 的线也很清楚。 Medium 大概 67 分，Max 大概 73 分，成本却从 1000 多美元拉到 2000 多美元。 Claude Fable 5 更夸张，接近 3700 美元，分数大约 77。

Gemini 3.1 Pro Preview 在图里只有 40 多分。 便宜不便宜已经不是第一问题，问题是它还没站到这条赛道的有效区间里。

给普通工程团队的保存版选择表很简单。 低成本试错，用 Luna 高 effort。 需要更稳的高性能，再看 Terra。 真的要冲顶，再碰 Sol Ultra。 Sol Extra 可以先划掉。

AI 编程的成本曲线，正在变得像云计算。 贵模型不是信仰，effort 档位才是旋钮。 会调旋钮的人，先省钱，也先接近生产力。