Ted Sanders 解释 OpenAI 模型命名规则：Luna < Terra < Sol < Astra

Quoting Ted Sanders

AI 导读

OpenAI 的 Ted Sanders 解释，LLM 性能虽然高度多维，但大部分差异可由模型规模这一单一变量解释：模型越大，性能与可靠性越高、每 token 成本越高、对冷门事实的召回越好。

摘要与补充说明

他透露 OpenAI 模型按 Luna < Terra < Sol < Astra 排序。版本号同时表示发布顺序、与其他版本的关系和改进幅度，例如 6.1 表示发布于 5.6 之后、可能与其它 6.1 模型共享训练数据或风格（因此不叫 5.7），且提升幅度不足以配得上 7 所伴随的期待。

正文· AI 翻译

2026年10月28日

总的来说，LLM 的性能是多维度的，复杂得惊人。并不存在一个固定的排序，能保证在数学上表现最好的模型同时也是最擅长讲笑话的模型。尽管存在这种复杂性，性能上的大部分差异却可以由单一变量来解释：模型规模。一般来说，规模更大的模型会 (a) 性能更强、更可靠，(b) 每 token 成本更高，(c) 对冷门事实的回忆更好。正如你所注意到的，我们的模型排序是：

Luna < Terra < Sol < Astra

[...] 如今，版本号同时表示几件事：发布顺序、与其他版本的关系，以及改进的幅度。因此，像 6.1 这样的版本号意味着它是在 5.6 之后发布的，可能在训练数据、性格等方面与其他 6.1 模型有相似之处（这也是它不叫 5.7 的原因），而且它的提升幅度还不够大，不足以配得上 7 所伴随的那种头条关注和期待。

— Ted Sanders，解释 OpenAI 的模型命名惯例