OpenAI GPT-5.6 Sol/Terra/Luna 登陆 Amazon Bedrock 快速上手指南

OpenAI 最新一代 GPT-5.6 系列模型——Sol、Terra 和 Luna——现已正式在 Amazon Bedrock 上提供。这三个模型分别面向自主编码与长链条推理、日常生产负载以及高吞吐低延迟推理场景，通过统一的 Responses API 在 bedrock-mantle 端点访问，支持文本和图像输入、272K token 上下文窗口，并可调节推理强度。定价与 OpenAI 官方一致，且使用量计入 AWS 承诺消费。本文从模型选择、首次推理、提示缓存、Codex 集成到配额规划，提供完整入门指南。

模型概览：Sol、Terra、Luna 各司其职

GPT-5.6 系列采用新的命名体系：数字代表代际，名称（Sol、Terra、Luna）代表能力等级。三款模型在 Amazon Bedrock 上的关键规格如下：

模型	模型 ID	最佳适用场景	支持区域
Sol	`openai.gpt-5.6-sol`	自主编码、安全研究、科学分析、深度多步推理	美东（弗吉尼亚、俄亥俄）
Terra	`openai.gpt-5.6-terra`	平衡推理能力与成本的通用生产负载	美东（弗吉尼亚、俄亥俄）、美西（俄勒冈）
Luna	`openai.gpt-5.6-luna`	分类、摘要、路由等高吞吐、低延迟场景	美东（弗吉尼亚、俄亥俄）、美西（俄勒冈）

三者均支持 文本和图像输入、文本输出，上下文窗口达 272K token，并可通过 none、low、medium、high、xhigh、max 参数调节推理努力程度。这意味着你可以在不修改 API 集成的前提下，根据任务复杂度切换模型。

快速开始：通过 Responses API 运行推理

所有模型通过 OpenAI 的 Responses API 在 bedrock-mantle 端点访问。以下是一个调用 Sol 模型进行代码生成的 Python 示例（使用 boto3 和 Amazon Bedrock 的 Converse API）：

import boto3

client = boto3.client("bedrock-runtime")

response = client.converse(
    modelId="openai.gpt-5.6-sol",
    messages=[
        {"role": "user", "content": [{"text": "Write a Python function to merge two sorted lists"}]}
    ],
    inferenceConfig={
        "maxTokens": 4096,
        "temperature": 0.7
    }
)
print(response["output"]["message"]["content"][0]["text"])

与标准 Bedrock Converse API 一致，但需注意模型 ID 前缀为 openai.gpt-5.6-。

降本技巧：提示缓存与缓存命中度量

提示缓存可显著降低重复请求的成本。当请求的提示前缀与缓存内容匹配时，系统自动返回缓存的中间状态，并只对未缓存部分计费。启用方式：在 API 请求中设置 cache_config 参数（如 {"type": "prompt"}），并确保提示内容可复用。

可通过响应中的 usage.cached_tokens 字段查看缓存命中情况。例如：

{
  "usage": {
    "input_tokens": 5000,
    "cached_tokens": 3000,
    "output_tokens": 200
  }
}

表示 5000 个输入 token 中有 3000 个命中缓存，仅对剩余的 2000 个和输出 token 计费。

集成 OpenAI Codex 编码代理

OpenAI Codex 编码代理可与 Sol 模型结合，实现自主代码编写与调试。集成步骤：

在 Bedrock 中创建一个代理，选择 Sol 作为基础模型。
为代理配置 代码解释器 工具（需开启沙箱执行环境）。
通过 API 或控制台向代理下达编码任务，如“编写一个 REST API 端点，使用 FastAPI”。

代理会自动调用 Sol 生成代码、执行并返回结果。注意：Codex 代理需要 AWS 账户具备 Bedrock 代理和 Lambda 执行权限。

配额与扩展规划

每个 AWS 区域对 GPT-5.6 模型有初始配额限制，可通过 Service Quotas 控制台申请提升。关键配额包括：

每分钟请求数（RPM）：默认 100
每分钟 token 数（TPM）：默认 100,000
并发推理数：默认 5

建议根据生产负载预估，提前申请配额提升。对于高吞吐场景，可考虑使用 Luna 模型并结合 提示缓存 和 批处理 来优化。

安全与隐私

你的提示和输出不会用于训练任何模型，也不会与模型提供商共享。所有数据在 AWS 区域内部处理，符合企业级安全与合规要求。

现在，你就可以在 Amazon Bedrock 控制台中启用 GPT-5.6 模型，开始探索自主编码、高效推理和生产级 AI 应用的新可能。

OpenAI GPT-5.6 Sol、Terra、Luna 登陆 Amazon Bedrock，一文教你快速上手