GPT-6 Sol/Luna 实测对比 DeepSeek：文章排版还原谁更强

近期大模型市场掀起新一轮价格战。据B站UP主翔子的实测分享，Anthropic 发布了 Opus 5.5，性能相比上一代大幅提升且价格几乎腰斩；OpenAI 紧随其后推出 GPT-6 Sol 与 GPT-6 Luna 两个模型，性能提升幅度虽不及 Anthropic，但降价力度更猛——价格据称仅为上一代模型的十分之一。

本文以一场围绕「文章排版复刻」的真实测试为切入，横向对比 GPT-6 Sol、GPT-6 Luna 与 DeepSeek^广告 V4.1 的实际表现，看看这几款热门模型在具体生产力场景中的差距究竟有多大。

测试方法：一场排版还原的硬仗

这次评测的核心任务并不是常规的知识问答，而是更贴近实际工作流的排版复刻。测试者先给三个模型同一篇已排版好的文章，让它们学习并复刻这套排版风格，再把这套风格套用到一篇未经排版的原文上。

评测维度相当具体：一是排版还原度，看模型能否复现原文的色调、装饰元素、文字间距和多图布局；二是任务执行速度；三是 token 消耗；四是最关键的落地环节——能否把成品复制粘贴到公众号平台后样式完整保留。三个模型均运行在测试者自建的自动排版 skill 中，思考强度均选择较高档位（Sol 与 DeepSeek 选 Max，Luna 选 High），以贴近日常使用习惯。

值得一提的是，Luna 在测试初期出现了小状况：它没有严格按照提示词执行，而是读取了 skill 里的其他要求并直接套用了现成模板，导致测试者不得不让它重新开始，并在提示词中追加补充说明才走上正轨。这个细节其实反映出模型在复杂指令环境下对上下文的取舍差异。

「排版复刻」在公众号生产流程中是一项高频但繁琐的任务：运营者通常需要维持品牌视觉一致性，将同一套色彩、字距、分割线和图文布局风格反复套用到新内容上。传统做法依赖人工逐段调整，而将这一过程交给大模型自动化处理，要求模型不仅能理解自然语言指令，还需具备对 HTML/CSS 样式代码的精确生成与还原能力。测试中使用的「自动排版 skill」本质上是一套预设工作流，将用户提供的范例文章和待排版原文打包送入模型，由模型输出可直接粘贴至公众号编辑器的富文本或 HTML 代码。这类任务对模型的代码生成精度、长上下文理解和指令遵循能力均有较高要求，与通用问答场景存在显著差异。

速度与成本：Sol 全面领先

速度层面三者拉开了明显差距。GPT-6 Sol 最快，体感只需四五分钟就完成任务，拿下满分五分；Luna 耗时约为 Sol 的三倍，接近二十分钟，得三分；DeepSeek 最慢，花了差不多半小时，仅得两分。

在 token 消耗上，排序与速度基本一致。Sol 消耗最低，得五分；Luna 的消耗略超 Sol 的两倍，得 3.5 分；DeepSeek 比 Luna 还要更高一些，得三分。

这一结果与前文提到的价格趋势形成有趣对照：OpenAI 虽然在性能提升上不算激进，但把 Sol 打磨成了一个「又快又省」的模型。对于高频调用的生产场景，速度和 token 消耗直接换算成实际成本，Sol 的效率优势会被进一步放大。

还原度：Sol 观感最佳，多图排版是共同短板

排版还原是这次测试最见功力的环节。GPT-6 Sol 在整体色调、装饰元素和文字间距上复刻得相当到位，唯独多图排版与原文差距较大，综合得四分。

GPT-6 Luna 的整体观感不错，但段落之间加了不少分割线，导致文章整体显得比较碎，加上多图同样没还原好，得三分。DeepSeek 的观感也可以，但开头莫名出现了一个省略号（可能是本应放置文字或元素却未显示），多图排版也没做出来，得三分。

三个模型在多图排版上不约而同地翻车，说明这仍是当前大模型处理复杂视觉布局的普遍难点。在测试者要求它们统一返工修复后，情况有所改善：Sol 不仅做出了多图排版，图片旁的装饰性文字也补齐了；Luna 和 DeepSeek 虽然把多图排版做了出来，但都没能加上装饰性文字。这个补测环节进一步印证了 Sol 在细节完整度上的领先。

多图排版之所以成为大模型的共同短板，与其底层实现机制密切相关。公众号的多图并排布局通常依赖 CSS Flexbox 或 Grid 布局，以及特定平台对内联样式的支持限制。大模型在生成此类代码时，既需要推断原文的视觉意图，又要在平台样式白名单的约束下选择兼容写法，任何一处属性不被支持都可能导致图片堆叠或错位。此外，图片旁的装饰性文字往往需要绝对定位或浮动布局，这在公众号受限的渲染环境中更难稳定复现。因此多图排版考验的不只是模型的代码能力，也是它对目标平台渲染规则的「隐性知识」储备。

落地环节：粘贴到平台后的样式保留

再好的排版，如果复制到平台后样式崩了也是白搭。这一项 Sol 表现最稳，复制到平台后样式基本完整保留，得五分。

DeepSeek 同样把样式基本保留下来，得五分——在这个环节反倒追平了 Sol。Luna 整体看起来还行，但结尾部分有些样式乱掉，得四分。

有意思的是，DeepSeek 虽然在速度和 token 上垫底，但在样式保留这个最终落地环节上并不逊色。对于不那么在意执行速度、更看重结果稳定性的用户来说，这仍是一个可参考的选择。

综合评价：Sol 是当前最均衡的选择

综合速度、成本、还原度和落地四个维度，GPT-6 Sol 无疑是这次测试的赢家。它性能相比上一代有所提升，执行速度更快，价格还有下降——即便是 Plus 用户，也完全可以把它当作日常主力模型使用。

Luna 这次的价格降幅同样可观，如果是高频使用场景，性价比也很高，适合作为成本敏感型任务的备选。DeepSeek V4.1 在样式保留上表现扎实，但速度和 token 消耗偏高，更适合对时效要求不高的场景。

需要客观看待的是，这只是单一测试者围绕「公众号排版复刻」这一特定场景得出的结论，评分带有一定主观性，也不能代表模型在编程、推理、长文本等其他能力维度上的全部表现。但它至少给我们提供了一个真实的生产力视角：在价格战愈演愈烈的当下，用户真正关心的已经不只是跑分，而是模型能否又快又省地把活干漂亮。