這次宣布了什麼？

OpenAI 表示，GPT-5.6 家族的三個模型——旗艦級 Sol、平衡型 Terra，以及快速且價格更低的 Luna——現已整合至 AWS 的 Kiro，並可透過 kiro.dev 使用。7

Kiro 是 AWS 主打的規格驅動開發環境。它不是讓開發者只丟下一句提示詞、再反覆要求 AI 修改程式碼，而是先把「想打造什麼」整理成一套可檢視的規格，再交由代理執行。

Kiro 如何把想法變成程式？

Kiro 的核心流程可概括為：

產品意圖 → 需求 → 技術設計 → 實作任務。457

開發者先用自然語言描述功能或產品目標。Kiro 接著會將其拆解成具體需求，例如使用者故事與驗收條件；之後根據需求與既有程式碼庫產生架構、資料流和技術選擇等設計內容；最後再建立按順序排列、可追蹤的實作任務。

這些文件會成為持續存在、可供團隊審閱的上下文。換句話說，AI 代理不必每次都從一個孤立提示重新猜測產品要做什麼，而是能依據團隊已確認的需求與設計執行工作。AWS 將此定位為更可靠、也更容易治理的 AI 輔助開發方式。347

「成本降低 82%」到底代表什麼？

OpenAI 與 AWS 表示，雙方在 Terminal-Bench 2.1 上進行聯合測試後發現，GPT-5.6 Terra 在 Kiro 中完成成功任務時，成本約低 82%。7

這個數字需要精確解讀：它指的是每項成功完成任務的端到端成本，不是 Terra 的準確率提高 82%，也不能直接解讀為 Terra 在所有部署情境下都比其他模型省 82%。

在同一項比較中，Terra 的任務成功率為 87.4%，Sol 則為 88.8%。因此，Sol 的準確度略高；Terra 的主要賣點則是以較低成本完成大部分日常代理式開發工作。7

目前公開資訊也沒有進一步拆分這 82% 的來源，例如哪些節省來自 Kiro 的代理框架與規格上下文，哪些來自 Terra 使用較少 token，或模型本身的定價差異。這代表該數字更適合被視為一項整體系統結果，而非單獨衡量 Terra 模型效率的實驗結論。

三個模型在 Kiro 中如何分工？

從產品定位來看，三個模型分別對應不同的性能與成本取捨：

• Sol：針對複雜、多步驟、需要較高推理能力的編碼任務；在上述 Kiro 測試中成功率較高。
• Terra：平衡性能與價格，適合作為團隊日常開發、重構與代理任務的成本效益選項。
• Luna：速度快、價格最低，適合大量執行、較簡單或對成本敏感的工作。1720

因此，Kiro 的實際選擇不一定是「最強模型勝出」，而可能取決於任務失敗的代價、需要的推理深度，以及團隊希望控制的推理成本。

Sol 價格下調，開發者能省多少？

OpenAI 在 2026 年 8 月 21 日宣布調降 GPT-5.6 Sol 的 API 與部分點數價格：

• 輸入 token：每百萬個由 5 美元降至 4 美元
• 輸出 token：每百萬個由 30 美元降至 20 美元

這項促銷價格至少維持至 2026 年 11 月 21 日。12

調整適用於按量付費的 API，以及符合資格的 ChatGPT Work 和 Codex 點數方案；ChatGPT Pro、Plus 與 Business 訂閱所包含的使用額度並未因此增加。26

這也是 GPT-5.6 家族近期第二波價格調整。OpenAI 先在 2026 年 7 月 30 日將 Luna 價格下調 80%，並將 Terra 價格下調 20%。817 Reuters 指出，Sol 的降價發生在 Anthropic 與中國 AI 模型供應商帶來更大價格與性能競爭之際。2

這也反映 OpenAI 與 AWS 的合作正在加深

GPT-5.6 進入 Kiro，不只是一次模型上架，也顯示 OpenAI 與 AWS 正把合作延伸到模型、雲端算力與開發工具的多個層面。

已公開報導的合作內容包括：Amazon 計畫投資 OpenAI 500 億美元；OpenAI 承諾透過 AWS 使用約 2 GW 的 Trainium 運算容量；雙方也宣布擴大雲端使用安排，涉及未來八年 1,000 億美元的 AWS 使用額度。

至於 2025 年 11 月所稱的 380 億美元初始運算協議，以及其後擴大至 1,000 億美元的完整條款與時間線，現有資料雖有多家報導提及，但本次取得的來源未能以一份獨立的一手資料核實每項細節。因此，這些金額應視為已報導的合作里程碑，而不宜在沒有額外文件的情況下延伸解讀。910

對開發團隊而言，重點不只是模型名稱

這次整合的真正訊息，是 AI 編碼工具的競爭焦點正從「能不能寫出程式」轉向三件事：

1. 能否理解完整產品需求，而不是只回應短提示詞；
2. 能否在長流程中維持一致的設計與上下文；
3. 能否以可預測的成本完成一項真正可用的任務。

在 Kiro 的定位下，Terra 被推向成本效益優先的預設選項，Sol 則保留給更重視成功率與複雜推理的工作。不過，82% 這個醒目的數字應理解為 Kiro 與 Terra 組合後的系統級成本結果，而不是 Terra 在每個環境中都能單獨帶來 82% 效率提升的證明。

這次宣布了什麼？

OpenAI 表示，GPT-5.6 家族的三個模型——旗艦級 Sol、平衡型 Terra，以及快速且價格更低的 Luna——現已整合至 AWS 的 Kiro，並可透過 kiro.dev 使用。7

Kiro 是 AWS 主打的規格驅動開發環境。它不是讓開發者只丟下一句提示詞、再反覆要求 AI 修改程式碼，而是先把「想打造什麼」整理成一套可檢視的規格，再交由代理執行。

Kiro 如何把想法變成程式？

Kiro 的核心流程可概括為：

產品意圖 → 需求 → 技術設計 → 實作任務。457

開發者先用自然語言描述功能或產品目標。Kiro 接著會將其拆解成具體需求，例如使用者故事與驗收條件；之後根據需求與既有程式碼庫產生架構、資料流和技術選擇等設計內容；最後再建立按順序排列、可追蹤的實作任務。

這些文件會成為持續存在、可供團隊審閱的上下文。換句話說，AI 代理不必每次都從一個孤立提示重新猜測產品要做什麼，而是能依據團隊已確認的需求與設計執行工作。AWS 將此定位為更可靠、也更容易治理的 AI 輔助開發方式。347

「成本降低 82%」到底代表什麼？

OpenAI 與 AWS 表示，雙方在 Terminal-Bench 2.1 上進行聯合測試後發現，GPT-5.6 Terra 在 Kiro 中完成成功任務時，成本約低 82%。7

這個數字需要精確解讀：它指的是每項成功完成任務的端到端成本，不是 Terra 的準確率提高 82%，也不能直接解讀為 Terra 在所有部署情境下都比其他模型省 82%。

在同一項比較中，Terra 的任務成功率為 87.4%，Sol 則為 88.8%。因此，Sol 的準確度略高；Terra 的主要賣點則是以較低成本完成大部分日常代理式開發工作。7

目前公開資訊也沒有進一步拆分這 82% 的來源，例如哪些節省來自 Kiro 的代理框架與規格上下文，哪些來自 Terra 使用較少 token，或模型本身的定價差異。這代表該數字更適合被視為一項整體系統結果，而非單獨衡量 Terra 模型效率的實驗結論。

三個模型在 Kiro 中如何分工？

從產品定位來看，三個模型分別對應不同的性能與成本取捨：

• Sol：針對複雜、多步驟、需要較高推理能力的編碼任務；在上述 Kiro 測試中成功率較高。
• Terra：平衡性能與價格，適合作為團隊日常開發、重構與代理任務的成本效益選項。
• Luna：速度快、價格最低，適合大量執行、較簡單或對成本敏感的工作。1720

因此，Kiro 的實際選擇不一定是「最強模型勝出」，而可能取決於任務失敗的代價、需要的推理深度，以及團隊希望控制的推理成本。

Sol 價格下調，開發者能省多少？

OpenAI 在 2026 年 8 月 21 日宣布調降 GPT-5.6 Sol 的 API 與部分點數價格：

• 輸入 token：每百萬個由 5 美元降至 4 美元
• 輸出 token：每百萬個由 30 美元降至 20 美元

這項促銷價格至少維持至 2026 年 11 月 21 日。12

調整適用於按量付費的 API，以及符合資格的 ChatGPT Work 和 Codex 點數方案；ChatGPT Pro、Plus 與 Business 訂閱所包含的使用額度並未因此增加。26

這也是 GPT-5.6 家族近期第二波價格調整。OpenAI 先在 2026 年 7 月 30 日將 Luna 價格下調 80%，並將 Terra 價格下調 20%。817 Reuters 指出，Sol 的降價發生在 Anthropic 與中國 AI 模型供應商帶來更大價格與性能競爭之際。2

這也反映 OpenAI 與 AWS 的合作正在加深

GPT-5.6 進入 Kiro，不只是一次模型上架，也顯示 OpenAI 與 AWS 正把合作延伸到模型、雲端算力與開發工具的多個層面。

已公開報導的合作內容包括：Amazon 計畫投資 OpenAI 500 億美元；OpenAI 承諾透過 AWS 使用約 2 GW 的 Trainium 運算容量；雙方也宣布擴大雲端使用安排，涉及未來八年 1,000 億美元的 AWS 使用額度。

至於 2025 年 11 月所稱的 380 億美元初始運算協議，以及其後擴大至 1,000 億美元的完整條款與時間線，現有資料雖有多家報導提及，但本次取得的來源未能以一份獨立的一手資料核實每項細節。因此，這些金額應視為已報導的合作里程碑，而不宜在沒有額外文件的情況下延伸解讀。910

對開發團隊而言，重點不只是模型名稱

這次整合的真正訊息，是 AI 編碼工具的競爭焦點正從「能不能寫出程式」轉向三件事：

1. 能否理解完整產品需求，而不是只回應短提示詞；
2. 能否在長流程中維持一致的設計與上下文；
3. 能否以可預測的成本完成一項真正可用的任務。

在 Kiro 的定位下，Terra 被推向成本效益優先的預設選項，Sol 則保留給更重視成功率與複雜推理的工作。不過，82% 這個醒目的數字應理解為 Kiro 與 Terra 組合後的系統級成本結果，而不是 Terra 在每個環境中都能單獨帶來 82% 效率提升的證明。