核心区别在于角色分工而非强弱：astra专注复杂系统推理与设计，sol承担日常生产任务，luna负责高频轻量处理；三者价格相差两个数量级，需按任务颗粒度与容错要求精准匹配。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
核心区别不在“谁更强”，而在“谁更适合干哪件事”。Astra、Sol、Luna不是同一模型的三个版本，而是分工明确的三类角色——就像一个技术团队里有首席架构师、资深工程师和高效执行助手。
能力定位：不是高低档，而是不同工种
Astra 是面向极端复杂任务的旗舰模型，擅长跨工具长链路推理、模糊问题归因、底层系统设计。它不追求快，而追求判断准、路径稳、容错强。
Sol 是生产主力，综合能力接近 Astra 的 85%～90%，但响应更快、成本更低、API 更稳定。它能可靠完成多文件代码修改、真实业务流程编排、中等难度 Agent 工作流。
Luna 不拼深度，拼吞吐。它在事实性、简单逻辑、模式化输出上表现扎实，响应延迟低，适合日志清洗、批量摘要、文档转结构化数据、生成测试用例或注释这类高频轻量任务。
价格差距：差出两个数量级
按每百万 token 计算：
- Astra：输入约 $10，输出约 $50
- Sol：输入 $2，输出 $10（只有 Astra 的 1/5）
- Luna：输入 $0.10，输出 $0.50（只有 Sol 的 1/20，Astra 的 1/100）
缓存输入更便宜：三者缓存读取价格都是标准输入的 1/10，对反复调用相同上下文的 Agent 场景，实际开销还能再压低 70%～90%。
适用场景：看任务颗粒度和容错要求
选 Astra 当你遇到：
- 原因不明的跨模块系统故障
- 需融合代码、文档、日志、监控数据做根因推断
- 从零设计分布式调度框架或安全沙箱机制
选 Sol 当你日常在做：
- Unity 项目功能迭代 + 自动化测试补全
- 用 Copilot 编写带数据库操作的真实后端接口
- 运营活动页文案 + 埋点配置 + AB 实验方案生成
选 Luna 当你需要：
- 把 500 份客服对话自动提取投诉关键词
- 将旧版 API 文档批量转为 OpenAPI 3.0 格式
- 给 200 个函数自动生成 docstring 和单元测试桩
别踩的坑：常见误用
用 Astra 查天气或写周报，相当于派航天工程师去拧螺丝；用 Luna 做多跳推理或自主调用 4 个以上工具，会频繁出错或卡死；Sol 开 Max 档位不一定更好——多数任务用 Medium 或 High 就够，Max 只在极少数长思考链场景才值得启用。
不复杂但容易忽略
