%20.png)
ChatGPT 模型規格看了一輪，差異大概有概念，但要替客服系統選一個能上線的模型時，不確定該從哪個開始測、預算怎麼抓。
2026 年要為企業客服挑 ChatGPT 模型，最務實的答案不是「選最強的 GPT-5.6Sol」，而是「依任務分流」：把八成的簡單查詢交給便宜又快的 GPT-5.6 Luna，把兩成需要推理或情緒判斷的案件，才升級到旗艦模型或轉給真人。這樣才能在成本、速度與服務品質之間取得平衡。
這件事在 2026 年特別值得重講，因為兩個前提都變了。第一，模型版本大洗牌，GPT-4o、o 系列與 GPT-3.5 全部退場，現在 ChatGPT 一律是 GPT-5 家族 [1]。第二，企業導入 AI 客服的意願很高，但 Sinch 跨國調查顯示 74% 的企業曾回退已上線的 AI 客服 [7]，「全部交給 AI」這條路也踩了煞車。這篇會先把 2026 現役模型講清楚，再帶你看客服場景該怎麼配置，以及怎麼避開 Klarna 走過的彎路。
先分清楚 ChatGPT 與 API。
2026 年 8 月的 GPT-5.6 家族分成 Sol、Terra、Luna 三個層級：Sol 處理複雜工作，Terra 平衡能力與成本，Luna 則主打速度與較低費用 [1]。
這三個名稱不能直接等同於 ChatGPT 畫面上的 Instant、Medium、High 或 Pro。一般ChatGPT 付費方案主要透過推理強度選項使用 GPT-5.6 Sol；Free 與 Go 使用者的預設模型則是 GPT-5.6 Luna。標準 ChatGPT 對話不能直接選 Terra 或 Luna，但它們會依方案出現在Work、Codex 與 API，可用模型仍受方案與工作區設定影響[2]。
對企業而言，這個區別很重要。你在 ChatGPT App 裡替個人帳號選模型，和透過API 建立一套可串接知識庫、訂單資料與客服工作台的系統，是兩種不同的採購與使用情境。前者重視個人生產力；後者還要處理權限、成本上限、回答依據、跨管道對話與真人交接。
先從最便宜且能達標的模型測起。
GPT-5.6 Sol、Terra、Luna 的差別，主要在推理能力、速度與 API 費用。企業不必替所有工作使用 Sol；應先用自己的客服測試集驗證 Luna 或 Terra，品質不足時才提高模型層級。
以上價格為本文在 2026 年 8 月 25 日從 OpenAI 模型文件查得的 API 費率 [3]。其中 Sol 的4／20 美元是促銷價，官方模型頁標示至少維持至 2026 年 11 月 21 日[4]。企業試算年度預算時，仍要重新查閱模型頁。
API 預算也不能只拿單價乘上對話次數。同一個模型若帶入過長的聊天紀錄、重複送出整份文件，或在一次對話中呼叫多個工具，單次處理量就會增加。測試時要同步記錄輸入量、輸出量與工具呼叫次數，才能知道費用是花在模型能力，還是花在可以縮短的上下文。
若現有客服流程仍使用 GPT-5.5 或 GPT-5.4 mini，不需要因版本更新就立刻整批切換。先把同一批真實問題分別交給舊模型與 GPT-5.6，對照正確率、拒答率、回應時間與每次成功解決的成本，再決定是否遷移。新專案則應以目前可用的 GPT-5.6模型重新測試，不沿用舊模型的評估結果。
企業客服買的是流程，不只是一個聊天視窗。
ChatGPT App 是給人直接對話的成品；API 則讓企業把模型接進自己的客服流程。API 本身不會自動替你準備知識庫、訂單查詢、權限管理或真人轉接，這些都需要另外設計。
企業客服通常至少還要補上四層：第一層是知識來源，決定 AI 可以引用哪些產品規格與政策；第二層是工作分流，判斷這次查詢該交給 Luna、Terra 或更高階模型；第三層是系統動作，例如查詢訂單、建立工單或留下標籤；第四層是真人接手，確保爭議案件不會卡在機器人裡。
若只比較模型單價，很容易低估後面三層的工作。每百萬 token 的價格只是帳面成本；企業更該追蹤每個問題能否在合理時間內得到正確答案、需要多少人工補救，以及客戶轉接後是否必須重講一次。想先釐清通用 ChatGPT 與企業系統的界線，可搭配閱讀自建 AI Agent 與ChatGPT 的比較。
用真實問題測試，不憑模型名猜。
前一段提到，透過 API 建客服系統需要自行處理知識庫、分流與真人轉接。如果你的團隊沒有 API 開發人力，另一條路是選用已經整合這些功能的 AI 客服平台，由平台替你處理 API 串接與基礎建設。不過，後台通常仍需要你選一個預設模型，前面提到的模型費率差異也會反映在平台的用量計費上。不論走 API 還是平台，選模型這件事都沒有消失。
多數 AI 客服平台的做法是替整個機器人設定一個預設模型，不是逐則訊息即時切換。選擇的重點因此不是「哪個最強」，而是「我的客服問題以哪種類型為主」。下面這張表幫你判斷起點：看你的工作以哪種類型為主，就從那一列的模型開始測試。如果預設模型無法處理的比例偏高，再考慮換到更高層級。
這張表是測試起點，不是所有企業都適用的固定答案。產品種類、客戶語言、知識庫品質與容錯程度都會改變結果。電商的訂單查詢與金融業的帳務爭議，即使字數差不多，錯一次的代價也完全不同。
因此，模型驗收的重點是「工作是否完成」。除了正確率，也要記錄首次解決率、轉真人比例、平均回應時間與每次成功解決的模型成本。模型單價再低，如果錯誤回答導致大量人工補救，整體費用仍可能更高。
模型測試要比較同一批問題在不同模型下的結果，並把「回答正確」和「完成客服工作」分開記錄。前者看文字內容，後者還要確認系統動作、轉接與客戶下一步是否正確。
例如，同一句「我的訂單還沒到」可能只是查詢配送進度，也可能是準備取消訂單。模型除了找出訂單狀態，還要判斷資料是否足夠、能不能承諾到貨時間，以及客戶情緒是否已需要真人介入。只評分文字是否流暢，會漏掉客服流程中更昂貴的錯誤。
測試樣本也要留下版本紀錄。至少記下測試日期、模型名稱、提示內容、知識庫版本、工具權限與評分人；模型或資料一變，就重新跑同一批題目。題數不必一開始就追求龐大，先確保高頻問題和高風險例外都有涵蓋，再依實際錯誤持續加入新題。
這份紀錄日後還能回答兩個常見疑問：成本上升是模型價格改變，還是轉真人比例增加？準確率下降是模型退步，還是知識庫已經過期？
模型分流、RAG、真人接手缺一不可。
控制 AI 客服風險，需要同時設計模型分流、RAG 知識庫與真人接手機制。只換成更強的模型，無法取代正確的企業資料與清楚的服務邊界。
RAG（檢索增強生成）會先從企業核准的知識庫找出相關內容，再要求模型依據查到的資料回答。這能降低模型憑印象補答案的機會，但知識庫若版本混亂、政策文件互相衝突，模型仍可能引用錯的段落。企業需要替資料設定負責人、更新日期與停用規則，而不是把文件上傳後就不再管理。更完整的建置方式可參考RAG 與客服知識庫應用實例。
真人接手也不能只放一顆「聯絡客服」按鈕。比較完整的轉接條件包括：知識庫沒有命中、客戶連續追問、偵測到負面情緒、涉及退款或合規承諾，以及客戶明確要求真人。轉接時應一併傳送問題摘要、已查資料與先前回覆，避免客戶重新說明整件事。
Sinch 於 2026 年公布一項跨國調查，受訪者為 10 國的 2,527 名大型企業高階決策者。74%表示曾回退或停止已上線的 AI 溝通 Agent，98% 同時表示會增加 AI 溝通投資 [7]。這是廠商發布的跨國調查，不能直接推論台灣企業也有相同比率。它適合用來提醒團隊：驗收不能停在模型回答，還要檢查上線後的監控、跨管道資料與異常處理。
Klarna 的兩次公開說法呈現了同一項取捨。該公司在 2025 年重新增加真人客服，承認先前過度偏重成本與效率 [6]；同年 11 月又表示，AI Agent 可承擔相當於 853名全職人員的工作並節省 6,000 萬美元，但客服與營運成本仍比前一年高 [5]。這個案例說明，例行工作可以交給AI，高風險案件仍要保留真人處理。
上面提到的模型選擇、知識庫管理與真人轉接，如果從 API 自行串接，需要工程資源和持續維護。沒有 API 開發團隊的企業，通常會選一套已經整合這些功能的 AI 客服平台。
Luna、Terra 已能在同一後台選用。
截至 2026 年 9 月 14 日，我們已在 Alta.DI 後台確認 GPT-5.6 Luna 與 GPT-5.6Terra，並保留 GPT-5.5、GPT-5.4、GPT-5.4 mini 等模型，企業可依工作難度與預算選擇不同模型。
模型只是流程中的一個節點。Alta.DI 是不被通路綁住的 AI 客服平台，可把LiveChat、LINE、Facebook Messenger、Instagram Direct、WhatsApp 等訊息帶進同一個客服工作台，再透過 Flow Bot、AI Bot 與真人客服承接不同問題。WhatsApp 與部分進階功能會受到方案範圍限制，實際導入時仍要依需求核對。
對客服主管來說，省下的工作遠多於少寫一段 API 程式。Data-DI 可依方案與專案範圍，由顧問協助整理問題類型、設定知識庫範圍、規劃何時使用 Luna 或 Terra，以及哪些情況要轉真人。模型選擇因此能放進可驗收的客服流程，團隊不必自行摸索一串模型名稱。
如果你正在評估 AI 客服，但還不確定該從 FAQ、Flow Bot 或開放式 AI 問答開始，可以先看AI客服選型指南，或直接了解Alta.DI AI 客服平台。
先找出最值得測試的一項客服工作。
每家企業的瓶頸不同。有的問題來自知識庫版本混亂，有的卡在跨管道資料分散，也有團隊不知道哪些案件能交給 AI。如果你想先釐清自己的模型分工與轉接條件，Data-DI 提供 30 分鐘免費 AI 客服診斷，由顧問檢視現有客服管道、常見問題與可先測試的工作；不需要先整理完整資料，把目前使用的工具與主要情境告訴我們即可。立即預約免費 AI 客服診斷。
[1] OpenAI。（2026.08）。GPT-5.6: Frontier intelligence that scales with your ambition。OpenAI。 https://openai.com/index/gpt-5-6/
[2] OpenAI。（2026.08）。GPT-5.6 in ChatGPT。OpenAI Help Center。https://help.openai.com/en/articles/20001354
[3] OpenAI。（2026.08）。Compare models。OpenAI Developers。https://developers.openai.com/api/docs/models/compare
[4] OpenAI。（2026.08）。GPT-5.6 Sol。OpenAI Developers。https://developers.openai.com/api/docs/models/gpt-5.6-sol
[5] Customer Experience Dive。（2025.11）。Klarna says its AI agent is doing the work of 853 employees。Customer Experience Dive。
https://www.customerexperiencedive.com/news/klarna-says-ai-agent-work-853-employees/805987/
[6] Customer Experience Dive。（2025.05）。Klarna changes its AI tune and again recruitshumans for customer service。Customer Experience Dive。
https://www.customerexperiencedive.com/news/klarna-reinvests-human-talent-customer-service-AI-chatbot/747586/
[7] Sinch。（2026.05）。Sinch research reveals 74% of enterprises have rolled back live AIcustomer communications agents。PR Newswire。
https://www.prnewswire.com/news-releases/sinch-research-reveals-74-of-enterprises-have-rolled-back-live-ai-customer-communications-agents-302770730.html
