GPT-6 Sol i Luna: OpenAI tnie ceny API o połowę

• OpenAI wprowadza GPT-6 Sol i GPT-6 Luna - tańsze warianty rodziny GPT-6, wytrenowane podobnymi metodami co flagowy GPT-6 Astra.
• Ceny API spadają o 50% względem promocyjnych stawek GPT-5.6: Sol z $4/$20 do $2/$10, Luna z $0,20/$1,20 do $0,10/$0,50 za milion tokenów (input/output).
• W teście AutomationBench GPT-6 Sol przy najwyższym poziomie wysiłku bije Claude Opus 5 przy maksymalnym wysiłku, kosztując tylko 9% ceny za zadanie.
• Na Agents' Last Exam GPT-6 Sol osiąga wynik 56,4% - lepszy niż najlepszy rezultat Claude Opus 5 - przy 60% niższym koszcie za zadanie.

Podobno dostęp do najlepszej AI kosztuje krocie: im mądrzejszy model, tym grubszy rachunek za API. OpenAI pokazuje, że to fałszywy wybór między jakością a budżetem. Rodzina GPT-6 dostała dwóch nowych członków, którzy mają robić robotę flagowca, tylko taniej i szybciej.

Astra, Sol i Luna - trzy prędkości tej samej inteligencji

Na początku miesiąca OpenAI pokazało GPT-6 Astra - model określony jako najbardziej inteligentny i najlepiej dostosowany do wytycznych bezpieczeństwa w swojej ofercie. Astra świetnie sprawdza się przy najbardziej wymagających projektach, ale nie każda praca wymaga tej głębi (i nie każdy budżet ją udźwignie).

Dlatego OpenAI dokłada do rodziny GPT-6 dwa nowe modele: Sol i Luna. Firma trenowała je metodami zbliżonymi do tych użytych przy Astrze, więc przenoszą one jej postępy w pracy zawodowej, faktografii, kodowaniu, obsłudze komputera i dopasowaniu do wytycznych - tylko w szybszej i tańszej formie. Astra zostaje modelem pierwszego wyboru, gdy liczy się wyłącznie jakość wyniku. Sol i Luna to opcje dla codziennej pracy na skalę, gdzie liczy się też rachunek.

Ceny API w dół o połowę

Za tym stoi konkretna zmiana w portfelu. OpenAI podaje, że poprawy w cachingu i infrastrukturze wnioskowania pozwoliły obniżyć koszt serwowania modeli - i te oszczędności trafiają wprost do cennika API.

• GPT-6 Sol: input spada z $4 do $2, output z $20 do $10 za milion tokenów - 50% taniej niż promocyjne ceny GPT-5.6 Sol.
• GPT-6 Luna: input spada z $0,20 do $0,10, output z $1,20 do $0,50 za milion tokenów - również 50% taniej.

To nie kosmetyczna obniżka o kilka procent, tylko cięcie ceny na pół w obu wariantach. Dla firm budujących agentów obsługujących duże wolumeny zapytań taka zmiana realnie przesuwa próg opłacalności projektu. OpenAI eksperymentowało z tańszymi wariantami już wcześniej - GPT-5.6 Sol testowano nawet w zastosowaniach naukowych, więc kierunek "tańszy model do konkretnych zadań" to tu kontynuacja, nie nowość.

Tańszy model, który bije droższą konkurencję

Tu robi się ciekawie, bo OpenAI nie tylko obniżyło cenę - firma twierdzi, że Sol i Luna radzą sobie lepiej niż konkurencyjne modele w podobnym przedziale cenowym, a czasem nawet w wyższym.

W teście AutomationBench (wersja 1.0.6), który sprawdza agentów AI na kompletnych procesach biznesowych z użyciem 47 narzędzi z obszarów sprzedaży, marketingu, operacji, wsparcia klienta, finansów i HR, GPT-6 Sol przy najwyższym poziomie wysiłku (xhigh) uzyskał wynik 33,2% przy koszcie $0,27 za zadanie. Dla porównania:

• GPT-6 Astra przy niskim wysiłku - 30,3% wyniku, ale koszt 3,9 razy wyższy niż Sol.
• Claude Opus 5 przy maksymalnym wysiłku - 26,9% wyniku, koszt 11,1 razy wyższy niż Sol.
• Claude Fable 5.1 z fallbackiem na Opus 5 - 31,4% wyniku, koszt ponad 8,9 razy wyższy niż Sol (i to bez uwzględnienia kosztu samego fallbacku, który występował w ok. 40% zadań).

Innymi słowy: Sol przy maksymalnym wysiłku wypada lepiej niż Opus 5 przy maksymalnym wysiłku, płacąc za to ułamek ceny. GPT-6 Luna też nie stoi w miejscu - przy wysokim poziomie wysiłku poprawia wynik swojego poprzednika o 5,4 punktu procentowego, kosztując przy tym 58% mniej za zadanie.

Drugi test, Agents' Last Exam, ocenia agentów na złożonych, profesjonalnych procesach pracy. Tutaj GPT-6 Sol przy maksymalnym wysiłku osiąga 56,4% - więcej niż najlepszy wynik, jaki w tym teście uzyskał Claude Opus 5 - przy 60% niższym koszcie za zadanie. To ten sam wzorzec: nie "prawie tak dobry, ale tańszy", tylko "lepszy i tańszy" w konkretnych, mierzalnych scenariuszach.

Jeśli w firmie budujesz agentów do automatyzacji procesów, a nie tylko piszesz maile w ChatGPT, to dobry moment, żeby przeliczyć budżet API na nowo. Jeśli dziś płacisz za model klasy Opus 5 do zadań, które nie wymagają jego pełnej mocy, różnica w koszcie przy podobnym lub lepszym wyniku robi się trudna do zignorowania.

Perspektywa na najbliższe miesiące jest dość prosta do przewidzenia: skoro OpenAI potrafi ściąć ceny o połowę i jednocześnie podnieść jakość dzięki lepszemu cachingowi i infrastrukturze wnioskowania, presja na konkurencję (Anthropic, Google) będzie tylko rosła. Firmy korzystające dziś z modeli klasy Opus prawdopodobnie zobaczą podobne ruchy cenowe u konkurencji w odpowiedzi. To dobra wiadomość dla każdego, kto płaci rachunki za API z własnej kieszeni, a nie z budżetu korporacji.

Najczęstsze pytania

Czym różni się GPT-6 Sol od GPT-6 Astra?

Astra to najbardziej rozbudowany model w rodzinie GPT-6, przeznaczony do najbardziej wymagających projektów. Sol został wytrenowany podobnymi metodami, ale jest szybszy i tańszy, kosztem pewnego zawężenia głębi w porównaniu do Astry.

Ile kosztuje korzystanie z GPT-6 Sol i Luna przez API?

GPT-6 Sol kosztuje $2 za milion tokenów wejściowych i $10 za milion wyjściowych. GPT-6 Luna jest jeszcze tańszy: $0,10 za milion wejściowych i $0,50 za milion wyjściowych. Obie ceny są o 50% niższe niż promocyjne stawki poprzedniej generacji GPT-5.6.

Czy GPT-6 Sol jest lepszy od Claude Opus 5?

W testach AutomationBench i Agents' Last Exam, cytowanych przez OpenAI, GPT-6 Sol przy najwyższym poziomie wysiłku uzyskuje wyższe wyniki niż Claude Opus 5 przy maksymalnym wysiłku, robiąc to przy znacznie niższym koszcie za zadanie. To wyniki z benchmarków firmy wprowadzającej model, więc warto traktować je jako punkt wyjścia do własnych testów, a nie ostateczny werdykt.

Dla kogo opłaca się wybór Sol lub Luna zamiast Astry?

Dla zastosowań, w których liczy się skala i koszt operacyjny, na przykład agentów obsługujących duże wolumeny zapytań w sprzedaży, wsparciu klienta czy operacjach. Astra pozostaje lepszym wyborem tam, gdzie liczy się wyłącznie maksymalna jakość pojedynczego wyniku, niezależnie od kosztu.