Jak wybrać model GPT-6 i nie przepłacić: przewodnik krok po kroku
Przejdź do treści i przykładów
Najmocniejszy model z rodziny nie zawsze jest najlepszym wyborem. Według grafiki OpenAI GPT-6 Astra kosztuje $10 za wejście i $50 za wyjście, a GPT-6 Luna $0.10 i $0.50. To sto razy różnicy. Tymczasem OpenAI poleca Lunę do powtarzalnej, jasno zdefiniowanej roboty, takiej jak wyciąganie pól z faktur czy klasyfikowanie zgłoszeń. (Wysyłanie Astry do segregowania zgłoszeń to drogi sposób na nudę.)
2 października 2026 OpenAI opublikowało przewodnik po rodzinie GPT-6. Pokazuje, jak wybrać model, jak go instruować, jak pilnować długich zadań i jak przygotować wdrożenie. Poniżej dostajesz to samo jako kroki do wykonania. Jeśli nie programujesz, spokojnie: część kroków to po prostu sposób myślenia o zleceniu, a techniczne elementy tłumaczę po drodze.
Rodzina GPT-6 to trzy modele: Astra, Sol i Luna. Dla porządku daty premier (stan na 02.10.2026): Astra weszła 03.09.2026, Luna i pierwszy Sol 22.09.2026, a GPT-6.1 Sol 29.09.2026. Wersja 6.1 istnieje tylko jako Sol. Nie ma GPT-6.1 Astra ani 6.1 Luna. Szczegóły dat znajdziesz w tekście GPT-6: Astra 3 września, Sol i Luna 22 września oraz w artykule o premierze Astry.
Ceny z grafiki OpenAI (wejście / wyjście / wejście z cache):
Grafika nie podaje jednostki rozliczeniowej. Według naszej karty cen API chodzi o USD za 1 mln tokenów (stan na 23.09.2026). Token to kawałek tekstu, na jakie model dzieli słowa. Jak to działa, wyjaśnia tekst o tokenizacji w GPT. Kwoty są bez podatku.
Przed startem przygotuj trzy rzeczy:
OpenAI proponuje myśleć o tym jak o kompromisie między inteligencją a ceną. Masz trzy pokrętła i każde ustawiasz osobno.
Rozsądnie jest zacząć od tańszego ustawienia i podnosić je dopiero wtedy, gdy test pokaże, że wynik jest za słaby. To moja rekomendacja, ale pasuje do logiki przewodnika OpenAI: wyższy poziom ma się zwrócić w jakości.

Tu wypada obalić nawyk z poprzednich lat: im dłuższa i bardziej szczegółowa instrukcja, tym lepiej. Eric Provencher z OpenAI (dział Developer Experience) mówi, że modele znacznie lepiej rozumieją niuanse i niejednoznaczność. Dlatego zbyt szczegółowe wskazówki mogą dziś szkodzić tam, gdzie kiedyś pomagały. Dobra instrukcja jest więc jasna, a niekoniecznie długa.
Zlecenie w takim duchu może brzmieć na przykład: "Przygotuj streszczenie raportu dla zarządu, prostym językiem. Układ wybierz sam, ale zapytaj mnie, zanim zmienisz zakres. Na końcu napisz, co sprawdziłeś i co wymaga mojej uwagi". Jedna kartka zamiast regulaminu.
Według OpenAI modele GPT-6 pozwalają realizować zadania trwające godziny lub dni. Przy takiej skali pojawiają się decyzje, których nie przewidziałeś w pierwszym poleceniu. Potrzebujesz więc sposobu na korygowanie kursu w trakcie.
Computer use jest dostępne dla Astry, Sol i Luny. Model działa wtedy bezpośrednio na stronach internetowych i aplikacjach desktopowych, nawet tych bez API. OpenAI podaje przykład: model bada błąd, poprawia kod, a potem otwiera produkt w przeglądarce, żeby sprawdzić, czy poprawka działa.
Skoro model klika w Twoje systemy, testuj go na danych jednorazowych. Jak to zrobić bez przykrych niespodzianek, opisuje tekst o bezpiecznym testowaniu agentów AI.

Zanim cokolwiek trafi do produkcji, OpenAI zaleca pięć kontroli.
Na końcu zrób test. Uruchom reprezentatywne zadania i zmierz trzy rzeczy: skuteczność zadań, opóźnienie i koszt na udane zadanie. Ta ostatnia miara zamyka dyskusję "tańszy czy lepszy": tańszy model, który często zawodzi, może wyjść drożej na jedno udane zadanie. (To mój wniosek z miary, którą podaje OpenAI. Samą metodę znajdziesz w ich liście kontrolnej wdrożenia dla API.)
OpenAI pokazuje cztery przykłady zespołów pracujących z GPT-6 Astra: Harvey, Cognition, Hex i Invideo. Harvey łączy informacje sądowe, orzecznictwo, dokumenty kancelarii i preferencje prawnika, by dopasować projekty pism. Cognition używa Astry w Devin do testowania oprogramowania i zwracania dowodów, czyli nagrania z symulatora i raportu, który oddziela sprawdzone obszary od niesprawdzonych. Hex zamienia pytania biznesowe w opisane wnioski i interaktywne dashboardy, prosząc model także o ocenę, czy liczby mają sens.
Invideo deklaruje około trzykrotnie wyższy odsetek sukcesów w zadaniach korekcji i gradingu kolorów, a kilku montażystów stworzyło około 50 efektów w jeden dzień. To dane zgłoszone przez firmę, nie niezależny test, więc traktuj je jako kierunek, nie gwarancję. Twój własny test z kroku wyżej powie Ci więcej niż cudza statystyka.
Wybór między Astrą, Solem i Luną to w gruncie rzeczy pytanie o to, ile czasu i pieniędzy kosztuje Cię jedno dobrze wykonane zadanie. Na darmowym webinarze na żywo pokazujemy krok po kroku, jak oszczędzać 10 godzin tygodniowo dzięki AI - bez wiedzy technicznej.
Zapisz się na darmowy webinar →Wolisz uczyć się we własnym tempie? Sprawdź kurs AI Evolution
Podsumowując: GPT-6 daje trzy modele, trzy pokrętła (model, wysiłek rozumowania, tempo) i kilka mechanizmów do pilnowania długiej pracy. Najdroższa kombinacja nie jest z góry najlepsza. Najlepsza jest ta, która przechodzi Twój test przy najniższym koszcie na udane zadanie.
Jeden krok na start: wybierz jedno powtarzalne zadanie z Twojej pracy, np. streszczanie notatek albo sortowanie zgłoszeń. Napisz do niego zlecenie w czterech częściach z kroku 4 i uruchom je na modelu GPT-6 Luna. Jeśli wynik spełnia Twoją definicję sukcesu, masz tanie rozwiązanie. Jeśli nie, podnieś poziom rozumowania albo przejdź na GPT-6.1 Sol i porównaj koszt na udane zadanie.
Na podstawie: OpenAI Blog: A model guide for the GPT-6 family
Darmowy webinar na żywo z Janem Gajosem · w najbliższą środę o 19:00
Czytasz o AI, a w pracy dalej robisz wszystko ręcznie? Znam to.
Sam tak robiłem. Na webinarze pokazuję na swoim ekranie, jak oddać AI powtarzalne zadania: maile, proste automatyzacje, asystenta do pracy. Bez programowania i bez teorii. 90 minut, a na końcu pytasz, o co chcesz.
Link do pokoju przyjdzie mailem. Zapisując się, zgadzasz się na wiadomości e-mail zgodnie z polityką prywatności. Wolisz zacząć od lektury? Zobacz e-booki Jana Gajosa