pimenov.ai

GPT-6 Sol и Luna: новые модели и более низкие цены API

OpenAI выпустила GPT-6 Sol и GPT-6 Luna. Обе модели используют методы обучения GPT-6 Astra, но рассчитаны на более доступную повседневную работу. Sol предназначена для сложных задач и агентных процессов, Luna — для большого потока запросов с ограниченным бюджетом. Astra остаётся старшей моделью семейства.

В API GPT-6 Sol стоит $2 за миллион входных токенов и $10 за миллион выходных. Это вдвое дешевле промо-тарифов GPT-5.6 Sol. У Luna цены ещё ниже: $0,10 и $0,50 соответственно. Вход подешевел на 50%, вывод — примерно на 58%. Это базовые тарифы: для запросов с входом свыше 272 тысяч токенов действуют повышенные ставки.

Notion image

OpenAI также улучшила повторное использование контекста: чтение входных токенов из кэша стоит на 90% дешевле обычного ввода. Для агентов, которые много раз обращаются к одним инструкциям и документам, это особенно существенно.

По данным OpenAI, на AutomationBench Luna при высоком уровне рассуждения прибавила 5,4 процентного пункта к результату предшественницы, а стоимость попытки снизилась на 58%. Это результат конкретного теста бизнес-процессов, а не обещание такой же экономии в любой автоматизации.

Модели начали появляться в ChatGPT Work и Codex, доступны и через API. В обычном чате ChatGPT их пока нет; доступ разворачивается постепенно.

Практический вывод: появился повод пересчитать стоимость повторяющихся задач. Возьмите один рабочий сценарий и сравните модели по расходам на готовый результат, включая проверку и исправления. Низкая цена токена полезна, когда качество позволяет принять работу.

Следующий шаг

Экономика агентной компании: стоимость решения вместо стоимости рабочего часа

Связанные материалы

Статья: GPT‑6 Astra стала доступна: что поручить ей в первый день

Блог: GPT-5.6 Sol подешевел: $4 за вход и $20 за выход

База знаний: Agents API или Codex: как выбрать способ автоматизации

Если у вас есть повторяющиеся задачи, можно обсудить выбор модели и оценку стоимости автоматизации на ваших примерах.

Если захотите обсудить, как это применить у себя или в команде — пишите в Telegram @pimenov