OpenAI расширила семейство GPT-6 двумя более доступными моделями — GPT-6 Sol и GPT-6 Luna. Компания позиционирует их как более дешёвые варианты для профессиональной работы, программирования, автоматизации и задач с использованием компьютера, тогда как GPT-6 Astra остаётся флагманом для самых сложных сценариев.
Главное изменение — цена. GPT-6 Sol стоит 2 доллара за миллион входных токенов и 10 долларов за миллион выходных, а GPT-6 Luna — 0,10 и 0,50 доллара соответственно. OpenAI говорит, что это на 50% ниже промо-цен GPT-5.6 Sol и Luna.
Что произошло
По данным OpenAI, Sol и Luna обучались с использованием подходов, близких к GPT-6 Astra, и получили улучшения в рассуждении, фактологичности, кодировании, computer use и alignment. Компания отдельно подчёркивает, что снижение стоимости связано не только с ценовой политикой, но и с улучшениями inference и prompt caching.
Для разработчиков важна и новая схема кэширования: OpenAI заявляет о скидке 90% на чтение закэшированных входных токенов и о более высоком cache hit rate по умолчанию. В долгих агентных сессиях это должно уменьшать стоимость повторно используемого контекста.
В Codex и ChatGPT Work модели доступны пользователям Plus, Pro, Business, Enterprise и Edu. GPT-6 Luna также доступна пользователям Free и Go в десктопном приложении. В API модели называются gpt-6-sol и gpt-6-luna.
OpenAI приводит собственные тесты, где GPT-6 Sol заметно улучшает результаты предшественника на задачах программирования и профессиональной автоматизации. Эти показатели получены в исследовательской среде компании и не являются независимой гарантией производительности в каждом реальном рабочем процессе.
Почему это важно
Для агентных систем стоимость отдельных запросов быстро превращается в стоимость всей цепочки действий. Модель может читать большие репозитории, многократно вызывать инструменты и поддерживать длинный контекст, поэтому даже небольшое снижение цены на токен и кэширование заметно меняет экономику длительных задач.
Снижение цены также усиливает конкуренцию вокруг среднего и массового сегмента frontier-моделей. Разработчикам становится проще использовать более сильные модели там, где раньше приходилось экономить на количестве итераций или переходить на менее способные варианты.
При этом Astra остаётся отдельным верхним уровнем. Это показывает стратегию OpenAI: не заменять одну модель другой, а распределить разные классы задач между несколькими уровнями стоимости и производительности.
