OpenAI uzupełnia rodzinę GPT-6 o Sol i Lunę i obniża ceny API o połowę

22 września 2026 roku OpenAI poszerzyło ofertę: obok GPT-6 Astra, wprowadzonego na początku miesiąca, pojawiły się modele GPT-6 Sol i GPT-6 Luna. Według producenta Sol powstał z myślą o programowaniu i złożonych zadaniach, a Luna o pracy na dużą skalę, takiej jak streszczanie i ekstrakcja danych. Dokumentacja techniczna podaje dla obu identyfikatorów, gpt-6-sol i gpt-6-luna, okno kontekstu 1 050 000 tokenów, z limitem 922 000 tokenów na wejściu i 128 000 na wyjściu, oraz granicę wiedzy ustaloną na 20 kwietnia 2026 roku dla Sol i 18 maja 2026 roku dla Luny.

OpenAI deklaruje średnią obniżkę o pięćdziesiąt procent względem serii 5.6. Według cen poprzedników podanych przez TechCrunch i Pulse2 Sol tanieje z 4 dolarów za wejście i 20 za wyjście do 2 i 10 dolarów za milion tokenów, a Luna z 0,20 za wejście i 1,20 za wyjście do 0,10 i 0,50 dolara. OpenAI przypisuje obniżkę optymalizacjom wnioskowania i cache'owania. Powyżej 272 000 tokenów wejściowych ceny Luny podwajają się jednak dla wejścia i cache'u, a dla wyjścia rosną 1,5-krotnie. W ChatGPT Work i Codex oba modele są dostępne dla subskrybentów Plus, Pro, Business, Enterprise i Edu; użytkownicy Free i Go mogą korzystać tylko z Luny i wyłącznie w aplikacji desktopowej. MacRumors zauważa ponadto, że integracja z trybem czatu na razie nie wydaje się aktywna.

Deklarowane benchmarki wymagają ostrożnej lektury. Według przekazanych danych Sol uzyskuje 33,2% w AutomationBench wobec 26,9% Claude Opus 5, a w DeepSWE v1.1 Sol osiąga 68,8%, a Luna 66,6%, przy 69,9% Claude Fable 5. Wyniki pochodzą z wewnętrznych pomiarów przeprowadzonych z ustawieniami wysiłku wybranymi przez firmę i nie zostały jeszcze zweryfikowane przez strony trzecie. Kilka mediów branżowych zgodnie podaje te same liczby, ale nie udało się ich odczytać bezpośrednio w oficjalnym ogłoszeniu z powodu błędu HTTP 403. Także w kwestii faktograficzności samo OpenAI zaznacza, że deklarowane zmniejszenie o połowę liczby błędów Sol względem poprzednika pochodzi z testu opartego na rozmowach specjalnie skonstruowanych tak, by wprowadzać w błąd, bez kontroli długości odpowiedzi, a więc niereprezentatywnego dla zwykłego użycia.

W czasie, gdy rywalizacja czołowych laboratoriów agresywnie przenosi się na koszt tokena — tego samego dnia, około dziewięćdziesięciu minut wcześniej, konkurent wprowadził nowy model z najwyższej półki — prawdziwą niewiadomą pozostaje rzeczywista wydajność tych modeli, gdy zmierzą się z realnymi obciążeniami firm.

— Olya