ИИ · 22 сентября 2026
OpenAI выпустила GPT-6 Sol и Luna: API стал дешевле, а GPT-6 доступнее
OpenAI расширила семейство GPT-6 двумя моделями: GPT-6 Sol для сложной повседневной и профессиональной работы и GPT-6 Luna для сценариев, где особенно важна низкая стоимость. Главная практическая перемена — не только новое поколение моделей, но и заметно более дешёвый API.
Что именно выпустила OpenAI
GPT-6 Sol и GPT-6 Luna дополняют GPT-6 Astra. Astra остаётся верхней моделью семейства, а новые варианты закрывают более массовые сценарии: Sol ориентирован на высокий уровень возможностей при меньшей цене, Luna — на дешёвую обработку большого количества запросов.
В API используются модели gpt-6-sol и gpt-6-luna. Доступность в пользовательских продуктах разворачивается постепенно, поэтому наличие конкретной модели в интерфейсе может зависеть от тарифа, продукта и стадии rollout.
Цены API
| Модель | Входные токены | Выходные токены |
|---|---|---|
| GPT-6 Sol | $2 / 1 млн | $10 / 1 млн |
| GPT-6 Luna | $0,10 / 1 млн | $0,50 / 1 млн |
Для реального проекта одной цены за миллион токенов недостаточно. Итоговая стоимость зависит от отношения input/output, объёма контекста, кэширования, числа повторных запросов и того, насколько эффективно модель решает задачу. Более дешёвая модель может оказаться выгоднее даже при большем числе обращений, а дорогая — выиграть, если выполняет задачу за меньшее количество итераций.
Что известно о производительности
По опубликованным OpenAI результатам, GPT-6 Sol показывает 68,8% на DeepSWE v1.1, а GPT-6 Luna — 66,6%. Эти цифры полезны как ориентир, но являются результатами, опубликованными самим разработчиком. Они не заменяют независимые тесты на реальных кодовых базах и рабочих сценариях.
Новые модели также ориентированы на агентные задачи и работу с компьютером. Именно здесь особенно важно оценивать не отдельный benchmark, а стоимость завершённой задачи: количество шагов, повторных попыток, токенов и фактическое время выполнения.
Что это меняет для локального ИИ
Снижение API-цен усиливает конкуренцию между облачными и локальными моделями. Покупка GPU только ради экономии на токенах становится менее очевидной при небольшом и среднем объёме запросов. Но локальный запуск сохраняет принципиальные преимущества: данные можно не отправлять внешнему провайдеру, система может работать без доступа к облаку, отсутствует поминутная зависимость от внешнего API, а модель и окружение можно контролировать самостоятельно.
Поэтому корректное сравнение должно учитывать стоимость видеокарты и остального оборудования, амортизацию, электричество, время работы, скорость генерации, загрузку GPU, стоимость API, кэширование и реальный месячный объём токенов.
Кому стоит обратить внимание на GPT-6 Sol и Luna
- Разработчикам и coding-agent системам: Sol интересен как более доступный вариант для сложных задач, где важны код, инструменты и многошаговое выполнение.
- RAG и обработке документов: Luna потенциально снижает стоимость массовых запросов, классификации и промежуточных этапов пайплайна.
- AI-агентам: дешёвая модель может выполнять вспомогательные шаги, оставляя более дорогую модель только для сложных решений.
- Пользователям локальных LLM: стоит пересчитать TCO. Старые сравнения с облачным API могут быстро устареть после изменения тарифов.
Что пока нельзя утверждать
Не стоит автоматически считать GPT-6 Sol или Luna лучшим вариантом для любой задачи. Нужны независимые тесты качества, скорости и устойчивости в конкретных сценариях. Кроме того, rollout пользовательских функций может отличаться по продуктам и тарифам, а API-цены и условия использования со временем могут измениться.
