OpenAI ogłosiło GPT-6 Sol i GPT-6 Luna z niższymi stawkami API

OpenAI ogłosiło GPT-6 Sol i GPT-6 Luna 22 września 2026 r., podając niższe stawki API i początkowe kanały dostępu. Sol firma pozycjonowała do wymagającej pracy zawodowej, w tym programowania i pracy z agentami, a Lunę — do zadań realizowanych na dużą skalę.

OpenAI ogłosiło modele i wskazało kanały dostępu

OpenAI opisało GPT-6 Sol i GPT-6 Luna jako modele stworzone metodami podobnymi do tych wykorzystanych przy GPT-6 Astra. Przy premierze użytkownicy planów Plus, Pro, Business, Enterprise i Edu mogli korzystać z obu modeli w ChatGPT Work i Codex. Oba były też dostępne przez API. Użytkownicy planów Free i Go mogli używać GPT-6 Luna w aplikacji komputerowej. W zwykłym czacie ChatGPT modele nie były wtedy dostępne.

Stawki API za wejście i wyjście

OpenAI podało ogólne stawki w dolarach amerykańskich za każdy milion tokenów. Tokeny wejściowe to dane przekazane modelowi, a wyjściowe — tekst lub inne wyniki wygenerowane przez model.

W porównaniu z promocyjnymi stawkami GPT-5.6 Sol ceny GPT-6 Sol spadły o połowę: wejściowa z 4 do 2 USD, a wyjściowa z 20 do 10 USD za milion tokenów. W przypadku GPT-6 Luna stawka wejściowa zmalała z 0,20 do 0,10 USD, czyli o 50%. Wyjściowa spadła z 1,20 do 0,50 USD — o około 58,3%.

OpenAI podało też 90-procentową zniżkę na odczyt tokenów wejściowych z pamięci podręcznej. Deweloperzy mogli zmieniać poziom wysiłku w rozumowaniu lub dostępność narzędzi, zachowując możliwość ponownego wykorzystania wcześniejszego kontekstu.

Wyniki OpenAI i testy programistyczne

W ocenie DeepSWE v1.1 OpenAI podało wynik 68,8% dla GPT-6 Sol i 66,6% dla GPT-6 Luna, w obu przypadkach przy maksymalnym wysiłku modelu. W offline’owej wersji OSWorld 2.0 GPT-6 Sol uzyskał 60,5% przy ustawieniu xhigh, a Claude Opus 5 — 60,3% przy medium. Ustawienia wysiłku były różne. OpenAI podało również, że koszt zadania w tym porównaniu był dla GPT-6 Sol o około 80% niższy.

OpenAI stwierdziło, że w jego wewnętrznej ocenie GPT-6 Sol popełnił około połowę błędów odnotowanych dla GPT-5.6 Sol. Test obejmował zanonimizowane rozmowy, w których użytkownicy wcześniej zgłosili błędy faktograficzne. OpenAI zaznaczyło, że taki zestaw nie odzwierciedla typowego użycia.

Odrębny test kodowania obejmował 24 prompty i 12 konfiguracji modeli, z projektami w PHP, Dart, Flutter i Go. W tych warunkach jakość kodu GPT-6 Sol oceniono niżej niż GPT-5.6 Sol, a koszt i czas wykonania były niższe. To obserwacja z tego zestawu prób, nie wynik odnoszący się do wszystkich zadań.

W trzyzadaniowym porównaniu modele tworzyły stronę internetową, interaktywny panel śledzenia burz i grę 3D Storm Run. W zadaniu z grą Claude Opus 5.5 wygenerował bardziej zaawansowaną symulację fizyki wody i fal niż GPT-6 Sol i GPT-6 Luna. Próby opierały się na pojedynczych promptach.

Test kodowania pokazuje zestawienie wyników, czasu i kosztu dla różnych promptów oraz konfiguracji modeli.