OpenAI выпустила GPT-6 Sol и GPT-6 Luna, расширив семейство моделей GPT-6 вместе с флагманской GPT-6 Astra, представленной ранее в этом месяце. По словам компании, новые модели обеспечивают производительность, приближающуюся к уровню Astra, в профессиональной работе, фактологии, программировании и использовании компьютера, одновременно снижая цены API на 50% по сравнению с промо-тарифами предыдущего поколения GPT-5.6.

OpenAI связала снижение цен с улучшениями в кэшировании и инфраструктуре инференса, отметив, что экономия напрямую передается пользователям. GPT-6 Sol теперь стоит $2 за миллион входных токенов и $10 за миллион выходных токенов против прежних $4 и $20 соответственно. GPT-6 Luna стоит $0,10 за миллион входных токенов и $0,50 за миллион выходных токенов по сравнению с прежними ценами $0,20 и $1,20. Поскольку биллинг API масштабируется с объемом токенов, ставки за токен являются основным рычагом затрат для разработчиков, и их двукратное снижение умножается на большие объемы токенов, которые могут генерировать агентные рабочие нагрузки.

OpenAI описывает Astra как свою самую мощную модель для самых требовательных проектов, тогда как Sol и Luna призваны сделать продвинутый ИИ более практичным для повседневных рабочих нагрузок большего объема.

GPT-6 Sol and Luna just landed in Astra’s orbit. Both launch today with API prices 50% lower than GPT-5.6. Build with Sol. Scale with Luna. To production and beyond. pic.twitter.com/ZCEFp4JdjV — OpenAI Developers (@OpenAIDevs) September 22, 2026

GPT-6 Sol и Luna только что вышли на орбиту Astra. Обе запускаются сегодня с ценами API на 50% ниже, чем у GPT-5.6. Build with Sol. Scale with Luna. To production and beyond. pic.twitter.com/ZCEFp4JdjV

Результаты бенчмарков и технические улучшения

На AutomationBench, который оценивает агентов на 47 бизнес-инструментах в продажах, маркетинге, операциях, поддержке, финансах и HR, GPT-6 Sol на уровне усилий xhigh набрала 33,2% при стоимости $0,27 за задачу. Для сравнения: Claude Opus 5 на максимальных усилиях набрал 26,9%, при этом стоимость задачи у Sol составила примерно 9% от показателя Claude Opus 5. Подобные сравнения стоимости за задачу стали стандартным элементом релизов фронтирных моделей наряду с показательными результатами бчмарков.

На Agents’ Last Exam Sol на максимальных усилиях достигла 56,4%, превзойдя лучший результат Claude Opus 5 при примерно на 60% меньших затратах. В оценках программирования GPT-6 Sol набрала 68,8% на DeepSWE v1.1, уступив всего 1,1 процентного пункта лучшему результату Claude Fable 5 при примерно на 80% меньших затратах. Luna набрала 66,6%, что сопоставимо с Opus 5 и Fable 5 на среднем уровне усилий, при затратах на 93–96% ниже. На OSWorld 2.0 Sol сравнялась с Claude Opus 5, набрав 60,5% против 60,3%, при примерно одной пятой затрат.

OpenAI также сообщила, что уровень фактических ошибок Sol снизился вдвое по сравнению с предшественницей во внутренней оценке деидентифицированных диалогов, где пользователи отмечали ошибки. На более высоком уровне усилий Luna сравнялась с надежностью GPT-5.6 Sol при примерно одной сотой затрат. Оценки согласованности показали улучшение обеих моделей по сравнению с предшественницами, включая снижение частоты обмана в специально усложненных сценариях программирования.

OpenAI также улучшила кэширование промптов, повысив по умолчанию долю попаданий в кэш. Система предоставляет скидку 90% на чтение кэшированных входных токенов, а также панель мониторинга, диагностические инструменты и настройки, позволяющие разработчикам изменять уровень усилий рассуждений и доступность инструментов без аннулирования кэшированного контекста. GitHub сообщила, что эти изменения сократили долю токенов промптов, требующих свежей обработки, более чем на 50% на миллиардах запросов.

GPT-6 Sol и Luna стали доступны в ChatGPT Work и Codex для пользователей Plus Pro, Business, Enterprise и Edu. Luna также доступна пользователям Free и Go через десктопное приложение. Обе модели предоставляются через API как gpt-6-sol и gpt-6-luna с постепенным развертыванием в течение дня.

Независимый анализ выявляет экономию затрат и неоднозначную производительность

Стороннее тестирование Artificial Analysis в целом подтвердило заявления OpenAI об эффективности, но дало более неоднозначную оценку возможностей моделей. Используя свой Intelligence Index, компания установила, что GPT-6 Sol на максимальных усилиях стоит примерно $1,06 за задачу по сравнению с $1,99 у предшественницы. Стоимость Luna снизилась с $0,18 до $0,07 за задачу. Artificial Analysis заявила, что обе модели достигли границы Парето по экономической эффективности.

Компания отметила, что экономия полностью обусловлена снижением цен, поскольку обе модели потребляют немного больше выходных токенов на задачу, чем их предшественницы.

GPT-6 Sol and Luna push the cost efficiency frontier by halving cost relative to GPT-5.6 Sol and Luna. Intelligence Index and Coding Agent Index scores remain level with GPT-5.6, with progress in some evaluations and regressions in others Pricing is approximately half that of… pic.twitter.com/eubnxPVsyN — Artificial Analysis (@ArtificialAnlys) September 22, 2026

GPT-6 Sol и Luna сдвигают границу экономической эффективности, вдвое снижая стоимость по сравнению с GPT-5.6 Sol и Luna. Оценки Intelligence Index и Coding Agent Index остаются на уровне GPT-5.6, с прогрессом в одних оценках и регрессом в других. Цены составляют примерно половину от… pic.twitter.com/eubnxPVsyN

Результаты производительности показали как улучшения, так и регресс. Оценка Sol в Coding Agent Index выросла на 2 пункта до 57 с успехами в Terminal-Bench 4.0 и SWE-Atlas-QnA. Оценка Luna снизилась на 2 пункта с падением в SWE-Atlas-QnA и DeepSWE v1.1. Расхождение срами OpenAI в день запуска отчасти отражает различия в наборах бенчмарков, уровнях усилий и методологиях оценки между двумя наборами результатов.

На бенчмарке AA-Omniscience уровень галлюцинаций Sol снизился с 92% до 60%. Artificial Analysis отметила, что улучшение отчасти связано с отказом модели отвечать на больше вопросов, что снизило ее точность на 5 пунктов. Это различие — выигрыш от более прочной фактической основы против выигрыша от меньшего числа ответов — повторяющийся нюанс в измерении галлюцинаций.

Наибольший регресс проявился в оценках интеллектуального труда. Sol потеряла примерно 100 очков Elo на GDPval-AA v2.1, Luna — около 75. Ручная проверка связала снижение оценок с более короткими результатами, пропускающими обязательные элементы рубрики, и ухудшением качества подачи. Если читать их вместе с цифрами OpenAI, независимые результаты представляют этот запуск прежде всего как историю о затратах: цены снизились повсеместно, тогда как динамика возможностей варьировалась в зависимости от бенчмарка и категории задач.