OpenAI ha presentato GPT-6 Sol e GPT-6 Luna, due nuovi modelli pensati per offrire capacità avanzate con costi e tempi di risposta inferiori rispetto a GPT-6 Astra. Il rilascio è iniziato il 22 settembre in ChatGPT Work, Codex e nelle API.
La differenza principale riguarda il posizionamento. Astra resta il modello indicato dall’azienda per i lavori più complessi; Sol è destinato alle attività professionali e di programmazione che richiedono ragionamento approfondito, mentre Luna privilegia velocità, volume e costo contenuto.
Nelle API GPT-6 Sol costa 2 dollari per milione di token in ingresso e 10 dollari per milione di token generati. GPT-6 Luna costa 10 centesimi in ingresso e 50 centesimi in uscita. OpenAI presenta queste tariffe come una riduzione del 50% rispetto ai prezzi promozionali dei corrispondenti modelli GPT-5.6.
I due modelli sono disponibili con gli identificativi gpt-6-sol e gpt-6-luna. In ChatGPT Work e Codex il rollout riguarda gli utenti Plus, Pro, Business, Enterprise ed Edu; Luna è previsto anche nell’app desktop per i piani Free e Go.
L’azienda precisa che la distribuzione può essere graduale e che i modelli non sono ancora disponibili nella normale interfaccia Chat.
OpenAI attribuisce a Sol miglioramenti nei flussi di lavoro professionali, nel coding, nell’uso del computer e nell’affidabilità fattuale. I risultati dei benchmark diffusi dall’azienda vanno letti come valutazioni del produttore: configurazioni, livello di ragionamento, costi per attività e ambienti di test possono influenzare i confronti.
Nel test AutomationBench, secondo i dati pubblicati, Sol con ragionamento xhigh ottiene il 33,2% a un costo di 27 centesimi per attività. Su DeepSWE raggiunge il 68,8% al livello massimo. Luna ottiene il 66,6% nello stesso test, con un costo per attività dichiarato nettamente inferiore rispetto ai modelli concorrenti considerati.
L’annuncio include anche modifiche alla cache dei prompt. Per i modelli GPT-6 gli input già elaborati possono beneficiare di uno sconto del 90%; nuovi strumenti consentono di osservare i cache hit e impostare punti espliciti in cui termina il prefisso riutilizzabile.
Cambiare lo sforzo di ragionamento o attivare e disattivare strumenti non dovrebbe più interrompere automaticamente la parte precedente della cache.
Per chi usa l’intelligenza artificiale in produzione, il costo effettivo non dipende soltanto dal prezzo per token. Contano la lunghezza delle risposte, il numero di tentativi, il livello di ragionamento, l’uso di strumenti esterni e la quota di contesto recuperata dalla cache.
Un modello meno costoso per milione di token può quindi non essere sempre il più economico per completare un compito.
La scelta tra Astra, Sol e Luna diventa così una decisione di servizio: massima accuratezza e profondità per i casi critici, equilibrio tra capacità e prezzo per il lavoro professionale ripetuto, oppure velocità e grandi volumi per classificazioni, assistenza e automazioni semplici. Le prestazioni reali devono essere verificate sul proprio carico di lavoro e con controlli umani proporzionati al rischio.
OpenAI afferma inoltre che Sol e Luna riducono, rispetto ai predecessori, le risposte fuorvianti nei test interni dedicati agli agenti di coding. Anche in questo caso si tratta di valutazioni costruite per situazioni difficili e non di una misura diretta del tasso di errore nell’uso quotidiano.