OpenAI выпустила GPT-6 Sol и Luna: вдвое дешевле, но умнее ли?

OpenAI выпустила две новые модели, GPT-6 Sol и GPT-6 Luna. Обе держат уровень производительности предыдущего поколения GPT-5.6, но стоят вдвое дешевле за токен. Токен - единица текста, которой измеряют объём запроса и ответа. Снижение цены компания объясняет улучшениями кэширования и инференса и обещает 90-процентную скидку на кэшированные входные токены.

Роли у моделей разные. Sol рассчитана на сложные повторяющиеся задачи: разработку, проверку кода, анализ данных. Luna берёт массовые типовые операции: суммаризацию, извлечение информации, короткие ответы. Это два отдельных инструмента под разные типы работы, а не старшая и младшая версии одной модели.

Главный вопрос в другом. Цена упала вдвое, а с «умом» всё не так однозначно: независимые тесты не показывают заметного роста, а в части задач фиксируют ухудшения. Ниже разберём, что именно изменилось, где обещанная экономия реальна и какую модель брать под свою работу.

Что случилось: OpenAI выпустила GPT-6 Sol и Luna

Анонс касается двух моделей сразу, и обе продолжают линейку GPT-6. Ключевая формулировка запуска: производительность остаётся на уровне GPT-5.6, а цена снижается в два раза. Слово «остаётся» отличает этот релиз от предыдущих: OpenAI не заявляет о росте качества, только о снижении стоимости.

Цифры по тарифам такие. GPT-6 Sol стоит $2 за 1 млн входных токенов и $10 за 1 млн выходных. Для GPT-6 Luna тариф составляет $0,10 за 1 млн входных и $0,50 за 1 млн выходных токенов. Для сравнения, промо-тарифы GPT-5.6 составляли $4/$20 за миллион токенов для Sol и $0,20/$1,20 для Luna. То есть заявленное «вдвое дешевле» относится именно к промо-тарифам предыдущего поколения, а не к любым историческим ценам.

Дата релиза - 22 сентября 2026 года. В API модели появились сразу, в ChatGPT Work и Codex - постепенно в течение дня. Цены за миллион токенов и доступность разобраны отдельно в материале о том, сколько стоит Sol и кому уже доступны новые модели.

Важная оговорка по источникам: официального анонса или страницы цен OpenAI (openai.com) в нашем распоряжении нет, поэтому все цифры и формулировки опираются на вторичные публикации, включая разборы на Хабре и GPTunneL. Это ограничение стоит держать в голове, если вы сверяете тарифы перед покупкой.

Sol и Luna: чем они отличаются друг от друга

Sol работает там, где нужна глубина и точность на длинной цепочке шагов. Luna - там, где важны объём, скорость и низкая цена за операцию.

Модель	Для чего	Примеры задач
GPT-6 Sol	Сложные повторяющиеся задачи, где важна точность и глубина	Написание и проверка кода, анализ данных, многошаговые операции
GPT-6 Luna	Массовые типовые операции, где важны объём и скорость	Суммаризация текстов, извлечение информации из документов, короткие ответы

Бытовое сравнение помогает не путать их. Sol похожа на аналитика, который разбирает отчёт: читает данные, проверяет расчёты, формулирует выводы. Luna похожа на секретаря, который делает выжимку из писем: быстро, по делу, без углубления в детали.

Что такое GPT-5.6 и почему сравнение идёт именно с ней

GPT-5.6 - предыдущее поколение моделей OpenAI. Сравнение с ней выбрано не случайно: это база, на которой многие команды уже выстроили свои процессы. Если новая модель показывает тот же уровень, переход не требует переобучения сотрудников и переписывания инструкций. Ранее OpenAI уже снижала цены на GPT-5.6, и об этой истории мы писали в разборе про резкое снижение цен на GPT-5.6 Luna и Terra.

Разница между «сохраняет уровень» и «стало лучше» здесь принципиальная. Первое означает, что качество ответов примерно то же, второе - что модель решает задачи, которые раньше ей не давались. В анонсе речь идёт о первом.

Стали ли модели умнее: что говорят независимые тесты

Прямой ответ: заметного роста интеллекта почти нет. Независимый анализ Artificial Analysis, о котором рассказывает The Decoder, фиксирует смешанную картину: где-то небольшой прирост, где-то регресс. Это ключевое отличие релиза от привычного «каждая новая версия умнее предыдущей».

Бенчмарк - стандартный набор тестовых задач, по которому модели сравнивают между собой. Один и тот же набор прогоняют через старую и новую модель и смотрят, где результат выше. Именно так и появилась оценка, о которой говорят независимые аналитики.

Где прирост, а где регресс

В отчёте Artificial Analysis картина конкретнее, чем просто «смешанные результаты». По Intelligence Index и Coding Agent Index новые модели остаются на уровне GPT-5.6: прогресс в одних оценках, регресс в других. В GDPval-AA v2.1 - бенчмарке, адаптированном из набора задач OpenAI по 44 профессиям, - Sol теряет около 100 Elo-пунктов, а Luna около 75. Luna также теряет около 45 Elo-пунктов в AA-Briefcase v1.1, тогда как Sol держится на прежнем уровне.

Причина регрессов, по оценке аналитиков, - снижение качества подачи и пропуск элементов рубрики в результатах. Проще говоря, ответы становятся менее аккуратно оформленными и не всегда покрывают всё, что требовалось по условию задачи.

Есть и точечный плюс. GPT-6 Sol в режиме max прибавляет 2 пункта в Artificial Analysis Coding Agent Index при вдвое меньшей стоимости задачи, тогда как GPT-6 Luna в режиме max теряет 2 пункта. То есть прирост, если он и есть, сосредоточен в конкретном сценарии - агентной работе с кодом у старшей модели.

Практический вывод простой. Если ваша задача требует максимально полного ответа с развёрнутыми пояснениями, переход на новые модели не гарантирует улучшения. Проверять стоит на своих примерах, а не на общих обещаниях.

Почему заявления OpenAI и независимые тесты расходятся

Противоречия здесь нет. OpenAI в анонсе делает акцент на цене и на сохранении уровня производительности, а независимые аналитики измеряют качество по своим методикам и на своих наборах задач, о чём и пишет The Decoder. Это разные фокусы, а не спор о фактах.

Для читателя полезно другое правило: смотреть на пресс-релиз и на независимые замеры вместе. Первый объясняет, что компания считает главным. Второй показывает, что получилось на практике.

Вдвое дешевле: за счёт чего и что это значит для вашего кошелька

OpenAI объясняет снижение цены улучшениями в двух местах: кэшировании и инференсе. Архитектура модели при этом радикально не менялась, экономия приходит из инфраструктуры, а не из нового «мозга».

По кэшированию условия такие: у GPT-6 выше доля попаданий по умолчанию, чтение кэша идёт со скидкой 90%, а смена глубины рассуждений или набора инструментов посреди диалога больше не сбрасывает кэш. Для Sol и Luna действует та же скидка 90% на чтение из кэша и наценка 25% на запись в кэш. Именно эти 90% и имеются в виду, когда говорят о «скидке на кэшированные входные токены».

Кэширование и инференс простыми словами

Кэширование работает как закладка в книге. Если вы каждый раз отправляете один и тот же большой текст (инструкцию, регламент, набор правил), модель не пересчитывает его заново с нуля, а берёт уже обработанную версию. Платите вы только за новую часть.

Инференс - работа модели в момент, когда вы задаёте вопрос. Иначе говоря, процесс вычисления ответа. Улучшения инференса означают, что тот же ответ обходится дешевле в вычислительных ресурсах.

Когда экономия реальна, а когда - маркетинг

Экономия заметна, когда у вас много однотипных операций и повторяющийся контекст: пакетная обработка документов, регулярная суммаризация одних и тех же отчётов, поток коротких запросов от клиентов. Здесь Luna даёт ощутимую разницу, а скидка на кэш работает в полную силу.

Экономия почти незаметна, когда запросы уникальны и редки: разовые консультации, короткие диалоги, задачи, где нужен максимально полный ответ. Кэшировать тут нечего, и скидка на кэшированные токены не применяется.

• Много однотипных операций - смотрите на Luna.
• Сложные повторяющиеся задачи - Sol.
• Пара вопросов в неделю - для вас мало что меняется.

Sol или Luna: как выбрать модель под свою задачу

Порядок действий такой: сначала определите тип задачи, потом посмотрите на цену, и только затем - на уровни рассуждений. Такой порядок переворачивает привычную логику, когда выбирают самую новую и «умную» версию, а потом удивляются счёту за месяц.

Почему линейка стала запутанной

У моделей есть разные уровни рассуждений и разная стоимость, и комбинаций получилось слишком много. Чем шире линейка, тем труднее выбрать: похожие названия, разные лимиты, неочевидная разница в цене за задачу. Это объективная сложность роста, и она не означает, что вы что-то не поняли или отстали.

Запоминать все уровни не нужно. Ориентируйтесь на свою задачу, а не на названия версий.

Простое правило выбора за 30 секунд

Сложная повторяющаяся задача - Sol. Массовая типовая операция - Luna. Сомневаетесь - начните с Luna: она дешевле и закрывает большинство повседневных сценариев.

• Выжимки из встреч и писем - Luna.
• Проверка большого массива кода - Sol.
• Короткие ответы клиентам - Luna.
• Анализ таблиц с данными - Sol.

Разницу между моделями в реальных рабочих ситуациях мы подробнее разбирали в материале про то, что запуск означает для повседневной работы.

Конкуренты не спят: что значит запуск Opus 5.5

Anthropic выпустила Claude Opus 5.5 22 сентября 2026 года - в тот же день, что и GPT-6 Sol и Luna. Это новый флагман линейки Opus, вышедший примерно через два месяца после Claude Opus 5. По данным независимого разбора, OpenAI анонсировала GPT-6 Sol примерно через 90 минут после релиза Anthropic.

Совпадение по дате важно вот почему. В анонсе OpenAI все графики используют Opus 5 в качестве соперника, а Opus 5.5 в них отсутствует. Это косвенный признак того, что одновременный запуск конкурента в позиционировании нового релиза не учтён: за 90 минут полноценно протестировать чужую модель и построить сравнения невозможно.

Почему цена стала главным аргументом OpenAI

Когда рост качества замедляется, единственный оставшийся рычаг конкуренции - цена. Это не хорошо и не плохо, это рыночная логика: покупатель сравнивает не абстрактный «интеллект», а счёт за месяц при сопоставимом результате.

По независимым замерам экономия действительно есть, но она не отменяет разрыва в качестве. По Artificial Analysis Intelligence Index Opus 5.5 набирает 58 против 48 у GPT-6 Sol. При этом GPT-6 Sol стоит вдвое меньше за токен ($2/$10 против $4/$20) и примерно в шесть раз меньше за измеренную задачу. Artificial Analysis оценивает Sol в 57 баллов Coding Agent Index при стоимости около $2,99 за задачу - против 55 у GPT-5.6 Sol.

На AutomationBench - единственном тесте, который отчитываются обе компании, - Opus 5.5 набирает 40,0%, а Sol 33,2%. Оговорка: часть этих бенчмарков - самоотчёты вендоров с разными режимами усилия, поэтому прямые сопоставления ограничены.

Итог по конкурентной картине: новые модели OpenAI близки к решениям Anthropic по стоимости задачи, но не по всем метрикам качества. Выбор между ними - это выбор между «дешевле за сопоставимый результат» и «дороже за более высокий балл».

Что меняет одновременный запуск Opus 5.5

Для пользователя это означает простую вещь: картина меняется в тот же момент, когда вы читаете новость. Сравнения, построенные на Opus 5, могут быть неактуальны уже в день публикации.

Вывод для практики: не принимайте решение по одному релизу. Смотрите на рынок целиком и на свои задачи.

Что это значит для вас: стоит ли переходить прямо сейчас

Спокойный ответ: срочности нет. Если вы работаете на GPT-5.6 и вас всё устраивает, спешить некуда, заметного роста качества новые модели не обещают. Если вы платите за объёмные типовые операции, присмотритесь к Luna: экономия может быть ощутимой. Если ждали прорыва в «уме», его не случилось, и это нормально: рынок сейчас работает над ценой, а не только над качеством.

Кому переходить, а кому подождать

Переходить есть смысл при большом объёме массовых операций и оплате за объём: Luna снижает расходы именно на таких сценариях. Подождать стоит, если вы уже на GPT-5.6 и качество устраивает. Присмотреться имеет смысл при сложных повторяющихся задачах: Sol может оказаться удобнее, но сначала проверьте её на своих примерах.

Как следить за темой без информационного шума

Разбираться во всех деталях не нужно. Достаточно понимать суть ключевых запусков и видеть их в хронологии: что вышло, когда и что это меняет. Один релиз - одна понятная запись, без технического жаргона и без алгоритмической выдачи.

За несколько минут вы разобрались в новости, которая на первый взгляд выглядела сложной: две модели, вдвое дешевле, качество примерно на прежнем уровне, главный аргумент - цена. Этого достаточно, чтобы принять рабочее решение.

Есть вопрос или заметили неточность? Напишите нам, мы поправим.