TL;DR
OpenAI ha rilasciato GPT-6 Sol e GPT-6 Luna il 22 settembre 2026, ampliando la famiglia GPT-6 oltre Astra. Sol è progettato per coding complesso e workflow basati su agenti, mentre Luna è orientato ad attività focalizzate e ripetibili ad alto volume. Entrambi accettano input di testo e immagini, generano testo, offrono una finestra di contesto da 1.050.000 token e supportano le API Responses e Chat Completions. La differenza principale riguarda l’economia del carico di lavoro: Sol spende di più per token per gestire lavori esigenti, mentre Luna minimizza il costo unitario per task ben delimitati.
Per la maggior parte dei team, il punto di partenza pratico è semplice: usare Astra per i lavori end-to-end più difficili, Sol quando occorre bilanciare capacità e costo, e Luna quando il task è abbastanza stretto da poter essere validato automaticamente. L’accesso OpenAI è attivo sia per Sol che per Luna. CometAPI va verificata separatamente perché disponibilità del gateway, promozioni e instradamento degli account possono differire dal rilascio diretto di OpenAI.
Key Takeaways
- GPT-6 Sol è il punto di partenza più solido per codice impegnativo, agenti multi-step, debugging difficile e workflow in cui i fallimenti generano costi significativi di revisione.
- GPT-6 Luna è progettato per attività focalizzate e ad alto volume come estrazione, classificazione, instradamento, riepilghi strutturati e trasformazioni di prima passata.
- Entrambi i modelli hanno gli stessi limiti pubblicati di contesto e output, quindi la sola lunghezza del contesto non è un motivo per scegliere tra i due.
- Le tariffe Standard a contesto breve di OpenAI sono $2 input e $10 output per milione di token per Sol, contro $0,10 input e $0,50 output per Luna.
- Usare la Responses API per un ragionamento ricco di strumenti. In Chat Completions, il function calling per Sol e Luna richiede che reasoning_effort sia impostato su none.
What Did OpenAI Release With GPT-6 Sol and Luna?
Il rilascio del 22 settembre aggiunge due livelli operativi più economici alla famiglia GPT-6. GPT-6 Astra resta l’opzione più capace per i lavori end-to-end più difficili; Sol porta un forte ragionamento su coding e agenti impegnativi a un tasso per token inferiore; Luna è ottimizzato per lavori focalizzati che devono essere eseguiti ripetutamente ed economicamente.
Non è solo un aggiornamento di naming. Il changelog dell’API di OpenAI elenca gli ID modello esatti gpt-6-sol e gpt-6-luna, con input di testo e immagini, output di testo e disponibilità sia tramite Responses sia tramite Chat Completions. Gli sviluppatori possono quindi testare i modelli con gli stessi prompt rappresentativi e selezionare un livello in base a tasso di output accettato, latenza, token totali, ritentativi e tempo di revisione umana—non solo al prezzo per token. Vedi il registro delle modifiche dell’API OpenAI e il confronto ufficiale dei modelli.
What Is GPT-6 Sol?
GPT-6 Sol è il modello GPT-6 di OpenAI per workflow di coding complesso e agentici. È pensato per lavori che richiedono ragionamento sostenuto, decisioni sugli strumenti e più passaggi, inclusi analisi di repository, debugging e modifiche software guidate da agenti. La specifica ufficiale indica input di testo e immagini, output di testo, una finestra di contesto da 1.050.000 token, fino a 128.000 token di output e un livello di reasoning effort da none a max.
Sol non è semplicemente “il modello intermedio”. Il suo valore economico dipende dal fatto che una performance multi-step più forte riduca ritentativi, escalation e revisione. È una buona scelta predefinita quando il costo unitario inferiore di Luna verrebbe compensato da più validazioni fallite o da maggiore intervento umano.
What Is GPT-6 Luna?
GPT-6 Luna è l’opzione GPT-6 orientata all’efficienza per lavori ben definiti e ripetuti ad alto volume. Esempi includono estrazione, classificazione, risposte guidate da template, triage del supporto e riepiloghi di prima passata, a condizione che gli output siano verificati rispetto ai requisiti dell’applicazione. Luna ha gli stessi limiti pubblicati di contesto (1.050.000 token) e output (128.000 token) di Sol, con input di testo e immagini e output di testo.
Luna è più convincente quando il successo può essere definito chiaramente e verificato a basso costo. Un tasso per token basso non produce automaticamente il costo di workflow più basso: i team dovrebbero considerare ritentativi, output rifiutati, failure a valle e tempo dei revisori nella valutazione.
How Did GPT-6 Sol and Luna Improve Performance?
Professional and coding evaluations
Nelle valutazioni di lancio pubblicate da OpenAI, Sol ha ottenuto il 33,2% su AutomationBench con xhigh effort con un costo stimato di $0,27 per task; Astra a low effort ha ottenuto il 30,3% in quel confronto. Sol ha ottenuto il 68,8% su DeepSWE v1.1 a max effort, mentre Luna ha ottenuto il 66,6% a max effort. AutomationBench testa workflow tra applicazioni; DeepSWE testa task di ingegneria del software di lungo respiro. Queste cifre derivano da impostazioni di test specifiche e non stabiliscono un ranking universale per ogni prompt.
La lezione utile non è che un benchmark dichiari un vincitore universale. È che il miglior modello può cambiare con reasoning effort, uso degli strumenti e design del task. Le impostazioni dei benchmark vanno trattate come evidenze per formulare un piano di test, non come sostituti della valutazione dei prompt di produzione.
Computer use, factuality, and limits
Nella valutazione offline OSWorld 2.0 di OpenAI, Sol ha raggiunto il 60,5% con xhigh effort. OpenAI ha inoltre riportato circa la metà degli errori per Sol rispetto al suo predecessore GPT-5.6 su un set interno di conversazioni selezionate perché gli utenti avevano segnalato errori fattuali. Quel set non è rappresentativo del traffico tipico.
Per la messa in produzione, valutate le modalità di failure rilevanti per la vostra applicazione: scelta errata degli strumenti, esecuzione multi-step incompleta, failure di schema, errori fattuali, latenza e costo per risultato accettato. Un piccolo set di valutazione rappresentativo è più azionabile di un punteggio su una leaderboard ampia.
How Much Do GPT-6 Sol and Luna Cost?
La tabella dei prezzi ufficiale di OpenAI separa le tariffe Standard a contesto breve e a contesto lungo. I prezzi sotto sono in USD per un milione di token. Un prompt con più di 272.000 token di input usa le tariffe a contesto lungo per l’intera richiesta, non solo per la porzione oltre la soglia.
| Tariffa Standard OpenAI / 1M token | GPT-6 Sol: breve / lungo | GPT-6 Luna: breve / lungo |
|---|---|---|
| Input | $2,00 / $4,00 | $0,10 / $0,20 |
| Input in cache | $0,20 / $0,40 | $0,01 / $0,02 |
| Scritture nella cache | $2,50 / $5,00 | $0,125 / $0,25 |
| Output | $10,00 / $15,00 | $0,50 / $0,75 |
Le modalità Batch, Flex, Fast e l’elaborazione regionale idonea hanno tariffe separate. Stimate il costo considerando il livello di servizio, la lunghezza totale dell’input, la lunghezza dell’output, il comportamento della cache, le commissioni degli strumenti e il tasso di ritentativi.
CometAPI pricing and availability snapshot
Attualmente CometAPI elenca sia GPT-6 Luna sia GPT-6 Sol al 20% in meno rispetto alle corrispondenti tariffe Standard a contesto breve dell’API di OpenAI. Per GPT-6 Luna, CometAPI addebita $0,08 per milione di token in input e $0,40 per milione di token in output, rispetto alle tariffe OpenAI di $0,10/$0,50. Il catalogo elenca anche prezzi scontati per cache-read e cache-write, con la stessa riduzione del 20%.
GPT-6 Sol riceve lo stesso sconto CometAPI del 20%. La sua tariffa a contesto breve è $1,60 per milione di token in input e $8,00 per milione di token in output, rispetto ai prezzi Standard di OpenAI di $2/$10. Questo rende Sol sostanzialmente più costoso di Luna su base per-token, ma i due modelli puntano a carichi di lavoro diversi: Sol è progettato per coding impegnativo e workflow agentici, mentre Luna enfatizza un’inferenza efficiente ad alto volume.
| Modello CometAPI | Stato pubblico | Input/Output contesto breve | Interpretazione |
|---|---|---|---|
| GPT-6 Luna | Elencato con -20% | $0,08 / $0,40* | L’input è mostrato pubblicamente; l’output è il calcolo corrispondente con sconto del 20%. Ricontrollare la dashboard. |
| GPT-6 Sol | Elencato con -20% | $1,60 / $8,00* | L’input è mostrato pubblicamente; l’output è il calcolo corrispondente con sconto del 20%. Ricontrollare la dashboard. |
*Snapshot datato e calcolo dichiarato, non una garanzia di prezzi futuri o di accesso dell’account. Vedi il catalogo dei modelli CometAPI e la pagina prezzi.
GPT-6 Astra vs GPT-6 Sol vs GPT-6 Luna: How Should Developers Choose?
I tre modelli vanno comparati in base al costo di un workflow riuscito, non solo alle specifiche. Astra offre il più alto tetto di capacità, Sol bilancia un forte ragionamento con un tasso per token molto più basso, e Luna minimizza il costo unitario per task con confini chiari e validazione.
| Modello | Sceglilo quando | Compromesso operativo |
|---|---|---|
| GPT-6 Astra | Il task è il lavoro end-to-end più difficile: ambiguo, ad alta conseguenza, ricco di strumenti o costoso da revisionare. | Prezzo per token più alto, ma può ridurre failure a valle e intervento umano nei casi più difficili. |
| GPT-6 Sol | Ti serve una forte performance in coding e agenti senza pagare le tariffe di Astra per ogni richiesta. | Un solido predefinito per lavori di produzione impegnativi; verifica se la capacità extra riduce abbastanza i ritentativi da giustificarne il costo rispetto a Luna. |
| GPT-6 Luna | Il lavoro è stretto, misurabile, ad alto volume e protetto da schemi, regole o campionamento. | Costo unitario più basso, ma definizioni deboli del task o validazioni scarse possono trasformare i risparmi in costi di revisione e ritentativi. |
Consigliato schema di instradamento: inviare il lavoro routinario e ben delimitato a Luna; instradare i casi impegnativi a Sol; riservare Astra per i task in cui complessità, ambiguità o conseguenze rendono prezioso il tetto di capacità più alto. I segnali di escalation possono includere validazione fallita, requisiti di strumenti, bassa confidenza, prompt insolitamente lunghi o alto costo dell’errore.
Why Has GPT-6 Terra Not Been Released?
OpenAI non ha annunciato un modello GPT-6 Terra né fornito un motivo per la sua assenza al 23 settembre 2026. Il suo catalogo pubblico di modelli GPT-6 elenca Astra, Sol e Luna, e il changelog dell’API annuncia Sol e Luna senza un ID modello Terra. La generazione precedente GPT-5.6 includeva Terra, il che spiega la domanda, ma non stabilisce un piano di lancio per GPT-6.
Qualsiasi spiegazione basata su prezzi, strategia di lineup o tempistica di rilascio è analisi e non una dichiarazione di OpenAI. Finché OpenAI non pubblica una pagina di modello o un annuncio, data di rilascio, specifica, benchmark e prezzo per GPT-6 Terra rimangono sconosciuti.
How Can Developers Access and Use GPT-6 Sol and Luna?
Use OpenAI directly
Entrambi gli ID modello sono attivi nelle API Responses e Chat Completions di OpenAI. Usare Responses per il ragionamento con strumenti integrati e function calling. Chat Completions supporta richieste ordinarie, ma il function calling per Sol e Luna richiede reasoning_effort="none".
Use CometAPI after checking the live route
CometAPI documenta un URL di base compatibile con OpenAI, quindi i team possono usare l’SDK di OpenAI con una chiave CometAPI. Il catalogo pubblico attualmente supporta l’uso di Luna come esempio più sicuro. Sostituire gpt-6-sol solo dopo che il tuo account conferma che la rotta Sol è abilitata.
Se la tua dashboard CometAPI documenta il supporto di Responses e chat per la rotta selezionata, testala separatamente prima del rollout. Registra provider, rotta, ID modello, impostazione di reasoning, latenza, token, risultato della validazione e costo fatturato in modo che i test via gateway restino distinguibili dai test diretti su OpenAI.
Conclusion
GPT-6 Sol e GPT-6 Luna estendono la famiglia GPT-6 con due diverse economie operative. Sol è costruito per coding complesso e workflow agentici; Luna è progettato per lavoro efficiente e focalizzato su larga scala. Astra resta l’opzione per i task end-to-end più difficili. Poiché tutte e tre le scelte possono risultare economiche in condizioni diverse, il confronto corretto è il costo per risultato accettato—non la lunghezza del contesto o il prezzo per token isolati.
Parti con un set di valutazione rappresentativo. Misura qualità, latenza, token totali, ritentativi, failure di validazione e tempo di revisione umana. Usa gli ID modello pubblicati da OpenAI per l’accesso diretto e verifica la rotta attiva di CometAPI e i prezzi dell’account prima di formulare affermazioni specifiche sulla disponibilità del gateway.