TL;DR
Grunnpriser: GPT-5.6 Standard kort-kontekst satser er $5 input / $30 output for Sol, $2.50 / $15 for Terra, og $1 / $6 for Luna per 1 million tokens.
Følg med på skjulte kostnadsdrivere: det generiske gpt-5.6-aliaset rutes til Sol, forespørsler over 272K input-tokens bruker høyere langkontekst-satser, og output-tokens koster 6× mer enn input-tokens på tvers av alle tre GPT-5.6-nivåene.
For produksjon: sammenlign kostnad per vellykket oppgave, ikke bare tokenpris. Nøyaktighet, retrier, verktøykall, latens, caching og menneskelig gjennomgang kan endre den reelle kostnaden.
OpenAI API-priser i korthet
For brukere som søker bredt etter OpenAI API-priser, er det første spørsmålet ofte: hvilken aktuell modell betaler jeg faktisk for? Tabellen nedenfor gir en kompakt oversikt over flere nåværende OpenAI-tekstmodeller før vi ser nærmere på GPT-5.6.
| Model | Input / 1M tokens | Cached input | Output / 1M tokens |
|---|---|---|---|
| gpt-5.6-sol | $5.00 | $0.50 | $30.00 |
| gpt-5.6-terra | $2.50 | $0.25 | $15.00 |
| gpt-5.6-luna | $1.00 | $0.10 | $6.00 |
| gpt-5.5 | $5.00 | $0.50 | $30.00 |
| gpt-5.4 | $2.50 | $0.25 | $15.00 |
| gpt-5.4-mini | $0.75 | $0.08 | $4.50 |
| gpt-5.4-nano | $0.20 | $0.02 | $1.25 |
Kilde*:* OpenAI API pricing
Det viktigste mønsteret er lett å overse: GPT-5.6 output-tokens koster 6× så mye som input-tokens på tvers av Sol, Terra og Luna. Lange svar, ordrike agenter og resonneringstunge arbeidsflyter kan derfor øke kostnadene raskere enn små endringer i promptlengde.
For en bredere oversikt over GPT-5.6-familien—inkludert modellkapabiliteter, posisjonering, benchmarks, API-tilgang og sentrale lanseringsfunksjoner—se OpenAIs GPT-5.6 announcement eller CometAPIs GPT-5.6 guide. Denne artikkelen fokuserer spesifikt på prising, kostnadsberegninger og faktorene som kan påvirke din reelle API-regning.
GPT-5.6-priser: Sol vs Terra vs Luna
GPT-5.6 introduserer tre pristrinn. OpenAI posisjonerer Sol som flaggskip-ruten, Terra som det balanserte alternativet, og Luna som lavkost-nivået for arbeidsmengder med stort volum.
For en dypere titt på kapabiliteter, hvordan du får tilgang til GPT-5.6 API, og brukstilfeller for hver modell,details to see the here about GPT-5.6 model .
GPT-5.6 Standard-priser for forespørsler med ≤272K input-tokens
| Model | Short input | Cached input | Cache write | Short output | Long input | Long cached input | Long cache write | Long output |
|---|---|---|---|---|---|---|---|---|
| gpt-5.6-sol | $5.00 | $0.50 | $6.25 | $30.00 | $10.00 | $1.00 | $12.50 | $45.00 |
| gpt-5.6-terra | $2.50 | $0.25 | $3.13 | $15.00 | $5.00 | $0.50 | $6.25 | $22.50 |
| gpt-5.6-luna | $1.00 | $0.10 | $1.25 | $6.00 | $2.00 | $0.20 | $2.50 | $9.00 |
Kilde*:* OpenAI API pricing
Langkontekst-prising: Forespørsler med mer enn 272K input-tokens bruker høyere satser. Input, bufret input og cache-skriving faktureres til 2× standardraten, mens output faktureres til 1.5×. De høyere satsene gjelder for hele forespørselen.
Et fornuftig utgangspunkt er å teste Luna for enklere, høyvolumsoppgaver, Terra for balanserte applikasjonsarbeidslaster, og Sol for de mest krevende eller høyeffekt-oppgavene. Dette er ikke universelle anbefalinger: nøyaktighet, retrier, verktøyatferd og menneskelig gjennomgang kan oppveie forskjellen i listepris.
Én viktig alias-detalj
OpenAIs model guidance oppgir at det generiske gpt-5.6-aliaset rutes til gpt-5.6-sol.
Det betyr at en forespørsel sendt til gpt-5.6 bruker Sol-prisnivået. Hvis din arbeidslast fungerer godt på Terra eller Luna, bruk den eksplisitte modell-ID-en i stedet for å anta at det generiske aliaset velger det billigste passende nivået.
Eksempel 1: En typisk API-forespørsel
Start med en vanlig forespørselsform:
- 1,000 input-tokens
- 500 output-tokens
| Model | Cost per request | Cost per 1,000 requests |
|---|---|---|
| gpt-5.6-sol | $0.02 | $20 |
| gpt-5.6-terra | $0.01 | $10 |
| gpt-5.6-luna | $0.00 | $4 |
Beregning for Sol:
(1,000 / 1,000,000 × $5) + (500 / 1,000,000 × $30) = $0.020
Dette eksempelet viser også hvorfor output-lengde betyr noe. Selv om forespørselen inneholder dobbelt så mange input-tokens som output-tokens, utgjør output-delen 75% av Sol-tokenkostnaden fordi output er priset til seks ganger input-raten.
For chat, agenter og kodegenerering kan det å kontrollere unødvendig ordrikhet noen ganger spare mer enn å trimme en liten systemprompt.
Eksempel 2: Månedskostnad i skala
Anta nå at en applikasjon håndterer 1 million forespørsler per måned, i snitt:
- 2,000 input-tokens per forespørsel
- 500 output-tokens per forespørsel
Det tilsvarer 2 milliarder input-tokens og 500 millioner output-tokens per måned.
| Model | Monthly input cost | Monthly output cost | Total |
|---|---|---|---|
| gpt-5.6-sol | $10,000 | $15,000 | $25,000 |
| gpt-5.6-terra | $5,000 | $7,500 | $12,500 |
| gpt-5.6-luna | $2,000 | $3,000 | $5,000 |
Forskjellen er stor nok til å rettferdiggjøre rutingtester, men den laveste raden er ikke automatisk det beste produksjonsvalget. Hvis en billigere modell forårsaker flere retrier, mislykkede oppgaver eller manuell gjennomgang, kan den totale arbeidsflytkostnaden bli høyere.
Langkontekst-priser: Hva skjer over 272K tokens?
GPT-5.6-modeller støtter et kontekstvindu på 1,05M tokens, men OpenAI benytter høyere satser når en forespørsel inneholder mer enn 272,000 input-tokens.
For disse langkontekst-forespørslene:
- input belastes med 2× kortkontekst-raten
- bufret input og cache-skriving belastes også med 2×
- output belastes med 1.5×
- De høyere satsene gjelder for hele forespørselen, ikke bare tokens over 272K
For Sol endres input fra $5 til $10 per 1M tokens og output fra $30 til $45. Den samme multiplikatorstrukturen gjelder for Terra og Luna.
Dette skaper en kostnadsklippe nær 272K. For arbeidslaster nær terskelen, reduser dupliserte opphentingsbiter, foreldet samtalehistorikk, unødvendige depotfiler eller ordrik verktøyoutput før du sender forespørselen. Se OpenAIs cost optimization guide for ytterligere veiledning om tokenreduksjon.
Standard-, Batch-, Flex- og Priority-priser
For kvalifiserte GPT-5.6-tekstarbeidslaster tilbyr OpenAI flere behandlingstrinn.
| Tier | Sol input/output | Terra input/output | Luna input/output | Typisk bruk |
|---|---|---|---|---|
| Standard | $5 / $30 | $2.50 / $15 | $1 / $6 | Normal synkron trafikk |
| Batch | $2.50 / $15 | $1.25 / $7.50 | $0.50 / $3 | Offline asynkrone jobber |
| Flex | $2.50 / $15 | $1.25 / $7.50 | $0.50 / $3 | Kostnadssensitivt arbeid som kan tåle langsommere eller mindre forutsigbar behandling |
| Priority | $10 / $60 | $5 / $30 | $2 / $12 | Latenssensitiv kortkontekst-trafikk |
Batch og Flex er omtrent 50% av Standard-tokenratene for GPT-5.6. Priority er 2× Standard for de oppførte kortkontekst-satsene. OpenAI oppgir for tiden Priority bare for kortkontekst-behandling, så ikke ekstrapoler disse satsene til langkontekst-forespørsler.
Se den offisielle dokumentasjonen for Batch, Flex og Priority før du velger et nivå.
Prompt-caching: Når sparer det penger for GPT-5.6?
For GPT-5.6 koster cache-skriving 1.25× den normale input-raten, mens bufrede lesinger får den lavere prisen for bufret input.
Tenk på et gjenbrukbart 100,000-token-prefiks på Sol:
| Action | Cost |
|---|---|
| Process once as normal uncached input | $0.50 |
| Write the prefix to cache | $0.63 |
| Read the cached prefix later | $0.05 |
To ubufrede bruk koster $1.00. Én cache-skriving pluss én tilsvarende bufret lesing koster $0.675, og sparer $0.325 i dette forenklede eksempelet.
Begrensning i dette eksempelet: Denne beregningen sammenligner bare input-kostnaden for det gjenbrukbare prefikset. Den inkluderer ikke output-tokens, annen ubufret input, verktøy eller retrier. Reelle besparelser avhenger av om prefikset samsvarer med cache-kravene og hvor ofte det faktisk gjenbrukes.
Caching er derfor mest nyttig for lange, stabile prompt-prefikser som mottar gjentatte samsvarende forespørsler. En cache-skriving som aldri gjenbrukes øker kostnaden i stedet for å redusere den.
OpenAIs prompt caching guide dokumenterer priser for cache-skriving, bufrede lesinger, eksplisitte stoppunkter og TTL-oppførsel.
Andre kostnader som kan endre OpenAI API-regningen din
Resonnerings-tokens og Pro-modus
Resonnerings-tokens faktureres som output-tokens selv når de ikke vises som synlig responstekst. Høyere resonneringsinnstillinger kan derfor øke total bruk av output-tokens og latens.
Der det støttes, bør reasoning.mode = "pro" behandles som en konfigurasjon å benchmarke, ikke en standard kostnadsbesparende eller kvalitetsregel. OpenAI oppgir ikke et eget fast Pro-tillegg for denne modusen; kostnadseffekten kommer fra den resulterende tokenbruken. Et fornuftig utgangspunkt er å teste Standard og Pro på representative oppgaver og sammenligne oppgavesuksess, totale output-tokens, latens og retrier.
Nettsøk og andre verktøy
OpenAI oppgir for tiden standard nettsøk til $10 per 1,000 calls, pluss søkeinnhold-tokens fakturert til valgt modellrate. To nettsøk i en liten Luna-forespørsel kan derfor koste mer enn modell-tokens for forespørselen.
OpenAI oppgir også en egen web search preview-pris for ikke-resonneringsmodeller på $25 per 1,000 calls, med søkeinnhold-tokens gratis. Sjekk den eksakte kombinasjonen av verktøy og modell på den offisielle prissiden i stedet for å bruke én nettsøk-sats på hvert endepunkt.
Regional behandling
Kvalifiserte regionale behandlings- eller dataresidens-endepunkter for modeller utgitt 5. mars 2026 eller senere har en 10% påslag ifølge OpenAIs prisside. Bedriftsteam med residenskrav bør inkludere denne faktoren i budsjettestimatene.
Slik beregner du OpenAI API-kostnad
For en grunnleggende forespørsel:
Token cost =
(input tokens / 1M × input rate)
- (output tokens / 1M × output rate)
For produksjonsplanlegging, utvid det til å inkludere:
Total workflow cost =
uncached input
- cached input
- cache writes
- output and reasoning tokens
- tool fees
- service-tier adjustments
- regional uplift, if applicable
- retries and fallback requests
Den mest nyttige KPI-en er ofte:
Cost per successful task = total workflow cost / successful tasks
Dette forhindrer at en billigere tokenrate ser kunstig attraktiv ut når den også gir flere feil eller gjennomgangsarbeid.
Hvordan velge riktig modell uten å betale for mye
Bruk pristabellen som et utgangspunkt, og test deretter på reelle oppgaver.
- Start med den rimeligste modellen som virker i stand til oppgaven. Luna kan være en fornuftig første test for enkle, høyvolumsarbeider, men ikke anta at den vil være best for hver ekstraksjons- eller oppsummeringsarbeidslast.
- Mål output-lengde. GPT-5.6 output-tokens koster 6× input-tokens, så ordrike svar fortjener oppmerksomhet.
- Følg 272K-terskelen. Å krysse den endrer satser for hele forespørselen.
- Bruk Batch eller Flex for kvalifisert ikke-hastende arbeid. Test driftsmessige begrensninger før du flytter produksjonstrafikk.
- Cache kun gjenbrukbare prefikser. Mål faktiske cache-treff i stedet for å anta at en lang prompt bør caches.
- Spor verktøy og retrier. De kan viske ut besparelsene fra en billigere modell.
For team som sammenligner ruter på tvers av leverandører, gir CometAPI pricing en live tverrmodellvisning. CometAPI Quickstart og Cookbook kan brukes til å kjøre det samme testsettet på tvers av flere OpenAI-kompatible ruter.
FAQ
Hvor mye koster GPT-5.6 i 2026?
Pris avhenger av modellen. GPT-5.6 Standard kortkontekst-satser varierer fra $1 input / $6 output per 1M tokens for Luna til $5 / $30 for Sol. Rimeligere modeller som GPT-5.4 mini og nano er også tilgjengelige. Sjekk den eksakte modellen på OpenAIs live prisside.
Er ChatGPT API-priser det samme som GPT-5.6-priser?
“ChatGPT API-priser” brukes ofte uformelt om OpenAI API-priser for chat-kapable modeller, men ChatGPT-abonnementer og API-fakturering er separate produkter. API-bruk prises etter spesifikk modell og brukstype.
Hvilken GPT-5.6-modell er billigst?
gpt-5.6-luna har den laveste GPT-5.6 Standard listeprisen. Det er en fornuftig modell å teste for kostnadssensitive arbeidslaster, men det beste produksjonsvalget avhenger av nøyaktighet, retrier, latens og gjennomgangskostnad.
Hvilken modell bruker gpt-5.6?
OpenAIs model guidance oppgir at gpt-5.6-aliaset rutes til gpt-5.6-sol. Bruk eksplisitte Terra- eller Luna-modell-ID-er når du ønsker disse nivåene.
Når gjelder GPT-5.6 langkontekst-prising?
Når input overstiger 272,000 tokens, bruker GPT-5.6 høyere langkontekst-satser for hele forespørselen: 2× input-relaterte satser og 1.5× output-satser.
Er Batch og Flex billigere enn Standard for GPT-5.6?
For kvalifiserte GPT-5.6-arbeidslaster er de oppførte Batch- og Flex-tokenratene rundt 50% lavere enn Standard. De har ulike behandlingskarakteristikker, så bekreft at arbeidslasten kan tåle disse begrensningene.
Koster cache-skriving ekstra for GPT-5.6?
Ja. GPT-5.6 cache-skriving prises til 1.25× normal input, mens samsvarende bufrede lesinger bruker den rabatterte prisen for bufret input. Besparelser avhenger av faktisk gjenbruk.
Sammenlign GPT-5.6-kostnader på din egen arbeidslast
Pristabeller er et utgangspunkt. Din reelle kostnad avhenger av prompts, output-lengde, cache-treffrate, verktøy, retrier og oppgavesuksess.
Med CometAPI kan du teste GPT-5.6 Sol, Terra, Luna og andre modeller gjennom én OpenAI-kompatibel API ved å bruke samme arbeidslast.
Neste steg: compare current model pricing, følg CometAPI Quickstart, eller bruk CometAPI Cookbook for å bygge repeterbare modellevalueringer.
Velg den rimeligste ruten som fortsatt møter kravene dine til kvalitet, latens og pålitelighet.