TL;DR
OpenAI lanserte GPT-6 Sol og GPT-6 Luna 22. september 2026, og utvidet GPT-6-familien utover Astra. Sol er designet for kompleks koding og agentbaserte arbeidsflyter, mens Luna er rettet mot fokusert, repeterbart arbeid i høy skala. Begge aksepterer tekst- og bildeinput, genererer tekst, har et kontekstvindu på 1,050,000 tokens og støtter Responses- og Chat Completions-API-ene. Hovedforskjellen er arbeidslastens økonomi: Sol bruker mer per token for å håndtere krevende arbeid, mens Luna minimerer enhetskostnaden for velavgrensede oppgaver.
For de fleste team er et praktisk utgangspunkt enkelt: bruk Astra for det vanskeligste ende-til-ende-arbeidet, Sol når kapasitet og kost må balanseres, og Luna når oppgaven er så smal at den kan valideres automatisk. OpenAI-tilgang er tilgjengelig for både Sol og Luna. CometAPI bør sjekkes separat fordi gateway-tilgjengelighet, kampanjer og kontoruting kan avvike fra OpenAIs direkte lansering.
Hovedpoeng
- GPT-6 Sol er det sterkere utgangspunktet for krevende kode, flertrinns agenter, vanskelig debugging og arbeidsflyter der feil skaper betydelig revisjonskost.
- GPT-6 Luna er designet for fokusert, høyt volum-arbeid som ekstraksjon, klassifisering, ruting, strukturerte sammendrag og førstegangs transformasjoner.
- Begge modellene har samme publiserte kontekst- og utdatatak, så kontekstlengde alene er ikke en grunn til å velge mellom dem.
- OpenAIs Standard-satser for kort kontekst er $2 input og $10 output per million tokens for Sol, mot $0.10 input og $0.50 output for Luna.
- Bruk Responses API for verktøytung resonnering. I Chat Completions krever funksjonskalling for Sol og Luna at reasoning_effort settes til none.
Hva lanserte OpenAI med GPT-6 Sol og Luna?
Utgivelsen 22. september tilfører to rimeligere driftstrinn til GPT-6-familien. GPT-6 Astra forblir det mest kapable alternativet for det vanskeligste ende-til-ende-arbeidet; Sol bringer sterk resonnering til krevende kode- og agentoppgaver til en lavere token-sats; Luna er optimalisert for fokusert arbeid som må kjøres gjentatte ganger og økonomisk.
Dette er mer enn en navneoppdatering. OpenAIs API-endringslogg oppgir de eksakte modell-ID-ene gpt-6-sol og gpt-6-luna, med tekst- og bildeinput, tekstoutput og tilgjengelighet via både Responses og Chat Completions. Utviklere kan derfor teste modellene med de samme representative promptene og velge et nivå basert på andel aksepterte utdata, latens, totale tokens, returer og tid brukt på menneskelig gjennomgang—ikke bare tokenpris. Se OpenAI API endringslogg og offisiell modell-sammenligning.
Hva er GPT-6 Sol?
GPT-6 Sol er OpenAIs GPT-6-modell for kompleks koding og agentbaserte arbeidsflyter. Den er ment for arbeid som krever vedvarende resonnering, verktøyvalg og flere trinn, inkludert repository-analyse, debugging og agentdrevne programvareendringer. Den offisielle spesifikasjonen oppgir tekst- og bildeinput, tekstoutput, et kontekstvindu på 1,050,000 tokens, opptil 128,000 output tokens og resonneringsinnsats fra none til max.
Sol er ikke bare “mellommodellen”. Den økonomiske verdien avhenger av om sterkere flertrinns ytelse reduserer returer, eskalering og gjennomgang. Den er et godt standardvalg når Lunas lavere enhetskostnad ville bli oppveid av flere mislykkede valideringer eller mer menneskelig inngripen.
Hva er GPT-6 Luna?
GPT-6 Luna er den effektivitetssentrerte GPT-6-opsjonen for velavgrenset arbeid som gjentas i høy skala. Eksempler inkluderer ekstraksjon, klassifisering, malstyrte svar, support-triage og førstegangssammendrag, forutsatt at utdata kontrolleres opp mot applikasjonens krav. Luna har samme publiserte 1,050,000-token kontekst og 128,000-token utdatatak som Sol, med tekst- og bildeinput og tekstoutput.
Luna er mest overbevisende når suksess kan defineres klart og kontrolleres billig. En lav token-sats gir ikke automatisk lavest arbeidsflytkost: team bør inkludere returer, avviste utdata, nedstrømsfeil og gjennomgangstid i evalueringen.
Hvordan forbedret GPT-6 Sol og Luna ytelsen?
Profesjonelle og kodeevalueringer
I OpenAIs publiserte lanseringsevalueringer, scoret Sol 33.2% på AutomationBench ved xhigh innsats med en estimert kostnad på $0.27 per oppgave; Astra ved lav innsats scoret 30.3% i den sammenligningen. Sol scoret 68.8% på DeepSWE v1.1 ved max innsats, mens Luna scoret 66.6% ved max innsats. AutomationBench tester arbeidsflyter på tvers av applikasjoner; DeepSWE tester langhorisont-oppgaver innen programvareingeniørfag. Disse tallene er fra spesifikke testinnstillinger og etablerer ikke en universell rangering for alle prompt.
Den nyttige lærdommen er ikke at ett benchmark utpeker en universell vinner. Det er at den beste modellen kan endre seg med resonneringsinnsats, verktøybruk og oppgavedesign. Benchmark-innstillinger bør behandles som evidens for å utforme en testplan, ikke som en erstatning for å evaluere produksjonsprompt.
Databruk, korrekthet og begrensninger
På OpenAIs OSWorld 2.0 offline-evaluering nådde Sol 60.5% ved xhigh innsats. OpenAI rapporterte også omtrent halvparten så mange feil for Sol som for forgjengeren GPT-5.6 på et internt sett av samtaler valgt fordi brukere hadde flagget faktuelle feil. Det settet er ikke representativt for typisk trafikk.
For produksjonssetting bør du evaluere feilmodusene som betyr noe for din applikasjon: feil verktøyvalg, ufullstendig flertrinnsutførelse, skjemaavvik, faktuelle feil, latens og kost per akseptert resultat. Et lite, representativt evalueringssett er mer handlingsrettet enn en bred topplistescore.
Hvor mye koster GPT-6 Sol og Luna?
Den offisielle OpenAI-pristabellen skiller mellom Standard-satser for kort og lang kontekst. Prisene nedenfor er USD per én million tokens. En prompt med mer enn 272,000 input-tokens bruker satser for lang kontekst for hele forespørselen, ikke bare for delen over terskelen.
| OpenAI Standard-sats / 1M tokens | GPT-6 Sol: kort / lang | GPT-6 Luna: kort / lang |
|---|---|---|
| Input | $2.00 / $4.00 | $0.10 / $0.20 |
| Bufrede input | $0.20 / $0.40 | $0.01 / $0.02 |
| Cache-skrivinger | $2.50 / $5.00 | $0.125 / $0.25 |
| Output | $10.00 / $15.00 | $0.50 / $0.75 |
Batch, Flex, Fast-modus og kvalifisert regional behandling har egne satser. Estimer kost ved å bruke tjenestenivå, full inputlengde, outputlengde, cache-atferd, verktøygebyrer og retur-rate.
CometAPI-prising og tilgjengelighetssnapshot
CometAPI oppgir for tiden både GPT-6 Luna og GPT-6 Sol til 20% under OpenAIs tilsvarende Standard-API-satser for kort kontekst. For GPT-6 Luna tar CometAPI $0.08 per million input-tokens og $0.40 per million output-tokens, sammenlignet med OpenAIs $0.10/$0.50. Katalogen oppgir også rabattert pris for cache-lesing og cache-skriving, med samme 20% reduksjon.
GPT-6 Sol får den samme 20% CometAPI-rabatten. Dens kortkontekst-sats er $1.60 per million input-tokens og $8.00 per million output-tokens, sammenlignet med OpenAIs $2/$10 Standard-prising. Dette gjør Sol vesentlig dyrere enn Luna per token, men de to modellene retter seg mot ulike arbeidslaster: Sol er designet for krevende koding og agentiske arbeidsflyter, mens Luna legger vekt på effektiv, høyt volum-inferens.
| CometAPI-modell | Offentlig status | Kort-kontekst input / output | Tolkning |
|---|---|---|---|
| GPT-6 Luna | Oppført med 20% avslag | $0.08 / $0.40* | Input vises offentlig; output er den tilsvarende 20%-avslagsberegningen. Sjekk dashbordet på nytt. |
| GPT-6 Sol | Oppført med 20% avslag | $1.60 / $8.00* | Input vises offentlig; output er den tilsvarende 20%-avslagsberegningen. Sjekk dashbordet på nytt. |
*Datsnapshot og oppgitt beregning, ikke en garanti for fremtidig prising eller konto-tilgang. Se CometAPI-modellkatalog og prisside.
GPT-6 Astra vs GPT-6 Sol vs GPT-6 Luna: Hvordan bør utviklere velge?
De tre modellene bør sammenlignes etter kostnaden for en vellykket arbeidsflyt, ikke bare spesifikasjoner. Astra tilbyr høyeste kapabilitetstak, Sol balanserer sterk resonnering med en langt lavere token-sats, og Luna minimerer enhetskost for oppgaver med klare grenser og validering.
| Modell | Velg den når | Driftsmessig avveiing |
|---|---|---|
| GPT-6 Astra | Oppgaven er det vanskeligste ende-til-ende-arbeidet: tvetydig, høykonsekvens, verktøytung eller dyr å gjennomgå. | Høyeste tokenpris, men kan redusere nedstrømsfeil og menneskelig inngripen på de mest krevende sakene. |
| GPT-6 Sol | Du trenger sterk kode- og agentytelse uten å betale Astra-satser for hver forespørsel. | Et sterkt standardvalg for krevende produksjonsarbeid; valider om ekstra kapasitet reduserer returer nok til å rettferdiggjøre kost over Luna. |
| GPT-6 Luna | Arbeidet er smalt, målbar, høyt volum og beskyttet av skjemaer, regler eller stikkprøver. | Laveste enhetskost, men svake oppgavebeskrivelser eller dårlig validering kan gjøre besparelser til gjennomgangs- og returkostnader. |
Anbefalt rutemønster: send rutinepreget, velavgrenset arbeid til Luna; rut krevende saker til Sol; reserver Astra for oppgaver der kompleksitet, tvetydighet eller konsekvens gjør det høyere kapabilitetstaket verdifullt. Eskaleringssignaler kan inkludere mislykket validering, verktøykrav, lav selvtillit, uvanlig lange prompt eller høy feil-kost.
Hvorfor er ikke GPT-6 Terra lansert?
OpenAI har ikke annonsert en GPT-6 Terra-modell eller gitt en grunn for fraværet per 23. september 2026. Den offentlige GPT-6-modellkatalogen lister Astra, Sol og Luna, og API-endringsloggen kunngjør Sol og Luna uten en Terra-modell-ID. Den tidligere GPT-5.6-generasjonen inkluderte Terra, noe som forklarer spørsmålet, men etablerer ikke en GPT-6-lanseringsplan.
Enhver forklaring basert på prising, produktlinjestrategi eller lanseringstidspunkt er analyse snarere enn en OpenAI-uttalelse. Inntil OpenAI publiserer en modellsiden eller kunngjøring, er lanseringsdato, spesifikasjon, benchmark og pris for GPT-6 Terra ukjent.
Hvordan kan utviklere få tilgang til og bruke GPT-6 Sol og Luna?
Bruk OpenAI direkte
Begge modell-ID-ene er live i OpenAIs Responses- og Chat Completions-API-er. Bruk Responses for resonnering med innebygde verktøy og funksjonskalling. Chat Completions støtter ordinære forespørsler, men funksjonskalling for Sol og Luna krever at reasoning_effort="none".
Bruk CometAPI etter å ha sjekket live-ruten
CometAPI dokumenterer en OpenAI-kompatibel base-URL, så team kan bruke OpenAI-SDK-en med en CometAPI-nøkkel. Den offentlige katalogen støtter for øyeblikket bruk av Luna som det tryggere eksempelet. Bytt kun til gpt-6-sol etter at kontoen din bekrefter at Sol-ruten er aktivert.
Hvis CometAPI-dashbordet ditt dokumenterer Responses- og chat-støtte for den valgte ruten, test den separat før utrulling. Logg leverandør, rute, modell-ID, resonneringsinnstilling, latens, tokens, valideringsresultat og fakturert kostnad slik at gateway-tester kan skilles fra OpenAI-direkte tester.
Konklusjon
GPT-6 Sol og GPT-6 Luna utvider GPT-6-familien med to ulike arbeidslastøkonomier. Sol er bygget for kompleks koding og agentiske arbeidsflyter; Luna er designet for effektivt, fokusert arbeid i skala. Astra forblir alternativet for de vanskeligste ende-til-ende-oppgavene. Fordi alle tre valgene kan se økonomiske ut under ulike forhold, er den riktige sammenligningen kost per akseptert resultat—ikke kontekstlengde eller tokenpris i isolasjon.
Start med et representativt evalueringssett. Mål kvalitet, latens, totale tokens, returer, valideringsfeil og tid brukt på menneskelig gjennomgang. Bruk OpenAIs publiserte modell-ID-er for direkte tilgang, og verifiser live CometAPI-rute og kontopris før du kommer med gateway-spesifikke tilgjengelighetspåstander.