TL;DR
A OpenAI lançou o GPT-6 Sol e o GPT-6 Luna em 22 de setembro de 2026, expandindo a família GPT-6 além do Astra. O Sol é projetado para codificação complexa e fluxos de trabalho baseados em agentes, enquanto o Luna visa trabalho focado e repetível em alto volume. Ambos aceitam entrada de texto e imagem, geram texto, fornecem uma janela de contexto de 1,050,000 tokens e suportam as APIs Responses e Chat Completions. A principal diferença está na economia da carga de trabalho: o Sol gasta mais por token para lidar com trabalho exigente, enquanto o Luna minimiza o custo unitário para tarefas bem delimitadas.
Para a maioria das equipes, o ponto de partida prático é simples: use o Astra para o trabalho fim a fim mais difícil, o Sol quando for preciso equilibrar capacidade e custo, e o Luna quando a tarefa for estreita o suficiente para validação automática. O acesso via OpenAI está ativo para Sol e Luna. O CometAPI deve ser verificado separadamente porque a disponibilidade do gateway, promoções e roteamento de contas podem diferir do lançamento direto da OpenAI.
Key Takeaways
- O GPT-6 Sol é o ponto de partida mais forte para código exigente, agentes multi-etapas, depuração difícil e fluxos de trabalho nos quais falhas geram alto custo de revisão.
- O GPT-6 Luna é projetado para tarefas focadas e de alto volume, como extração, classificação, roteamento, resumos estruturados e transformações de primeira passada.
- Ambos os modelos têm os mesmos limites publicados de contexto e de saída; portanto, o comprimento do contexto sozinho não é um motivo para escolher entre eles.
- As tarifas Standard de curto contexto da OpenAI são $2 por milhão de tokens de entrada e $10 por milhão de tokens de saída para o Sol, versus $0.10 de entrada e $0.50 de saída para o Luna.
- Use a Responses API para raciocínio com muitas ferramentas. Em Chat Completions, a function calling para Sol e Luna requer que reasoning_effort esteja definido como none.
What Did OpenAI Release With GPT-6 Sol and Luna?
O lançamento de 22 de setembro adiciona dois níveis operacionais de menor custo à família GPT-6. O GPT-6 Astra permanece a opção mais capaz para o trabalho fim a fim mais difícil; o Sol traz raciocínio forte para codificação exigente e tarefas de agentes a uma taxa de tokens mais baixa; o Luna é otimizado para trabalho focado que precisa ser executado repetidamente e de forma econômica.
Isso é mais do que uma atualização de nomes. O changelog da API da OpenAI lista os IDs exatos dos modelos gpt-6-sol e gpt-6-luna, com entrada de texto e imagem, saída de texto e disponibilidade tanto via Responses quanto via Chat Completions. Os desenvolvedores podem, portanto, testar os modelos com as mesmas solicitações representativas e selecionar um nível com base na taxa de saídas aceitas, latência, total de tokens, novas tentativas e tempo de revisão humana — não apenas no preço por token. Veja o changelog da API da OpenAI e a comparação oficial de modelos.
What Is GPT-6 Sol?
O GPT-6 Sol é o modelo GPT-6 da OpenAI para codificação complexa e fluxos de trabalho baseados em agentes. Ele é voltado para trabalho que exige raciocínio sustentado, decisões de ferramentas e múltiplas etapas, incluindo análise de repositórios, depuração e alterações de software conduzidas por agentes. A especificação oficial lista entrada de texto e imagem, saída de texto, uma janela de contexto de 1,050,000 tokens, até 128,000 tokens de saída e esforço de raciocínio de none até max.
O Sol não é simplesmente “o modelo intermediário”. Seu valor econômico depende de o desempenho mais forte em múltiplas etapas reduzir novas tentativas, escalonamentos e revisão. Ele é um bom padrão quando o menor custo unitário do Luna seria superado por mais falhas de validação ou mais intervenção humana.
What Is GPT-6 Luna?
O GPT-6 Luna é a opção do GPT-6 focada em eficiência para trabalho bem delimitado e repetido em alto volume. Exemplos incluem extração, classificação, respostas orientadas por template, triagem de suporte e resumos de primeira passada, desde que as saídas sejam verificadas frente aos requisitos da aplicação. O Luna tem os mesmos limites publicados de contexto de 1,050,000 tokens e de saída de 128,000 tokens que o Sol, com entrada de texto e imagem e saída de texto.
O Luna é mais atraente quando o sucesso pode ser definido com clareza e verificado a baixo custo. Uma taxa de tokens baixa não produz automaticamente o menor custo do fluxo de trabalho: as equipes devem incluir novas tentativas, saídas rejeitadas, falhas posteriores e tempo de revisores em sua avaliação.
How Did GPT-6 Sol and Luna Improve Performance?
Professional and coding evaluations
Nas avaliações de lançamento publicadas pela OpenAI, o Sol marcou 33.2% no AutomationBench em xhigh effort com custo estimado de $0.27 por tarefa; o Astra em low effort marcou 30.3% nessa comparação. O Sol marcou 68.8% no DeepSWE v1.1 em max effort, enquanto o Luna marcou 66.6% em max effort. O AutomationBench testa fluxos de trabalho em várias aplicações; o DeepSWE testa tarefas de engenharia de software de longo horizonte. Esses números são de configurações de teste específicas e não estabelecem um ranking universal para todas as solicitações.
A lição útil não é que um benchmark declara um vencedor universal. É que o melhor modelo pode mudar conforme o esforço de raciocínio, o uso de ferramentas e o desenho da tarefa. As configurações de benchmark devem ser tratadas como evidência para formar um plano de teste, não como substituto para avaliar as solicitações de produção.
Computer use, factuality, and limits
Na avaliação offline OSWorld 2.0 da OpenAI, o Sol atingiu 60.5% em xhigh effort. A OpenAI também relatou aproximadamente metade dos erros para o Sol em comparação com seu antecessor GPT-5.6 em um conjunto interno de conversas selecionadas porque usuários haviam sinalizado erros factuais. Esse conjunto não é representativo do tráfego típico.
Para implantação, avalie os modos de falha que importam para sua aplicação: escolha incorreta de ferramenta, execução multi-etapas incompleta, falhas de esquema, erros factuais, latência e custo por resultado aceito. Um pequeno conjunto de avaliação representativo é mais acionável do que uma pontuação ampla em rankings.
How Much Do GPT-6 Sol and Luna Cost?
A tabela de preços oficial da OpenAI separa tarifas Standard de curto e longo contexto. Os preços abaixo são em USD por um milhão de tokens. Uma solicitação com mais de 272,000 tokens de entrada usa tarifas de longo contexto para a solicitação inteira, não apenas para a parte acima do limite.
| OpenAI Standard rate / 1M tokens | GPT-6 Sol: short / long | GPT-6 Luna: short / long |
|---|---|---|
| Input | $2.00 / $4.00 | $0.10 / $0.20 |
| Cached input | $0.20 / $0.40 | $0.01 / $0.02 |
| Cache writes | $2.50 / $5.00 | $0.125 / $0.25 |
| Output | $10.00 / $15.00 | $0.50 / $0.75 |
Batch, Flex, Fast mode e processamento regional elegível têm tarifas separadas. Estime o custo usando o nível de serviço, comprimento total da entrada, comprimento da saída, comportamento de cache, tarifas de ferramentas e taxa de novas tentativas.
CometAPI pricing and availability snapshot
O CometAPI atualmente lista GPT-6 Luna e GPT-6 Sol com 20% abaixo das tarifas Standard de curto contexto correspondentes da OpenAI. Para o GPT-6 Luna, o CometAPI cobra $0.08 por milhão de tokens de entrada e $0.40 por milhão de tokens de saída, em comparação com as tarifas $0.10/$0.50 da OpenAI. O catálogo também lista preços de leitura e gravação de cache com desconto, com a mesma redução de 20%.
O GPT-6 Sol recebe o mesmo desconto de 20% no CometAPI. Sua tarifa de curto contexto é $1.60 por milhão de tokens de entrada e $8.00 por milhão de tokens de saída, em comparação com os preços Standard da OpenAI de $2/$10. Isso torna o Sol substancialmente mais caro que o Luna em base por token, mas os dois modelos visam workloads diferentes: o Sol é projetado para codificação exigente e fluxos de trabalho baseados em agentes, enquanto o Luna enfatiza inferência eficiente de alto volume.
| CometAPI model | Public status | Short-context input / output | Interpretation |
|---|---|---|---|
| GPT-6 Luna | Listada com 20% off | $0.08 / $0.40* | A entrada é exibida publicamente; a saída é o cálculo correspondente com 20% de desconto. Reconfira o dashboard. |
| GPT-6 Sol | Listada com 20% off | $1.60 / $8.00* | A entrada é exibida publicamente; a saída é o cálculo correspondente com 20% de desconto. Reconfira o dashboard. |
*Instantâneo datado e cálculo divulgado, não é garantia de preços futuros ou de acesso à conta. Veja o catálogo de modelos do CometAPI e a página de preços.
GPT-6 Astra vs GPT-6 Sol vs GPT-6 Luna: How Should Developers Choose?
Os três modelos devem ser comparados pelo custo de um fluxo de trabalho bem-sucedido, não apenas por especificações. O Astra oferece o teto de capacidade mais alto, o Sol equilibra raciocínio forte com uma taxa de tokens muito menor, e o Luna minimiza o custo unitário para tarefas com limites claros e validação.
| Model | Choose it when | Operating tradeoff |
|---|---|---|
| GPT-6 Astra | A tarefa é o trabalho fim a fim mais difícil: ambígua, de alta consequência, intensiva em ferramentas ou cara de revisar. | Maior preço por token, mas pode reduzir falhas posteriores e intervenção humana nos casos mais difíceis. |
| GPT-6 Sol | Você precisa de desempenho forte em código e agentes sem pagar tarifas do Astra em toda requisição. | Um padrão forte para trabalho de produção exigente; verifique se sua capacidade extra reduz novas tentativas o suficiente para justificar o custo sobre o Luna. |
| GPT-6 Luna | O trabalho é estreito, mensurável, de alto volume e protegido por esquemas, regras ou amostragem. | Menor custo unitário, mas definições fracas de tarefa ou validação ruim podem transformar economia em custos de revisão e novas tentativas. |
Padrão de roteamento recomendado: envie trabalho rotineiro e bem delimitado para o Luna; encaminhe casos exigentes para o Sol; reserve o Astra para tarefas em que complexidade, ambiguidade ou consequência tornam valioso o teto de capacidade mais alto. Sinais de escalonamento podem incluir falha de validação, requisitos de ferramentas, baixa confiança, prompts incomumente longos ou alto custo de erro.
Why Has GPT-6 Terra Not Been Released?
A OpenAI não anunciou um modelo GPT-6 Terra nem forneceu motivo para sua ausência em 23 de setembro de 2026. Seu catálogo público de modelos GPT-6 lista Astra, Sol e Luna, e o changelog da API anuncia Sol e Luna sem um ID de modelo Terra. A geração anterior GPT-5.6 incluiu o Terra, o que explica a pergunta, mas não estabelece um plano de lançamento do GPT-6.
Qualquer explicação baseada em preços, estratégia de portfólio ou cronograma de lançamento é análise, não uma declaração da OpenAI. Até a OpenAI publicar uma página de modelo ou anúncio, a data de lançamento, especificação, benchmark e preço do GPT-6 Terra permanecem desconhecidos.
How Can Developers Access and Use GPT-6 Sol and Luna?
Use OpenAI directly
Ambos os IDs de modelo estão ativos nas APIs Responses e Chat Completions da OpenAI. Use Responses para raciocínio com ferramentas integradas e function calling. O Chat Completions suporta solicitações comuns, mas a function calling para Sol e Luna requer reasoning_effort="none".
Use CometAPI after checking the live route
O CometAPI documenta um base URL compatível com a OpenAI, então as equipes podem usar o SDK da OpenAI com uma chave do CometAPI. O catálogo público atualmente suporta o uso do Luna como exemplo mais seguro. Só substitua por gpt-6-sol após sua conta confirmar que a rota do Sol está habilitada.
Se o seu dashboard do CometAPI documentar suporte a Responses e chat para a rota selecionada, teste isso separadamente antes da implantação. Registre o provedor, a rota, o ID do modelo, a configuração de raciocínio, a latência, os tokens, o resultado da validação e o custo faturado para que os testes de gateway permaneçam distinguíveis dos testes diretos via OpenAI.
Conclusion
O GPT-6 Sol e o GPT-6 Luna estendem a família GPT-6 com duas economias de carga de trabalho diferentes. O Sol é construído para codificação complexa e fluxos de trabalho baseados em agentes; o Luna é projetado para trabalho eficiente e focado em escala. O Astra permanece a opção para as tarefas fim a fim mais difíceis. Como as três escolhas podem parecer econômicas sob condições diferentes, a comparação certa é o custo por resultado aceito — não o comprimento do contexto ou o preço por token isoladamente.
Comece com um conjunto de avaliação representativo. Meça qualidade, latência, total de tokens, novas tentativas, falhas de validação e tempo de revisão humana. Use os IDs de modelo publicados pela OpenAI para acesso direto, e verifique a rota ativa do CometAPI e os preços da conta antes de fazer afirmações de disponibilidade específicas do gateway.