Расширение семейства GPT-6: OpenAI выпускает доступные модели Sol и Luna

OpenAI официально представила две новые модели в линейке шестого поколения: GPT-6 Sol и GPT-6 Luna. Главная цель этого релиза — сделать передовые возможности искусственного интеллекта более доступными для повседневных рабочих задач и масштабных проектов.

Ранее в этом месяце компания выпустила GPT-6 Astra, свою самую мощную и интеллектуальную модель. Однако передовые возможности Astra требуются далеко не всегда. Для многих рутинных процессов, таких как базовая обработка текста или простые скрипты, использование флагманской модели экономически нецелесообразно. Рынок давно нуждался в решениях, которые обеспечивают высокий уровень понимания контекста, но при этом не сжигают бюджет разработчиков.

Новые модели обучались теми же методами, что и Astra, но оптимизированы для скорости и экономической эффективности. Стоимость использования программного интерфейса (API) для Sol и Luna снижена на 50% по сравнению с промо-ценами поколения GPT-5.6. Модель Sol теперь стоит 2 доллара за миллион входных токенов и 10 долларов за миллион выходных. Модель Luna обходится еще дешевле: 0.10 доллара за входные и 0.50 доллара за выходные токены.

Несмотря на снижение цены, результаты внутренних и независимых тестов показывают значительный рост производительности. В тестах на автоматизацию бизнес-процессов (AutomationBench) GPT-6 Sol превосходит конкурирующую модель Claude Opus 5, при этом стоимость выполнения задачи оказывается ниже более чем в десять раз. Модель Luna также демонстрирует существенное улучшение по сравнению со своими предшественниками, выполняя задачи на 58% дешевле.

Особое внимание разработчики уделили достоверности фактов и написанию кода. Внутренние оценки показывают, что Sol допускает вдвое меньше фактических ошибок по сравнению с предыдущим поколением, приближаясь к уровню надежности Astra. В программировании новые модели позволяют создавать сложных автономных агентов (AI agents), которые могут работать над объемными кодовыми базами без колоссальных затрат на инфраструктуру.

Кроме того, OpenAI значительно улучшила систему кэширования запросов (prompt caching). Разработчики теперь получают до 90% скидки на чтение кэшированных входных токенов. Это критически важно для создания диалоговых систем и агентов, которым необходимо постоянно удерживать в памяти большой объем контекста. Новые инструменты диагностики позволяют точно отслеживать, какие части запроса были кэшированы, и оптимизировать затраты.

Этот шаг OpenAI ясно показывает, что конкуренция на рынке больших языковых моделей (LLM) переходит в новую фазу. Гонка за максимальным интеллектом сменяется борьбой за юнит-экономику и эффективность. Снижение стоимости вычислений открывает двери для массового внедрения ИИ в те сферы, где раньше это было невозможно из-за высоких издержек. В ближайшем будущем мы, вероятно, увидим еще более глубокую сегментацию моделей, где под каждую конкретную задачу будет подбираться оптимальный баланс цены и качества.