OpenAI rozszerza rodzinę GPT-6 o dwa nowe modele: GPT-6 Sol i GPT-6 Luna. Oba wykorzystują rozwiązania rozwinięte przy GPT-6 Astra, ale zostały zoptymalizowane pod niższy koszt i pracę na większą skalę. Największa zmiana dotyczy cen API: GPT-6 Sol kosztuje 2 dolary za milion tokenów wejściowych i 10 dolarów za wyjściowych, natomiast GPT-6 Luna odpowiednio 0,10 i 0,50 dolara. OpenAI deklaruje około 50-procentową redukcję kosztów względem promocyjnych stawek modeli GPT-5.6.
Nowe modele nie mają zastępować GPT-6 Astra w najbardziej wymagających zastosowaniach. OpenAI pozycjonuje Sol jako model do złożonego kodowania, pracy agentowej i wieloetapowych procesów, natomiast Luna ma obsługiwać ogromną liczbę prostszych, powtarzalnych operacji takich jak klasyfikacja, ekstrakcja danych czy podsumowania. Oba modele są już dostępne przez API i trafiają również do ChatGPT Work oraz Codex.
Najważniejsze informacje:
- GPT-6 Sol i GPT-6 Luna zostały udostępnione 22 września 2026 roku.
- GPT-6 Sol kosztuje w API 2 dolary za 1 mln tokenów wejściowych i 10 dolarów za 1 mln tokenów wyjściowych.
- GPT-6 Luna kosztuje 0,10 dolara za wejście i 0,50 dolara za wyjście.
- OpenAI mówi o około 50-procentowej redukcji cen względem promocyjnych stawek GPT-5.6.
- Sol jest przeznaczony przede wszystkim do złożonego kodowania i procesów agentowych.
- Luna ma być najbardziej efektywnym modelem OpenAI do skoncentrowanych, masowych zadań o dużej liczbie wywołań.
- Oba modele mają 1,05 mln tokenów kontekstu i maksymalnie 128 tys. tokenów wyjściowych.
- Obsługują tekst i obrazy na wejściu oraz narzędzia takie jak funkcje, web search, file search i computer use.
- GPT-6 Sol i Luna trafiają do ChatGPT Work i Codex dla użytkowników Plus, Pro, Business, Enterprise i Edu.
- Użytkownicy planów Free i Go mogą wypróbować GPT-6 Luna w aplikacji desktopowej.
OpenAI rozszerza rodzinę GPT-6. Sol i Luna mają być tańszą alternatywą dla Astry
GPT-6 Astra pozostaje najbardziej zaawansowanym modelem w nowej rodzinie, ale jego koszt ogranicza sens wykorzystania go do każdego rodzaju zadania. Standardowa stawka API wynosi obecnie 10 dolarów za milion tokenów wejściowych i 50 dolarów za wyjściowych. GPT-6 Sol jest pięciokrotnie tańszy, a Luna – w standardowym cenniku krótkiego kontekstu – kosztuje zaledwie jedną setną stawki Astry zarówno przy wejściu, jak i wyjściu.
To właśnie wokół takiego rozdzielenia OpenAI buduje nową rodzinę. Astra ma pozostać modelem przeznaczonym do najtrudniejszych zadań, podczas gdy Sol przenosi dużą część możliwości GPT-6 do codziennych zastosowań profesjonalnych. Luna schodzi jeszcze niżej kosztowo i ma umożliwić uruchamianie AI tam, gdzie każda operacja musi być bardzo tania, bo aplikacja wykonuje ich miliony.
OpenAI podkreśla, że oba modele korzystają z postępów osiągniętych podczas prac nad Astrą, zamiast być po prostu pomniejszonymi wersjami GPT-5.6. Firma wymienia m.in. usprawnienia w rozumowaniu, dostrojeniu zachowania oraz efektywności inferencji i cache’owania. Dzięki temu część oszczędności ma wynikać nie z prostego ograniczenia możliwości modelu, lecz z poprawy sposobu, w jaki modele są uruchamiane na infrastrukturze OpenAI.
Może Cię zainteresować: GPT-6 Astra oficjalnie dostępny. OpenAI pokazało swojego najpotężniejszego agenta AI
GPT-6 Sol celuje w kodowanie, agentów AI i złożoną codzienną pracę
OpenAI opisuje GPT-6 Sol jako model zbudowany do złożonych workflow programistycznych i agentowych. To ważne rozróżnienie względem wcześniejszych modeli ogólnego przeznaczenia. Sol ma dobrze sprawdzać się nie tylko przy pojedynczym generowaniu kodu, ale również w zadaniach wymagających przejrzenia plików, używania narzędzi, wykonywania kolejnych kroków i utrzymywania dużej ilości kontekstu przez cały proces.
Model obsługuje poziomy reasoning effort od none przez low, medium, high i xhigh aż po max. Programista może więc dobrać ilość obliczeń do rodzaju zadania zamiast zawsze płacić za najbardziej rozbudowany tryb rozumowania. W prostych operacjach możliwe jest ograniczenie kosztów i czasu odpowiedzi, a przy bardziej wymagającym debugowaniu czy analizie dużego repozytorium można przełączyć model na wyższy poziom wysiłku.
Sol obsługuje również narzędzia dostępne przez Responses API, w tym wywoływanie funkcji, wyszukiwanie w sieci, pracę z plikami oraz computer use. To stawia go bezpośrednio w centrum strategii OpenAI dotyczącej agentów AI, które mają nie tylko generować odpowiedzi, ale faktycznie wykonywać zadania w różnych środowiskach.
Najważniejszą zmianą biznesową jest jednak koszt. GPT-5.6 Sol kosztował promocyjnie 4 dolary za milion tokenów wejściowych i 20 dolarów za wyjściowych. GPT-6 Sol obniża oba poziomy dokładnie o połowę – do 2 i 10 dolarów.
GPT-6 Luna ma obsługiwać miliony prostszych zadań za ułamek ceny
GPT-6 Luna zajmuje zupełnie inne miejsce w portfolio. OpenAI nazywa go swoim najbardziej efektywnym modelem do skoncentrowanych zadań wykonywanych na dużą skalę. To obszar, w którym najwyższa możliwa inteligencja nie zawsze jest potrzebna, a znacznie ważniejsze są niski koszt, szybkość i możliwość wykonania ogromnej liczby podobnych operacji.
Typowe zastosowania to klasyfikowanie dokumentów, ekstrakcja informacji, tagowanie, proste transformacje danych, generowanie krótkich podsumowań czy obsługa elementów aplikacji działających w tle. W takich scenariuszach różnica pomiędzy 0,50 a kilkoma dolarami za milion tokenów wyjściowych może całkowicie zmienić opłacalność projektu, szczególnie jeśli system generuje miliony odpowiedzi miesięcznie.
Luna nie jest przy tym modelem pozbawionym rozumowania. Podobnie jak Sol obsługuje poziomy reasoning effort od none aż do max, ma kontekst 1,05 mln tokenów i może generować do 128 tys. tokenów w jednej odpowiedzi. Przyjmuje także obrazy oraz współpracuje z narzędziami Responses API.
Najbardziej agresywny jest jednak cennik. GPT-6 Luna kosztuje 0,10 dolara za milion tokenów wejściowych i 0,50 dolara za wyjściowych. Dla porównania GPT-5.6 Luna kosztował odpowiednio 0,20 i 1,20 dolara. Wejście jest więc o połowę tańsze, a wyjście spadło o około 58 proc.
API GPT-6 Sol i Luna jest znacznie tańsze niż GPT-5.6
OpenAI oficjalnie opisuje zmianę jako 50-procentową redukcję cen API Sol i Luna względem promocyjnego cennika GPT-5.6. W przypadku Sol porównanie jest idealnie symetryczne: wejście spadło z 4 do 2 dolarów, a wyjście z 20 do 10 dolarów za milion tokenów. Przy Lunie spadek stawki wejściowej również wynosi 50 proc., natomiast token wyjściowy staniał z 1,20 do 0,50 dolara, czyli jeszcze mocniej.
| Model | Wejście / 1 mln tokenów | Cached input | Wyjście / 1 mln tokenów |
|---|---|---|---|
| GPT-6 Astra | $10,00 | $1,00 | $50,00 |
| GPT-6 Sol | $2,00 | $0,20 | $10,00 |
| GPT-5.6 Sol | $4,00 | $0,40 | $20,00 |
| GPT-6 Luna | $0,10 | $0,01 | $0,50 |
| GPT-5.6 Luna | $0,20 | $0,02 | $1,20 |
Stawki dotyczą standardowego przetwarzania dla krótkiego kontekstu. Przy promptach przekraczających 272 tys. tokenów obowiązuje wyższy cennik. Dla GPT-6 Sol wynosi on 4 dolary za wejście i 15 dolarów za wyjście, natomiast dla Luny odpowiednio 0,20 i 0,75 dolara. OpenAI oferuje także Batch i Flex, które kosztują 50 proc. stawek standardowych.
Tak duża redukcja cen może mieć większe znaczenie niż sama premiera nowych modeli. W przypadku usług obsługujących tysiące lub miliony użytkowników koszt inferencji jest jednym z podstawowych ograniczeń ekonomicznych. Luna może pozwolić przenieść do AI operacje, które przy wcześniejszych cenach były zbyt drogie, natomiast Sol może być używany w agentach i kodowaniu znacznie szerzej niż Astra.
GPT-6 Sol i Luna mają ten sam ogromny kontekst co Astra
Obniżenie ceny nie oznacza ograniczenia długości kontekstu. Zarówno GPT-6 Sol, jak i GPT-6 Luna obsługują 1 050 000 tokenów, czyli praktycznie taki sam poziom jak GPT-6 Astra. Maksymalna odpowiedź może mieć do 128 tys. tokenów.
Tak duże okno kontekstowe jest szczególnie istotne dla Sol. Przy analizowaniu repozytoriów kodu, dużych dokumentacji, raportów czy zestawów wielu plików model może otrzymać znacznie większą część danych w jednym żądaniu. Nie oznacza to oczywiście, że każde zadanie powinno wykorzystywać milion tokenów – przy kontekstach powyżej 272 tys. obowiązuje wyższy cennik – ale możliwości techniczne pozostają dostępne.
Luna może wykorzystać długi kontekst trochę inaczej. Model przeznaczony do masowej klasyfikacji czy ekstrakcji może analizować bardzo duże dokumenty, zestawy rozmów lub inne rekordy bez konieczności wcześniejszego dzielenia ich na niewielkie fragmenty. Przy dużych wdrożeniach upraszcza to architekturę aplikacji, choć koszt długiego kontekstu nadal wymaga kontroli.
Modele różnią się natomiast datą odcięcia wiedzy. GPT-6 Sol ma knowledge cutoff z 20 kwietnia 2026 roku, a Luna z 18 maja 2026 roku. W zastosowaniach wymagających aktualnych informacji mogą korzystać z wyszukiwania internetowego dostępnego w Responses API.
GPT-6 Sol i Luna trafiają do ChatGPT Work oraz Codex
OpenAI nie ogranicza premiery do programistów korzystających bezpośrednio z API. GPT-6 Sol i GPT-6 Luna są wdrażane również w ChatGPT Work i Codex dla użytkowników planów Plus, Pro, Business, Enterprise i Edu. Firma pozycjonuje nowe modele jako tańszą i szybszą warstwę do wykonywania codziennych zadań oraz pracy programistycznej.
W Work różnica może być szczególnie widoczna przy długich procesach obejmujących wiele plików, aplikacji i kroków. Zamiast kierować każde takie zadanie do kosztownej Astry, system może częściej korzystać z Sol lub Luny, zależnie od wymaganej złożoności. W praktyce oznacza to więcej miejsca na automatyzację i większe limity bez proporcjonalnego zwiększania kosztu infrastruktury.
Codex również otrzymuje oba modele. Sol jest naturalnym wyborem do bardziej złożonego programowania i pracy agentowej, podczas gdy Luna może obsługiwać szybkie, powtarzalne działania programistyczne lub zadania pomocnicze. OpenAI wskazuje właśnie kodowanie jako jeden z głównych obszarów zastosowania Sol.
Ciekawa jest też decyzja dotycząca najtańszych planów. GPT-6 Luna ma być dostępny użytkownikom Free i Go w aplikacji desktopowej ChatGPT, dzięki czemu część możliwości nowej rodziny GPT-6 trafi również poza płatne plany.
Sol, Luna czy Astra – OpenAI coraz wyraźniej dzieli modele według kosztu zadania
Premiera pokazuje, jak bardzo zmieniła się strategia modeli AI. Jeszcze kilka lat temu nowa generacja oznaczała przede wszystkim jeden flagowy model, który miał być po prostu lepszy od poprzednika. GPT-6 jest budowany jako cała rodzina odpowiadająca różnym poziomom kosztu i złożoności zadania.
Astra pozostaje modelem dla najbardziej wymagających problemów, przy których ważniejsza od kosztu jest maksymalna jakość i możliwości rozumowania. Sol ma obsługiwać główny strumień profesjonalnych zadań: kodowanie, agentów, analizę i wieloetapowe procesy. Luna schodzi jeszcze niżej, oferując bardzo niski koszt operacji wykonywanych tysiące lub miliony razy.
Dla programistów oznacza to możliwość budowania aplikacji, które dynamicznie wybierają model zależnie od problemu. Prosta klasyfikacja może trafić do Luny, bardziej złożona analiza do Sol, a wyjątkowo trudny problem do Astry. Taka architektura może mocno ograniczyć koszt całego systemu bez konieczności rezygnowania z najbardziej zaawansowanego modelu tam, gdzie rzeczywiście jest potrzebny.
To również powód, dla którego cena Luny może być równie istotna jak benchmarki. Przy 0,10 dolara za milion tokenów wejściowych AI zaczyna być ekonomicznie sensowne w miejscach, w których wcześniej nawet tani model generował zbyt duży rachunek przy odpowiednio wysokiej skali.
OpenAI GPT-6 Sol i GPT-6 Luna – podsumowanie i wnioski
OpenAI 22 września rozszerzyło rodzinę GPT-6 o modele Sol i Luna. Oba wykorzystują rozwiązania rozwinięte dla GPT-6 Astra, ale zostały przygotowane z naciskiem na znacznie niższy koszt i większą skalę. Sol celuje przede wszystkim w złożone kodowanie oraz workflow agentowe, natomiast Luna w szybkie, powtarzalne zadania wykonywane w ogromnej liczbie.
Największą zmianą jest cennik. GPT-6 Sol kosztuje 2 dolary za milion tokenów wejściowych i 10 dolarów za wyjściowych, a GPT-6 Luna zaledwie 0,10 i 0,50 dolara. OpenAI określa to jako około 50-procentową redukcję względem promocyjnych cen odpowiedników z rodziny GPT-5.6.
Firma nie ograniczyła przy tym kontekstu ani głównych możliwości technicznych. Oba modele mają 1,05 mln tokenów kontekstu, obsługują wejście tekstowe i obrazowe oraz mogą korzystać z narzędzi potrzebnych agentom. Trafiają również do ChatGPT Work i Codex, a Luna będzie dostępna także dla użytkowników Free i Go w aplikacji desktopowej.
Najważniejszym skutkiem tej premiery może więc nie być kolejny wzrost maksymalnej inteligencji modeli. OpenAI próbuje przede wszystkim radykalnie obniżyć cenę korzystania z inteligencji, którą wcześniej oferowało przy znacznie wyższym koszcie. Jeżeli Sol rzeczywiście przejmie dużą część codziennych zastosowań Astry, a Luna sprawdzi się przy masowych automatyzacjach, 50-procentowa redukcja cen może mieć dla rynku API większe znaczenie niż sama zmiana numeru generacji.
Źródła: OpenAI. Opracowanie własne.
Dziękujemy za przeczytanie artykułu na Techoteka.pl.
Codziennie publikujemy najważniejsze informacje z Polski i ze świata dotyczące technologii, sztucznej inteligencji, nowych rozwiązań cyfrowych oraz trendów technologicznych, które kształtują przyszłość.
Obserwuj nas na Facebooku, aby być na bieżąco z najważniejszymi wydarzeniami ze świata technologii.
