«Превосходит Claude Opus 5 при 9% стоимости задачи»: OpenAI выпустила GPT-6 Sol и Luna

Что объявила OpenAI

Работа идёт в разных масштабах, ритмах и бюджетах, поэтому OpenAI расширила семейство GPT-6: к выпущенной ранее GPT-6 Astra добавились GPT-6 Sol и GPT-6 Luna, а самые требовательные проекты по-прежнему требуют полной глубины старшей модели. Sol и Luna обучали теми же методами, что Astra, перенося её результаты в профессиональных задачах, фактической точности, коде, работе за компьютером и выравнивании в более быстрые и дешёвые модели, чтобы передовая производительность не оставалась доступной только там, где бюджет не ограничен.

Главное коммерческое изменение — цены. Улучшения кэширования и инференса позволили отдавать модели дешевле, и OpenAI снизила цены API для Sol и Luna на 50% по сравнению с промо-ценами GPT-5.6. Для GPT-6 Sol входной миллион токенов подешевел с $4 до $2, а выходной — с $20 до $10; для GPT-6 Luna входной миллион упал с $0,20 до $0,10, а выходной — с $1,20 до $0,50.

Линейку компания описывает как шаг вверх для всего семейства: GPT-6 Astra остаётся лучшей моделью по всем направлениям, поэтому там, где нужен максимальный результат без компромиссов по цене, выбор всё ещё за ней.

Профессиональные задачи и фактическая точность

Основной тест профессиональной работы — AutomationBench 1.0.6: на нём агенты проходят сквозные рабочие процессы на 47 инструментах в продажах, маркетинге, операциях, поддержке, финансах и HR. GPT-6 Sol при усилии xhigh обходит Claude Opus 5 на максимальном усилии, тратя всего 9% его стоимости за задачу, а GPT-6 Luna при усилии high улучшает результат предшественника на 5,4 процентного пункта при на 58% меньшей стоимости за задачу.

В таблице результатов Sol (xhigh) набирает 33,2% при $0,27 за задачу, тогда как GPT-6 Astra (low) — 30,3% при стоимости в 3,9 раза выше, а Claude Opus 5 (max) — 26,9% при 11,1x стоимости Sol. Вариант Claude Fable 5.1 с откатом на Opus 5 показывает 31,4%, но его цена в этой таблице занижена: откаты случались примерно на 40% задач и в расчёт стоимости не вошли, поэтому в сопоставлении она обозначена как превышающая 8,9x стоимости Sol.

На Agents' Last Exam, где агенты решают длинные профессиональные задачи из 55 подотраслей, GPT-6 Sol при максимальном усилии набирает 56,4% — выше лучшего результата Claude Opus 5 в этом тесте и на 60% дешевле за задачу. Отдельно OpenAI приводит внутреннюю оценку фактической точности, построенную на обезличенных реальных диалогах, где пользователи отмечали ошибки моделей: Sol ошибается примерно вдвое реже предшественника и подходит к уровню надёжности Astra при существенно меньшей цене. GPT-6 Luna на высоких уровнях усилия догоняет GPT-5.6 Sol примерно за сотую его стоимости.

Код, работа за компьютером и цена постоянного использования

Свою собственную нагрузку OpenAI тоже измеряет: в пересчёте по ценам API суточное потребление токенов внутри компании превысило $600 у медианного исследователя и $7 000 у исследователей на 90-м процентиле. На FrontierCode 1.1 Main, где код оценивают не только на корректность, но и на готовность к мержу — качество тестов, дисциплину объёма изменений, стиль и соответствие стандартам кодовой базы, — GPT-6 Sol заметно улучшается относительно GPT-5.6 Sol и догоняет Claude Fable 5.1 при гораздо меньшей цене.

На DeepSWE v1.1, который проверяет сложные инженерные задачи в реальных кодовых базах, GPT-6 Sol при максимальном усилии набирает 68,8% — на 1,1 процентного пункта ниже лучшего результата Claude Fable 5 (69,9% при xhigh) и примерно на 80% дешевле за задачу. GPT-6 Luna при максимальном усилии даёт 66,6%, что сопоставимо с Claude Opus 5 и Fable 5 на среднем усилии: в этих сравнениях Luna дешевле Opus 5 на 93%, а Fable 5 — на 96%.

В работе за компьютером Astra остаётся лучшей, но новые модели дешевле предшественников: на OSWorld 2.0 offline GPT-6 Sol (xhigh) показывает 60,5% против 60,3% у Claude Opus 5 (medium) при примерно на 80% меньшей стоимости за задачу, а GPT-6 Luna (max) обходит GPT-5.6 Sol (medium), оставаясь в десять раз дешевле.

Стиль общения перенесли с Astra: в технических и кодовых диалогах OpenAI обещает больше ясности, меньше жаргона, меньше странных формулировок и малозначимых деталей и чуть более короткие ответы без потери содержания. В примере с запросом про bento-вёрстку и слайдер между страницами ответ GPT-6 Sol не спешит с выводами, меньше повторяет очевидное, не делится лишними деталями реализации и честнее говорит о том, что именно проверил, тогда как GPT-5.6 Sol сразу сообщает о завершении работы.

Кэширование промптов как часть релиза

Вместе с моделями обновилось кэширование промптов: попадания в кэш стали выше по умолчанию, агенты переиспользуют больше контекста и отвечают быстрее, а скидка на чтение закэшированных входных токенов достигает 90%. Разработчики получили панель Prompt Caching Dashboard, которая показывает, сколько входных данных берётся из кэша и как это меняется со временем, и инструмент диагностики, объясняющий пропущенные возможности кэширования и способы их исправить.

Изменение доступности инструментов и уровня рассуждений больше не ломает кэш: контекст сохраняется для переиспользования, а явные точки кэширования позволяют выбрать, где заканчиваются закэшированные префиксы промпта. Практический эффект OpenAI подтверждает примером GitHub: за последние месяцы эти улучшения более чем на 50% сократили долю токенов промпта, требующих свежей обработки, на миллиардах запросов к моделям OpenAI, помогая Copilot отвечать быстрее.

Выравнивание и доступность

Sol и Luna развивают работу над выравниванием, начатую в Astra: в оценках выравнивания обе модели улучшаются относительно своих версий GPT-5.6, в том числе реже делают вводящие в заблуждение заявления о собственной работе с кодом. OpenAI оговаривает, что эти оценки намеренно проверяют сложные ситуации, не измеряют частоту отказов в обычном использовании и не покрывают весь спектр рисков, а полные результаты приведены в системной карте.

Доступность: GPT-6 Sol и GPT-6 Luna уже доступны в ChatGPT Work и Codex для всех пользователей Plus, Pro, Business, Enterprise и Edu, а пользователи Free и Go получают Luna в приложении для десктопа. В самом ChatGPT эти модели пока недоступны, зато в OpenAI API они выложены как gpt-6-sol и gpt-6-luna. Выкатка в ChatGPT планируется постепенной в течение дня: если новых моделей не видно в ChatGPT Work или Codex, OpenAI советует проверить позже.

Компания оговаривает и методологию сравнений: собственные модели оценивались в исследовательской среде или через API, что может давать немного другой результат, чем продакшен ChatGPT, из-за различий в системных промптах и доступных инструментах, а баллы конкурентов взяты из публичных отчётов — там, где результатов Claude Fable 5.1 не было, использовались оценки Fable 5.