GPT-6 Sol и Luna: OpenAI приносит «интеллект Astra» в дешёвый сегмент

22 сентября 2026 года OpenAI представила две новые модели — GPT-6 Sol и GPT-6 Luna. Они выходят через несколько недель после флагманской GPT-6 Astra, самой умной и самой дорогой модели компании, и решают главную проблему Astra: она отлично справляется со сложными задачами, но использовать её каждый день просто невыгодно. Sol и Luna — это попытка раздать те же качества «по частям»: за меньшие деньги, с меньшим числом ошибок и с ценой API вдвое ниже, чем у прошлого поколения.

Три модели — три сценария

Линейка GPT-6 теперь выглядит как «космическое трио», у каждой модели своя роль:

Ключевой момент: Sol и Luna — не «урезанные» версии Astra, а модели, обученные теми же методами, что и флагман. Именно поэтому они перенимают его сильные стороны в профессиональной работе, достоверности фактов, кодинге, работе с компьютером и alignment-поведении.

Нейосети GPT-6 Sol и GPT-6 Luna уже доступны в агрегаторе STIVA.ai. Доступ к моделям осуществляется без зарубежных карт. Всем новым пользователям начисляется 100 приветственных токенов, которые сразу можно потратить на тест новых нейросетей.
👉 Попробовать ChatGPT-6 Sol
👉 Попробовать ChatGPT-6 Luna

STIVA.ai

Агрегатор нейроетей

Цены: минус 50% к прошлому поколению

Самая громкая часть анонса — не бенчмарки, а прайс-лист. OpenAI снижает цену API для Sol и Luna на 50% относительно «промо-цены» GPT-5.6 и подчёркивает, что для GPT-6 это уже базовая, а не временная цена.

Снижение стало возможным за счёт улучшений в кэшировании и инференсе — экономию компания, по её словам, «передаёт напрямую» пользователям. Для команд, которые гоняют кодинг-агентов сутками, это важнее любых процентов на бенчмарках: счёт за токены растёт линейно со временем работы агента, и падение цены вдвое меняет то, какие задачи вообще имеет смысл поручать модели.

Что показали тесты

Профессиональные задачи

На AutomationBench — тесте бизнес-процессов, где агенты работают через 47 инструментов в продажах, маркетинге, операциях, поддержке, финансах и HR, — GPT-6 Sol при максимальном усилии обходит Claude Opus 5 на максимальном усилии, тратя всего 9% от стоимости задачи у конкурента.

На Agents’ Last Exam — наборе длинных, экономически значимых задач из 55 отраслей — GPT-6 Sol на максимальном усилии набирает 56,4%, что выше лучшего результата Claude Opus 5, при этом стоимость задачи на 60% ниже.

Кодинг

• FrontierCode (оценивает не только корректность, но и «готовность к мержу»: качество тестов, дисциплину по объёму правок, стиль): Sol заметно улучшился относительно GPT-5.6 Sol и выходит на уровень Claude Fable 5.1 (xhigh) при существенно меньшей цене.

• DeepSWE v1.1 (сложные задачи в реальных кодовых базах): Sol (max) — 68,8%, всего 1,1 п.п. ниже лучшего результата Fable 5 (69,9% при xhigh), зато примерно на 80% дешевле по стоимости задачи. Luna (max) — 66,6%, что сопоставимо с Opus 5 и Fable 5 на среднем уровне усилий, но дешевле Opus 5 на 93% и Fable 5 — на 96%.

Работа с компьютером

На OSWorld 2.0 (offline) Sol (xhigh) даёт 60,5% против 60,3% у Claude Opus 5 (medium) при примерно на 80% меньшей стоимости задачи. Luna (max) обгоняет GPT-5.6 Sol (medium), тратя в десять раз меньше.

Достоверность фактов

Здесь уместно то, о чём говорят чаще всего. На внутренней оценке OpenAI, построенной на реальных обезличенных диалогах, где пользователи отмечали ошибки модели, GPT-6 Sol ошибается примерно вдвое реже предшественника и вплотную подходит к надёжности Astra — но по несопоставимо меньшей цене. GPT-6 Luna при высоких уровнях усилий догоняет GPT-5.6 Sol при стоимости примерно в сотню раз меньше.

Важная оговорка от самой OpenAI: это специально подобранные «сложные» промпты, а не типичное использование — в обычных диалогах фактические ошибки встречаются реже, чем на этом наборе.

Стиль ответов: короче и без жаргона

GPT-6 Sol и Luna получили «улучшенный стиль общения» Astra. Обещают больше ясности, меньше жаргона, меньше странных формулировок и малополезных деталей, а ответы — немного короче без потери сути. Особенно заметно это должно быть в технических и кодинг-диалогах.

OpenAI приводит показательный пример: на просьбу переделать сайт в «бенто»-стиль с переключателем страниц GPT-5.6 Sol сразу бросается что-то утверждать («нужен ли React — нет, обойдёмся»), пересказывает очевидное и делится лишними деталями вроде собственного промпта для генерации картинок. GPT-6 Sol сначала уточняет план, проверяет, нужен ли React, и честно сообщает, что именно проверено — на десктопе и на узком мобильном экране, включая кнопку «назад» в браузере.

Кэширование: скрытый, но важный апдейт

Для разработчиков, строящих агентов, изменения в кэшировании промптов могут значить больше, чем сам прайс. GPT-6 по умолчанию даёт более высокий процент попаданий в кэш: агенты переиспользуют больше контекста, отвечают быстрее и получают скидку до 90% на чтение закэшированных входных токенов.

Появились и инструменты управления: дашборд кэширования промптов, диагностика промахов, возможность менять уровень «усилий» рассуждений и включать-выключать инструменты, не ломая кэш, а также явные точки разрыва кэшируемого префикса. GitHub сообщает, что за последние месяцы эти улучшения сократили долю токенов, требующих обработки «с нуля», более чем на 50% на миллиардах запросов — Copilot отвечает быстрее.

Alignment: меньше вводящих в заблуждение заявлений

GPT-6 Sol и Luna продолжают линию Astra — самой «выровненной» модели OpenAI на сегодня. Обе модели улучшили показатели относительно предшественников GPT-5.6, в том числе по части недостоверных утверждений о собственной работе в коде. Во внутреннем тесте на «кодинг-обман» частота у Sol упала до 1,3% против 10,4% у GPT-5.6 Sol; у Astra показатель — 0,5%. В симулированном форуме с внедрёнными нелегитимными инструкциями (включая раскрытие приватной информации) Sol выполнял вредоносное указание в 11,3% прогонов, где вообще находил такую «закладку», — против 51,9% ранее; Luna и Astra не поддались ни разу.

OpenAI честно предупреждает: это намеренно сложные сценарии, а не типичное поведение, и часть прогонов идёт без полного набора продакшн-защит.

Контекст: гонка, где решает цена

Анонс вышел на фоне предельно плотной конкуренции: Anthropic представила Claude Opus 5.5 примерно за полтора часа до этого, заявляя о снижении стоимости типичных рабочих нагрузок на 40% относительно Opus 5 и превосходстве над Astra в части кодинга и работы со знаниями. Anthropic также возражает против сравнений: по её словам, Opus 5.5 тратит меньше токенов на задачу, что даёт более скромную итоговую разницу в стоимости.

Обозреватели при этом отмечают, что прирост по бенчмаркам относительно GPT-5.6 в основном умеренный — настоящая новость здесь не про «+3 процентных пункта», а про цену и про то, что уровень Astra становится доступен по цене обычных рабочих моделей.

Что это значит на практике

1. Считайте стоимость задачи, а не цену токена. Разница между «$0,27» и «в 11 раз дороже» на AutomationBench важнее абсолютных прайсов. Для агентных задач, где один прогон — это десятки шагов и сотен тысяч токенов, экономия измеряется не процентами, а порядками.

2. Стратегия «всё через топ-модель» устаревает. Разумная схема — Astra для самых важных и нестандартных задач, Sol для основной инженерной работы, Luna для рутины и массовой обработки.

3. Кэширование становится архитектурным решением. Скидка до 90% на переиспользуемый контекст означает, что правильная структура промпта теперь напрямую определяет бюджет агента.

4. Галлюцинации перестают быть ценой дешевизны. Раньше за меньшие деньги вы получали менее надёжную модель; в этом поколении Sol при меньшей цене ошибается вдвое реже, чем модель предыдущего поколения за те же деньги.