Нейросети

GPT-6 Sol и Luna: «интеллект Astra» теперь стоит вдвое дешевле

OpenAI выпустила GPT-6 Sol и Luna: цена API упала вдвое, ошибок стало вдвое меньше, а Sol обходит Claude Opus 5 при 9% стоимости задачи.

GPT-6 Sol и Luna: «интеллект Astra» теперь стоит вдвое дешевле

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

Как пользоваться новинками из России

Напрямую сервисы OpenAI в России не работают: нужен VPN, а для подписки — зарубежная карта. Обходной путь проще: обе модели уже доступны в агрегаторе STIVA.ai — вместе с GPT-6 Astra, Claude, Gemini, Grok и ещё десятками ИИ.

👉 ChatGPT-6 Sol

👉ChatGPT-6 Luna

Почему это удобно:

  • Работа без VPN и без зарубежных карт — всё открывается в обычном браузере.
  • Оплата в рублях, интерфейс и поддержка на русском языке.
  • Один аккаунт вместо пяти: в одном чате можно переключаться между Astra, Sol, Luna и моделями конкурентов, не платя за каждую отдельную подписку.
  • Есть нетекстовые инструменты — генерация изображений, видео, озвучка, презентации.

Как начать:

  1. Откройте stiva.ai и зарегистрируйтесь по e-mail.
  2. Выберите тариф — начать можно с бесплатного доступа.
  3. В каталоге моделей выберите GPT-6 Sol для кодинга и сложных рабочих задач или GPT-6 Luna для быстрых массовых операций.
  4. Пишите запрос как обычно — модель отвечает в том же окне чата, без прокси и «танцев с бубном».

Три модели — три сценария

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

  • GPT-6 Astra — флагман для самых сложных и важных проектов, где нужен максимальный результат без компромиссов.
  • GPT-6 Sol — рабочая лошадка для сложного кодинга, инженерных и профессиональных задач по разумной цене.
  • GPT-6 Luna — самая быстрая и дешёвая модель для массовых, повторяемых операций: суммаризации, извлечения данных, обработки больших объёмов запросов.

Важный нюанс: 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.

Цены: минус 50% к прошлому поколению

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

  • GPT-6 Sol: вход — $2 за миллион токенов вместо $4, выход — $10 вместо $20.
  • GPT-6 Luna: вход — $0,10 за миллион токенов вместо $0,20, выход — $0,50 вместо $1,20.

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 модели поручать.

Что показали тесты

Профессиональные задачи

  • AutomationBench (бизнес-процессы через 47 инструментов в продажах, маркетинге, операциях, поддержке, финансах и HR): GPT-6 Sol при максимальном усилии набирает 33,2% и обходит Claude Opus 5 на максимальном усилии (26,9%), тратя всего 9% от стоимости задачи у конкурента — $0,27 против примерно $3.
  • Для сравнения: GPT-6 Astra на низком уровне усилий даёт 30,3% и обходится в 3,9 раза дороже, а Claude Fable 5.1 с фолбэком на Opus 5 — 31,4% при более чем в 8,9 раза большей цене (и это без учёта стоимости самих фолбэков, случавшихся примерно в 40% задач).
  • Agents' Last Exam (длинные, экономически значимые задачи из 55 отраслей): Sol на максимуме — 56,4%, выше лучшего результата Claude Opus 5 при стоимости задачи на 60% ниже.

Кодинг

  • FrontierCode (оценивает не только корректность, но и «готовность к мержу»: качество тестов, дисциплину по объёму правок, стиль, следование стандартам кодовой базы): Sol заметно улучшился относительно GPT-5.6 Sol и вышел на уровень Claude Fable 5.1 (xhigh) при существенно меньшей цене.
  • DeepSWE v1.1 (сложные инженерные задачи в реальных кодовых базах): Sol на максимуме — 68,8%, всего 1,1 п.п. ниже лучшего результата Fable 5 (69,9% при xhigh), но примерно на 80% дешевле по стоимости задачи. Luna на максимуме — 66,6%, уровень Opus 5 и Fable 5 на среднем усилии, при этом дешевле на 93% и 96% соответственно.

Работа с компьютером

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

Достоверность фактов

  • 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.

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

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 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 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, а значит:

  • агенты переиспользуют больше контекста и отвечают быстрее;
  • скидка на чтение закэшированных входных токенов достигает 90%;
  • появляется больше инструментов управления: дашборд кэширования промптов, диагностика промахов, смена уровня «усилий» рассуждений и включение-выключение инструментов без разрушения кэша, 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

Sol и Luna продолжают линию Astra — самой «выровненной» модели OpenAI на сегодня. Обе 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 Luna — до 2,8% против 9,5%; 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, хотя OpenAI отмечает, что Luna и находила закладку реже.

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

Где доступно официально

  • ChatGPT Work и Codex — для планов Plus, Pro, Business, Enterprise и Edu со дня анонса.
  • Free и Go — GPT-6 Luna в десктопном приложении.
  • API — под именами gpt-6-sol и gpt-6-luna (Chat Completions, Responses, Batch).
  • Обычный чат (Chat) — моделей пока нет, там по-прежнему доступны предыдущие версии.
  • Развёртывание идёт постепенно в течение дня, так что моделей может не быть сразу; в Enterprise-воркспейсах новинки должен включить администратор.

Технические детали для разработчиков: контекстное окно — 1,05 млн токенов (до 922 тыс. на вход, до 128 тыс. на выход), шесть уровней «усилий» рассуждений (none, low, medium, high, xhigh, max). Дата отсечки знаний — 20 апреля 2026 года у Sol и 18 мая 2026 года у Luna: у более дешёвой модели знания даже свежее.

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.
  • В Anthropic также возражают против сравнений: по её словам, Opus 5.5 тратит меньше токенов на задачу, что даёт более скромную итоговую разницу в стоимости.
  • Обозреватели отмечают, что прирост по бенчмаркам относительно GPT-5.6 в основном умеренный, а Terra в этой генерации исчезла: её нишу закрыла Luna на максимальных усилиях.

Настоящая новость здесь не про «плюс три процентных пункта», а про цену и про то, что уровень Astra становится доступен по цене обычных рабочих моделей.

Что это значит на практике

  • Считайте стоимость задачи, а не цену токена. Разница между «$0,27» и «в одиннадцать раз дороже» на AutomationBench важнее абсолютных прайсов: для агентных задач в десятки шагов экономия измеряется порядками, а не процентами.
  • 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.
  • Кэширование становится архитектурным решением. Скидка до 90% на переиспользуемый контекст означает, что структура промпта теперь напрямую определяет бюджет агента.
  • 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.