GPT-6 Sol и Luna на OpenAI са наполовина по-евтини, но почти не подобряват производителността

С GPT-6 Sol и Luna OpenAI добавя два по-евтини модела към портфолиото си, които постигат производителност, сравнима с тази на предшествениците им, но на половината от цената за токени, и се стремят да се конкурират с някои от по-скъпите модели на Anthropic.

Най-голямата промяна е 50-процентното намаление на цената спрямо GPT-5.6 Sol и Luna. GPT-6 Sol вече струва 2 долара за милион входни токени и 10 долара за милион изходни токени, докато Luna се предлага за 0,10 долара за входни и 0,50 долара за изходни токени.

OpenAI отдава по-ниските цени на подобренията в кеширането и инференцията, като заявява, че прехвърля тези спестявания директно на потребителите. Това поставя цените му в същия диапазон като тези на по-евтините модели с отворени тегла. Terra, досега най-евтиният модел в портфолиото, вече не се предлага.

Според OpenAI Sol е предназначен за повтарящи се сложни задачи като разработване на нови функции, преглед на код, отстраняване на грешки и анализ на данни. Luna е създаден да обработва големи обеми от ясно дефинирани задачи на ниска цена, като обобщаване на документи, извличане на информация и отговаряне на кратки въпроси.

Наред с намаляването на цените за токени OpenAI заявява, че е подобрила кеширането на подсказки за GPT-6, предлагайки 90-процентна отстъпка за кешираните входни токени. Ново табло за кеширане на подсказки и инструмент за диагностика трябва да помогнат на разработчиците да оптимизират използването на кеша, а вече могат да променят усилието за разсъждение и наличността на инструментите, без да обезсилват кеша.

При стартирането и двата модела са достъпни в ChatGPT Work и Codex за абонати на Plus, Pro, Business, Enterprise и Edu. Потребителите на Free и Go получават достъп до Luna чрез настолното приложение, но първоначално нито един от двата модела не е наличен в обичайния чат. API предлага моделите като gpt-6-sol и gpt-6-luna, докато достъпът в ChatGPT се въвежда постепенно.

Предимството на GPT-6 Sol и Luna в бенчмарковете се свежда до цената

OpenAI позиционира новите модели най-вече въз основа на съотношението цена–производителност спрямо моделите Claude на Anthropic. В OSWorld 2.0, който тества използването на компютър, OpenAI твърди, че GPT-6 постига резултати, сходни с тези на Claude Opus 5, при приблизително 80 процента по-ниска цена, макар че Astra все още води в тази категория.

В AutomationBench, който тества бизнес работни процеси с 47 инструмента, GPT-6 Sol при най-високо ниво на усилие според съобщенията надминава Claude Opus 5 при максимално усилие. OpenAI изчислява, че цената на Sol за задача е само 9 процента от тази на Opus. Междувременно Luna подобрява резултата на предшественика си с 5,4 процентни пункта, като струва 58 процента по-малко.

За програмирането OpenAI предоставя резултати от два бенчмарка. FrontierCode 1.1 тества дали AI агентите създават код, който действително може да бъде интегриран в съществуваща кодова база, като проверява качеството на тестовете, стила на кода и съответствието с изискванията. GPT-6 Sol постига 49,3 процента при максимално усилие за 2,14 долара на задача, което го поставя приблизително наравно с Claude Fable 5.1, който постига 50,3 процента при максимално усилие, но струва шест пъти повече — 12,83 долара. Claude Opus 5 достига 53,4 процента за 4,31 долара при средно усилие — настройката, която е дала най-добрия му резултат в този тест.

Нивата на разсъждение на OpenAI излизат извън контрол

В DeepSWE v1.1, бенчмарк за сложни задачи по софтуерно инженерство, изпълнявани продължително време в реални кодови бази, OpenAI отчита 68,8 процента за GPT-6 Sol при максимално усилие. Това е в рамките на 1,1 процентни пункта от най-добрия резултат на Claude Fable 5 — 69,9 процента при „xhigh“, докато Fable при „max“ достига 69,7 процента за 21,63 долара на задача.

Разбира се, Sol не се стреми към водещата позиция тук. Claude Opus 5 достига 73,7 процента при максимално усилие за 11,84 долара на задача, а собственият GPT-5.6 Sol на OpenAI постига 72,7 процента за 6,46 долара. Идеята на GPT-6 Sol е да се доближи до тези резултати на част от цената. При „xhigh“ той постига 66,6 процента за 1,00 долар на задача. Luna е още по-евтина, като достига същия резултат при максимално усилие за само 0,22 долара. OpenAI заявява, че резултатът на Luna е сравним с този на Claude Opus 5 и Claude Fable 5 при средно усилие, като струва 93 процента по-малко от Opus и 96 процента по-малко от Fable.

Резултатите от DeepSWE превръщат избора между собствените модели на OpenAI и в главоблъсканица. Luna при максимално усилие се изравнява със Sol при „xhigh“, като струва 78 процента по-малко. Увеличаването на усилието на Sol до максимум води само до 68,8 процента — едва 2,2 процентни пункта над Luna. Кой трябва да се ориентира във всичко това при реална употреба?

Като цяло подборът на бенчмаркове от OpenAI изглежда избирателен. Липсват показатели като GDPval за работа с познания или Terminal-Bench 4.0 за агентно програмиране, въпреки че те са част от обичайния набор. OpenAI също изглежда е пропуснала пускането на Opus 5.5, който потенциално е до 40 процента по-евтин от Opus 5 и предлага значително по-добра производителност.

Независим анализ отчита малък реален напредък

Според Artificial Analysis GPT-6 Sol и Luna намаляват наполовина разходите за задача спрямо своите предшественици, но резултатите за интелигентност остават на нивото на GPT-5.6, с подобрения в някои оценки и влошаване в други. Според анализа в индекса за кодиращи агенти Sol се подобрява с 2 точки, докато Luna губи 2 точки.

Artificial Analysis открива и влошаване на резултатите в два ключови бенчмарка за работа с познания. В GDPval-AA v2.1, който тества компютърно базирана работа с познания в 44 професионални области, Sol губи около 100 Elo точки, а Luna — около 75. При ръчна проверка влошаването е проследено основно до по-ниското качество на презентациите и непълните резултати.

Artificial Analysis и преди е била обект на критики, когато оцени модела Astra на OpenAI твърде ниско заради остарели бенчмаркове. Последваха две актуализации на бенчмарковете, след които Astra отново се върна на върха. Ще видим какво ще се случи този път.

Така или иначе, напълно ясно е, че OpenAI залага сериозно на цената с GPT-6 Sol и Luna. Сега моделите трябва да се докажат в ежедневната работа, тъй като бенчмарковете разказват само част от историята. Това може да обясни и защо OpenAI е пропуснала някои от тях. В съчетание с различните нива на разсъждение и резултатите, които понякога изглеждат оптимизирани за бенчмаркове — умишлено или не — цялата игра с бенчмарковете изглежда все по-нелепа с всяко ново пускане на модел.

AI новини без сензацията – подбрани от хора

Абонирайте се за THE DECODER за четене без реклами, седмичен AI бюлетин, нашия ексклузивен шест пъти годишно доклад за водещите разработки „AI Radar“, пълен достъп до архива и достъп до секцията за коментари.