GPT-6 Luna הופך לברירת המחדל: מה באמת קונים בעשירית דולר למיליון

הדבר המשמעותי ביותר שקרה לGPT-6 Luna בשבוע הראשון שלו לא היה הורדת המחיר. זה היה קומיט מיזוג. בתוך יום מהשקת GPT-6 Luna על ידי הספק ב-22 בספטמבר 2026, פלטפורמת סוכנים בקוד פתוח העלתה שינוי שהפך אותו למודל הגיבוי עבור כל ארגון שלא בחר ברירת מחדל משלו — תוך דחיקת GPT-5.6 Terra, שהוא שכבה גדולה ויקרה בהרבה. הנימוק שנמסר היה אריתמטי: במחיר של $0.10 ו-$0.50 למיליון טוקנים, GPT-6 Luna עולה חלק עשרים מתעריף הקלט של GPT-5.6 Terra וחלק עשרים וארבעה מתעריף הפלט שלו. זה אות אמיתי, והוא גם רק חצי מהסיפור. GPT-6 Luna הוא $0.10 למיליון טוקני קלט ו-$0.50 למיליון טוקני פלט, לעומת $2.00 ו-$10.00 עבור GPT-6 Sol, השכבה שמעליו, ו-$10.00 ו-$50.00 עבור ספינת הדגל GPT-6 Astra. המודל שהוא מחליף במשבצת ברירת המחדל הזו, GPT-5.6 Luna, עדיין עולה $0.20 ו-$1.20 — פי שניים בקלט ויותר מפי שניים בפלט. עשרה סנט למיליון זה זול מספיק כדי שההחלטה תפסיק להיות עניין של מחיר ותתחיל להיות עניין של מה שהמודל באמת משלים.

אז זה לא הסבר השקה, וזה לא פוסט על הורדת מחיר — כתבנו את שניהם, וכרטיס התעריפים עצמו כבר סגור. זה ניסיון לענות על השאלה שהשיווק של השכבה הזולה מדלג עליה: אם מודל הופך לברירת המחדל שלך, מה זה עושה לעבודה שפעם הלכה למשהו גדול יותר? הראיות לכך מגיעות משלושה מקומות, והן לא מסכימות זו עם זו. הבנצ'מרקים של OpenAI עצמם הם המחמיאים ביותר והפחות ניתנים לשחזור. Artificial Analysis פרסמה אינדקס עצמאי באותו שבוע, והוא שימושי יותר כי הוא מתמחר משימות שהושלמו ולא טוקנים. וקומץ אנשים כבר הריצו את המודל מול תשתית אמיתית, ושם נמצאים הכשלים המעניינים. היכן שמספר דווח בידי הספק, המשפט שנושא אותו אומר זאת.

מה שנשלח בפועל

GPT-6 Luna היא השכבה הקטנה במשפחת הדור השישי, כשהיא ממוקמת מתחת ל-GPT-6 Sol והרבה מתחת לדגם הדגל GPT-6 Astra. תיעוד המודל של OpenAI עצמה, שנקרא השבוע, מספק את המעטפת:

• מזהה מודל — gpt-6-luna, תמונת מצב יחידה ללא וריאנט מתוארך. אין עבור gpt-6-luna-pro רשומה ברשימת המודלים; מחרוזת ה-pro שמסתובבת בקטלוגים של צד שלישי היא ערך של מצב חשיבה, לא מודל.

• הקשר ומגבלות — חלון של 1,050,000 טוקנים, עד 922,000 טוקני קלט, תקרת פלט של 128,000 טוקנים, ומועד עדכון ידע של 18 במאי 2026. קלט טקסט ותמונה, פלט טקסט.

• מחיר — $0.10 למיליון אסימוני קלט, $0.01 למיליון קלט במטמון, $0.125 למיליון כתיבות למטמון, $0.50 למיליון פלט. OpenAI תיארה אותם כקבועים ולא כהצעת היכרות.

• שלב ההקשר הארוך — בקשות מעל 272,000 טוקנים בקלט מתומחרות מחדש בפי שניים מתעריפי הקלט והמטמון ובפי 1.5 מתעריף הפלט, כשהתמחור מוחל על הבקשה כולה ולא רק על העודף. זו הטעות היקרה ביותר האפשרית במודל הזה, מפני שהיא מופעלת לפי גודל הבקשה הכולל, ולא לפי כמות השימוש שלך בה.

• דרגות שירות — Batch ו-Flex פועלים במחצית מהתעריפים הסטנדרטיים; מצב Fast מכפיל אותם. עבודת bulk אסינכרונית היא לכן שוב בחצי מחיר, ולכרטיס התעריפים יש ארבעה מחירים אפקטיביים שונים בהתאם לאופן שבו שולחים את הבקשה.

• מאמץ — שישה ערכים: none, low, medium, high, xhigh ו-max, כאשר medium הוא ברירת המחדל המתועדת. מאמץ הוא לפי בקשה, לא מאפיין של הפריסה.

• נקודות קצה — Responses, ‏Chat Completions ו-Batch. ‏Chat Completions מטפל בקריאה לפונקציות רק כאשר מאמץ החשיבה מוגדר ל-none; כלים מובנים וקריאה לפונקציות דורשים בדרך כלל את Responses API, אשר תומך בחיפוש באינטרנט, חיפוש בקבצים, יצירת תמונות, מפרש קוד, מעטפת מתארחת, apply_patch, מיומנויות, שימוש במחשב, MCP וחיפוש כלים.

השורה האחרונה חשובה יותר ממה שהיא נראית. אם האוטומציה שלכם משתמשת בכלים, אתם נמצאים ב-Responses API, ומחוג ה-effort שלכם כרוך בבחירת ה-endpoint שלכם. צוות שמגדיר effort ל-low כדי לחסוך כסף ומצפה ש-function calling ימשיך לעבוד ב-Chat Completions בנה pipeline שייכשל בקריאת הכלי הראשונה.

המספר שקובע הוא עלות למשימה שהושלמה, לא עלות לטוקן

Artificial Analysis פרסמה את ההערכה הבלתי תלויה שלה בתוך שעות ספורות מההשקה, והנתון הבולט אינו נוח לכל מי שהניח שטוקן זול יותר משמעו עבודה זולה יותר. במדד ה-Intelligence Index שלה, GPT-6 Luna עולה כ-$0.07 למשימה במאמץ מקסימלי, לעומת כ-$0.18 עבור GPT-5.6 Luna באותו מאמץ — הפחתה של כ-60%, שנגרמה מהורדת המחיר ולא מכך שהמודל עושה פחות עבודה. ציון המדד עצמו נמצא באותה רמה כמו המודל שהוא מחליף. GPT-6 Sol, לשם המחשה, עולה כ-$1.06 לכל משימת מדד לעומת $1.99 עבור GPT-5.6 Sol.

קרא את שלושת המספרים האלה יחד וצורת המשפחה מתבהרת. העלות למשימה של סול היא בערך פי חמישה עשר מזו של לונה, תמורת ציון גבוה יותר באופן מהותי. לונה אינה גרסה נחותה של סול; היא כלי אחר, והנתון למשימה הוא מה שמגלה לך איזה מהם אתה מחזיק.

החצי הלא־נוח הוא מה שקרה לסוכן הקידוד. במדד Coding Agent Index של Artificial Analysis, GPT-6 Luna מקבל 41 במאמץ מקסימלי — ירידה של שתי נקודות לעומת 43 של GPT-5.6 Luna — בעוד GPT-6 Sol נע בכיוון ההפוך, עלייה של שתי נקודות ל-57 בעלות של $2.99 למשימה. כך שההחלפה הדורית בשכבה הזולה היא נסיגה קטנה בקידוד סוכני, לא שיפור, גם כשהמחיר יורד. כל מי שמפרש את "דור חדש" כ"טוב יותר באופן מוחלט" יופתע מהעמודה הזו.

אריכות היא הסעיף הנסתר

יש נתון שני באותה הערכה שמסביר הרבה מהנתון הראשון. במהלך ריצת Intelligence Index, GPT-6 Luna ייצר כ-51,000 טוקני פלט למשימה, לעומת כ-41,000 עבור GPT-5.6 Luna. המודל החדש והזול יותר מפורט בכרבע בערך כדי להגיע לציון דומה. החיסכון מגיע מהורדת המחיר, לא מכך שהמודל הפך ליעיל יותר ליחידת עבודה.

זה חשוב משתי סיבות. במחיר של $0.50 למיליון אסימוני פלט, תוספת של 10,000 אסימוני פלט למשימה עולה חצי סנט. הריצו זאת על פני מאה אלף משימות ביום והתוספת היא מיליארד אסימונים, או $500 ביום — במודל שמחירו המוצהר הוא עשרה סנטים למיליון אסימוני קלט. והמילוליות מתנגשת באופן בעייתי עם תקרת הפלט של 128,000 אסימונים: מודל שחושב יותר וכותב יותר מגיע לתקרה הזו מוקדם יותר, מה שהופך בעיית עלות לבעיית קיטוע.

האמצעי הממתן הוא הקפדה על מטמון, ולמשפחה הזו יש אחת טובה באמת. קריאות קלט מהמטמון במחיר של $0.01 למיליון הן עשירית מהתעריף ללא מטמון, ו-OpenAI שינתה את כללי הביטול כך שהתאמת מאמץ החשיבה או זמינות הכלים כבר אינה מוחקת הקשר שמור במטמון. עבור עומס עבודה עם קידומת ארוכה ויציבה — סכימה, הנחיית מערכת, מסמך שאתה שואל לגביו שש שאלות — תעריף הקלט האפקטיבי קרוב יותר לסנט מאשר לעשרה סנטים, והפער הזה גדול יותר מהקיצוץ הכותרתי. זה גם ההבדל בין כך שהשכבה הזולה היא זולה לבין כך שהיא רק זולה יותר.

היכן שהדרגה הזולה נסוגה, והיכן שלא

אותה הערכה עצמאית מפרידה בין הרגרסיות לרעש, וההבחנה הזו היא הדבר השימושי ביותר בה. GPT-6 Luna מאבדת כ-75 Elo מול קודמתה ב-GDPval-AA v2.1, וכ-45 Elo ב-AA-Briefcase v1.1. Artificial Analysis מייחסת את שניהם לאיכות מצגת נמוכה יותר ולתוצרים שמדלגים על רכיבי רובריקה נדרשים, ולא לכשלים עובדתיים או לכשלי הסקה. שיעור ההזיות שלה משתפר בחדות, מכ-93% ל-77%, ומדד AA-Omniscience שלה נע מ-−10 ל-1. ב-AutomationBench-AA היא משיגה שיפור, 53% לעומת 50%; ב-Terminal-Bench 4.0 היא משיגה שיפור קטן, 13% לעומת 12%.

ההבחנה הזו היא כל ההחלטה. המודל לא נעשה גרוע יותר במשימה; הוא נעשה גרוע יותר בהעברת התוצר המוגמר לידיך. אם אתה צורך פלט מובנה — סיווג, חילוץ, החלטת ניתוב, מטען JSON — הנסיגה לא עולה לך דבר וההוזלה היא כסף חינם. אם אדם קורא את התוצר למסירה, הנסיגה עולה לך בסוקר, והזמן של אותו סוקר כנראה יקר יותר מהטוקנים שחסכת.

הטענות של OpenAI עצמה שלא שוחזרו נמצאות בקצה השני של הספקטרום: שבמאמץ גבוה GPT-6 Luna משפרת את קודמתה ב-5.4 נקודות אחוז בעלות נמוכה ב-58% לכל משימה; שבמאמץ מרבי היא משיגה 66.6% ב-DeepSWE 1.1, שאותה OpenAI משווה ל-Claude Opus 5 במאמץ בינוני בשבריר מעלות המשימה; ושעל OSWorld 2.0 היא עולה על GPT-5.6 Sol במאמץ בינוני בכעשירית מהעלות בערך. אלו השוואות במערך הבדיקות של הספק, בהגדרות מאמץ שנבחרו על ידי הספק, והדבר האחד ששווה לקחת מהן הוא כיווני — השכבה הזולה נמצאת כעת בהישג ידה של שכבת הביניים של השנה שעברה. כדאי להתעלם מהאחוזים לכל משימה, מפני שמערך הבדיקות אינו זהה בשני הצדדים.

רצפת המאמץ היא המקום שבו זה נעשה מעשי. ההנחיה שפורסמה היא לבדוק תחילה none או low עבור חילוץ וניתוב פשוטים, ולהעלות מאמץ רק במקום שבו איכות נמדדת מצדיקה זאת. כתיבה מעשית אחת משבוע ההשקה מצאה שבמאמץ נמוך GPT-6 Luna אינה שמישה כלל לעבודה סוכנית, מה שמעמיד את הרצפה המעשית שלה על medium לכל דבר רב-שלבי. ממצא שני מאותו סוג בדיקות מחודד יותר: בתרגיל פריסה אחד, מניפסטים של Kubernetes של המודל עברו אימות סכימה ואז נכשלו בכל שלושת הניסיונות מול אשכול אמיתי, כי מאמת בודק צורה ולא התנהגות. אם קונפיגורציה שנוצרה נשלחת בלי בדיקת הרצה בלולאה, השכבה הזולה תמסור לך כשלים שנראים כאילו עברו.

שאלת ברירת המחדל, ומדוע ניתוב הוא התשובה לה

הפלטפורמה שהפכה את GPT-6 Luna למודל הגיבוי שלה דירגה את השינוי כסיכון בינוני, וההערה שצורפה לו היא הגרסה הכנה של כל המאמר: כל ארגון בלי ברירת מחדל משלו עובר ל-Luna, שהוא זול יותר אך ברמה נמוכה יותר מזו של Terra, ולכן איכות המשימות הקשות עשויה להשתנות. זו בדיוק העסקה. ברירת מחדל היא הימור שרוב התעבורה קלה, ועבור רוב הארגונים ההימור הזה נכון — וזו הסיבה שהשינוי יצא לדרך. הסיכון הוא במיעוט הבקשות שאינן כאלה.

הדרך לקחת את ההימור הזה בלי לשאת בצד השלילי שלו היא להפסיק להתייחס לברירת המחדל כאל מודל יחיד. GPT-6 Luna ניתן לניתוב דרך OrcaRouter בתעריף הרשום שלו עם ללא תוספת מעל, כלומר המחיר הקבוע של הספק הוא המחיר שאתם רואים כאן, והורדת מחיר עתידית תיכנס לתוקף באותו יום ולא בחדוש החוזה הבא. בעמוד המודל שלנו השבוע הוא נמדד ב-74.3 טוקנים לשנייה של פלט עם שיעור שגיאות של 0% בכל התעבורה שאנו משרתים. שתי שכבות ההקשר מוצעות כפי שפורסמו: $0.10 לקלט ו-$0.50 לפלט מתחת ל-272,000 טוקני קלט, ועולות ל-$0.20 ו-$0.75 מעל לכך.

מה שזה נותן לך הוא ברירת מחדל שיכולה להסלים. DSL לניתובמאפשר לך לשלוח את עיקר התעבורה ל-GPT-6 Luna במאמץ בינוני ולהפנות בתנאי מסוים — אורך קלט מעל קו ה-272K, דרישת קריאה לכלי, סוג משימה שהרגרסיה הרגישה לרובריקה אכן משפיעה עליו — אל GPT-6 Sol או, לעבודה ארוכת טווח, אל הדגם המוביל GPT-6 Astra, עם אותו מפתח, בלי חוזה שני ובלי שינוי בקוד. זו צורה אחרת של החלטה מאשר לבחור מודל אחד ולהשלים איתו. אתה מקבל את שכבת ה-10 סנט במקום שבו הראיות מראות שהיא מחזיקה מעמד, ואת שכבת ה-2 דולר או ה-10 דולר במקום שבו היא לא, והגבול הוא כלל שכתבת ולא תקווה. מעבר אוטומטי לגיבוי מכסה את מצב הכשל האחר: שלספק במעלה הזרם של השכבה הזולה יש אחר צהריים רע בזמן שהאוטומציה שלך באמצע ריצה.

מי צריך לזוז, ומי צריך לחכות

עברו אם התעבורה שלכם מובנית ובנפח גבוה: סיווג, חילוץ, תיוג, ניתוב כוונות, מיון לוגים, סיכום, ולולאות המימוש התחומות שנמצאות בתוך סוכן גדול יותר. הראיות תומכות בהפחתת המחיר ובשוויון הניקוד, ורגרסיית התצוגה אינה נראית לצרכן שמפרסר JSON.

אל תעביר שרשרת סוכנים באופק ארוך, ריפקטור רב-קבצים, או כל דבר שאדם מאשר סופית את פלטו, אך ורק משום שהטוקן זול. Coding Agent Index ירד בשתי נקודות, הערכות עבודת הידע ירדו, והמודל מילולי יותר לכל משימה מהמודל שהוא מחליף. טוקן זול יותר שזקוק לסוקר אינו משימה זולה יותר.

והסתכלו על מספר אחד במקום על כולם. הפער של 51,000 מול 41,000 באסימוני פלט הוא הנתון שמכריע אם ברירת המחדל של Luna היא חיסכון או איזון בעומס העבודה המסוים שלכם, והוא ניתן למדידה בתעבורה שלכם תוך אחר צהריים. המחירון קבוע וסופי; מספר האסימונים לכל משימה שהושלמה אינו כזה, והוא זה שמופיע בחשבונית.