GPT-6 Luna נגד GPT-6 Sol: שני כרטיסי תעריפים עם אותה צורה ומספר גדול פי עשרים

GPT-6 Luna נמכרת במחיר של 0.10 דולר למיליון טוקני קלט ו-0.50 דולר למיליון טוקני פלט. GPT-6 Sol נמכרת במחיר של 2.00 ו-10.00 דולר. הספק שיגר את שתיהן ב-22 בספטמבר 2026, כשני השכבות הנמוכות יותר של דור GPT-6 מתחת לדגם הדגל GPT-6 Astra, והפער של פי עשרים ביניהן הוא הדבר הראשון שכל אחד קורא מהדף. מה שקשה יותר לראות, ושימושי יותר, הוא כמה מעט דברים אחרים מפרידים ביניהן. אותו חלון הקשר של 1,050,000 טוקנים. אותו קלט מרבי של 922,000 טוקנים. אותה תקרת פלט של 128,000 טוקנים. אותו סולם הסקה מ-none דרך low, medium, high, xhigh ו-max, כאשר medium הוא ברירת המחדל. אותה משפחת חיתוך ידע, בהפרש של חודש. אותו סעיף שמתמחר מחדש בקשה שלמה ברגע שהיא חוצה 272,000 טוקני קלט.

שני מודלים שחולקים כל שורה מבנית במחירון אינם נבדלים זה מזה בתכונות. הם נבדלים זה מזה בציון, ובמה שהשגת אותו ציון עולה לך. בלוח העצמאי שמודד את שניהם, GPT-6 Sol ממוקם אחת עשרה נקודות מעל GPT-6 Luna במאמץ מקסימלי מותאם, ועולה פי כחמישה עשר בערך להשלמת אותה הערכה. אחת עשרה נקודות ופי חמישה עשר הם משפט שונה מפי עשרים, וההבדל בין שני המשפטים האלה הוא המקום שבו ההשוואה הזו באמת נמצאת.

למה מיועד כל אחד מהשניים האלה

GPT-6 Sol הוא המודל היומיומי של המשפחה — הדרגה שאותה OpenAI מציבה לקידוד מורכב, תהליכי עבודה סוכניים ועבודה מקצועית שאדם יקרא. הוא מקבל טקסט ותמונה, מפיק טקסט, וזמין לכל מי שיש לו מפתח API. זהו המודל שרוב הצוותים יבחרו כברירת מחדל כשהם רוצים יכולת ברמת GPT-6 בלי כרטיס התעריפים של הדגל או שער הגישה שלו.

GPT-6 Luna היא שכבת הנפח. התיאור של OpenAI עצמה צר ובכוונה לא זוהר: המודל היעיל ביותר למשימות ממוקדות בנפח גבוה. סיכום, חילוץ, סיווג, ניתוב, הלולאה הפנימית של סוכן שמבצע אלף קריאות קטנות בדרך למשימה אחת. אותו חלון, אותה תקרת פלט, אותה חוגת מאמץ — מנוע זול יותר בשלדה זהה.

שניהם אומנו בשיטות שנגזרו מ-GPT-6 Astra ולא נבנו כקו נפרד, וזו הסיבה לכך שגיליונות המפרט תואמים בדיוק כה רב. המחיר הוא הנקודה היחידה שבה השניים נבדלים במכוון.

כרטיס התעריפים, שורה אחר שורה

שורה אחת לכל מימד, שני הצדדים בכל אחד:

• קלט ל-1M — GPT-6 Luna $0.10 לעומת GPT-6 Sol $2.00

• פלט לכל 1M — GPT-6 Luna ‏$0.50 לעומת GPT-6 Sol ‏$10.00

• קלט במטמון לכל 1M — GPT-6 Luna $0.01 לעומת GPT-6 Sol $0.20; שניהם מהווים עשירית משיעור הקלט שלהם ללא מטמון, כך שהיחס של פי עשרים שורד את ההנחה ללא פגע

• כתיבות מטמון לכל 1M — GPT-6 Luna במחיר $0.125 לעומת GPT-6 Sol במחיר $2.50, תוספת של 25% על תעריף הקלט בשני המקרים

• דרגת הקשר ארוך — סעיף זהה בשני הכרטיסים: מעל 272,000 טוקני קלט, הבקשה כולה מחויבת לפי 2× קלט ומטמון ו-1.5× פלט, מה שמעלה את GPT-6 Luna ל-$0.20 ול-$0.75 ואת GPT-6 Sol ל-$4.00 ול-$15.00

• חלון הקשר — 1,050,000 טוקנים לשניהם, עם מקסימום קלט של 922,000 טוקנים ותקרת פלט של 128,000 טוקנים

• מאמץ חשיבה — ללא, נמוך, בינוני (ברירת מחדל), גבוה, xhigh, מקסימום עבור שניהם; החוגה היא אותו רכיב בשני המודלים

• שכבות שירות — Flex מפחית בחצי את החשבון ו-Priority מכפיל אותו בשני הכרטיסים, נבחרות דרך אותו service_tier פרמטר

• נקודת חיתוך הידע — GPT-6 Luna, 18 במאי 2026, לעומת GPT-6 Sol, 20 באפריל 2026, שהם חודש זה מזה בתוך משפחה אחת, וכדאי לדעת זאת לפני שמניחים ששניהם חולקים השקפת עולם

• Intelligence Index, עצמאי — GPT-6 Luna 37 במאמץ מקסימלי לעומת GPT-6 Sol 48 במאמץ מקסימלי, אותה גרסת מדד

• ציון מאמץ ברירת מחדל — GPT-6 Luna 29 במצב medium המוגדר כברירת מחדל לעומת GPT-6 Sol 48 במצב max, ההגדרה שבה Artificial Analysis מדדה אותו

• עלות לכל משימת Index, באופן בלתי תלוי — GPT-6 Luna כ-$0.07 לעומת GPT-6 Sol $1.06

• אסימוני פלט בהרצת האינדקס — GPT-6 Luna 150M לעומת GPT-6 Sol 77M, מול חציון לוח של 88M

• מדד סוכני קידוד, עצמאי — GPT-6 Luna 41, ירידה של שתי נקודות ב-GPT-5.6 Luna מול GPT-6 Sol 57, עלייה של שתיים ב-GPT-5.6 Sol

• שיעור ההזיות ב-AA-Omniscience — GPT-6 Luna ‏77%, ירידה מ-93%; לעומת GPT-6 Sol ‏60%, ירידה מ-92%; שני המודלים הפכו לנכונים יותר לסרב במקום להיות בקיאים יותר, ו-Sol התקדם יותר

• ב-OrcaRouter — נכון לכתיבת שורות אלו, לא GPT-6 Luna ולא GPT-6 Sol נמצאים בקטלוג שלנו; שניהם נגישים דרך ה-API של OpenAI עצמה

חוגת המאמץ היא אותו חלק בשני הדגמים, וזה משנה את החשבון

מכיוון שסולם ההיסק זהה, נתוני המדד הראשיים עבור שני המודלים הם נתונים של מאמץ מקסימלי. ה-37 של GPT-6 Luna הוא מה שהוא משיג כאשר מותר לו לחשוב כמה שירצה. ברירת המחדל שלו היא בינונית, שבה הוא משיג 29. ה-48 של GPT-6 Sol הוא גם נתון של מאמץ מקסימלי, וזו ההגדרה שבה הריצה אותו הוועדה העצמאית.

זה חשוב כאן יותר מאשר ברוב ההשוואות, כי זה אומר ששני המודלים מצוטטים באותה דרגה. צוות שפורס את GPT-6 Luna ולא משנה דבר אינו מריץ 37 מול 48; הוא מריץ 29 מול 48. זה פער של תשע־עשרה נקודות ולא של אחת־עשרה נקודות, וגודלו הוא תכונה של ברירת המחדל, ולא של המודל.

אותה חוגה היא גם האופטימיזציה הזולה ביותר הזמינה בכל אחד מהכרטיסים, והיא פועלת בשני הכיוונים. הורדת GPT-6 Sol מ-max ל-medium בעבודה שאדם סוקר היא חיסכון גדול יותר מהעברת חלק מהתעבורה שלך מ-Sol ל-Luna, והיא דורשת שינוי של פרמטר אחד ולא מיגרציה. העלאת GPT-6 Luna ל-xhigh בקריאה האחת לכל משימה שבאמת מכריעה את התוצאה היא שגיאת עיגול ביחס לסך הכול. החוגה קיימת בשני המודלים במיוחד כדי שבחירת הדרגה ובחירת המאמץ יוכלו להיעשות בנפרד, ורוב הצוותים מבצעים רק אחת מהן.

הצוק זהה, וזה העניין

שני המודלים כוללים את אותו סעיף הקשר ארוך, ומכיוון שהסעיף פרופורציונלי הוא אינו מצמצם את הפער ביניהם — הוא מכפיל את שני צדדיו. בקשת 300,000 טוקנים ב-GPT-6 Luna מחויבת בתעריף של $0.20 למיליון טוקני קלט עבור כל 300,000 הטוקנים, ולא עבור 28,000 הטוקנים שמעבר לרף. אותה בקשה ב-GPT-6 Sol מחויבת ב-$4.00. פצלו כל מסמך לשתי קריאות מתחת לרף והעלות תקטן בחצי, ללא כל שינוי בפרומפט.

מה שהסעיף הזהה כן משנה הוא גודל הטעות. במסלול הנפח, בקשה בגודל שגוי עולה חמישית מסנט לכל אלף טוקנים. במסלול היומי היא עולה ארבעה דולרים למיליון. הצוותים שסביר ביותר שיש להם הקשר עבודה של 300,000 טוקנים הם אלו שמריצים את הפייפליינים האג'נטיים ששני המודלים נמכרים לתוכם, מה שאומר שהמסלול שהכי פחות יכול להרשות לעצמו את הטעות אינו המסלול שעושה אותה בתדירות הגבוהה ביותר.

היכן נמצאות אחת עשרה הנקודות של Sol, והיכן הן לא נמצאות

הפער אמיתי והוא אינו מתחלק באופן שווה בין המשימות שאולי תריץ.

היתרונות של GPT-6 Sol מתרכזים בקידוד ובביצוע סוכני. מדד ה-Coding Agent Index של GPT-6 Sol, 57, גבוה בשש-עשרה נקודות מה-41 של GPT-6 Luna, בלוח שבו המקבילים של הדור הקודם היו 55 ו-43 — כך ששני המודלים נעו בכיוונים מנוגדים במדד הזה, וכדאי לדעת זאת לפני שמניחים שהדור החדש הוא שדרוג של הישן בכל הפרמטרים. לפי הנתונים שפרסם הספק עצמו, Sol מדווחת על 68.8% ב-DeepSWE v1.1 במאמץ מרבי לעומת 66.6% של Luna, וכ-43% ב-Terminal-Bench 4.0 לעומת 37%. אלה נתונים שדווחו על ידי OpenAI ולא שוחזרו, והפער שהם מתארים צר יותר ממה שפער המדד מרמז.

המקום שבו Sol מתעלה הוא בהערכות שמתגמלות שרשרת ארוכה של החלטות נכונות: GPT-6 Sol מציג כ-62% ב-AutomationBench-AA לעומת 53% של GPT-6 Luna, ושיעור הזיות של 60% לעומת 77% באותו לוח Omniscience. פער של שבע עשרה נקודות בתדירות שבה מודל ממציא תשובה אינו מרווח יכולת; עבור כל דבר שיש לו צרכן במורד הזרם, זהו כל ההחלטה.

המקום שבו אחת עשרה הנקודות אינן נמצאות הוא בעבודת טקסט כללית. במשימות חילוץ, סיווג, ניתוב וסיכום — המשימות שעבורן GPT-6 Luna מתומחרת — שני המודלים יפיקו את אותה תשובה שמישה ברוב המכריע של המקרים, וההבדל לא ישרוד מפגש עם מערך ההערכה שלך. Artificial Analysis מסמנת רגרסיה אחת בשני המודלים במאמץ מקסימלי: GPT-6 Sol מאבד בערך 100 Elo ב-GDPval-AA v2.1 לעומת קודמו, ו-GPT-6 Luna בערך 75. אם העבודה שלך נראית כמו GDPval, אף אחת מהדרגות אינה השדרוג שהובטח לך, ואחת עשרה הנקודות הן השוואה בין שני מודלים ששניהם חזרו אחורה.

בחירה בין שתי רמות שכבר יש לך

הדבר יוצא הדופן בשילוב הזה הוא שזו אינה החלטת רכישה. שני המודלים פועלים על אותו חשבון, אותה נקודת קצה ואותו SDK. אין חוזה שני, אין משא ומתן שני על תעריפים, ואין עבודת אינטגרציה כדי להעביר תעבורה מאחד לשני. זה הופך את זה להחלטת ניתוב, והחלטות ניתוב הן אלו שכדאי לקבל לכל בקשה בנפרד ולא פעם אחת.

לא GPT-6 Luna ולא GPT-6 Sol נמצאים בקטלוג שלנו נכון לכתיבת שורות אלו — את שניהם משיגים דרך ה-API של OpenAI עצמה, כך שהפיצול חייב לבוא לידי ביטוי באפליקציה שלך ולא בתצורת ראוטר. זו סיבה לנהוג בזהירות, כי המחיר של טעות הוא שינוי בקוד ולא שינוי בהגדרות. הצורה של הפיצול אינה מסובכת: GPT-6 Luna לאלף הקריאות הקטנות שסוכן מבצע בדרך למשימה, ו-GPT-6 Sol לקריאה שמייצרת את הארטיפקט שאדם יקרא. הגדר את פרמטר המאמץ במפורש בשני הצדדים, כי ברירת המחדל היא medium וכל נתון שפורסם עבור שני המודלים הוא מספר של מאמץ מקסימלי.

צוותים שכן מנתבים בין ספקים — ורובם כפי שאנחנו רואים אכן עושים זאת — יכולים להחזיק GPT-6 Astra, Grok 4.6, Kimi K3 ו-Qwen3.8-Max על מפתח אחד דרך OrcaRouter במחיר המחירון של הספק, עם 0% תוספת מחיר ומעבר אוטומטי בין ספקי upstream. הוספת GPT-6 Luna ו-GPT-6 Sol לאותה תמונה פירושה מפתח שני ולא ארכיטקטורה שנייה, וזו הבעיה הקטנה מבין השתיים שהצירוף הזה יוצר.

איזה מהם, ומתי

קח את GPT-6 Luna אלא אם כן אתה יכול לנקוב בשם היכולת שאתה קונה תמורת פי עשרים. הוא זול יותר בכל שורה בכרטיס, כולל קלט במטמון, יש לו אותו חלון ואותה תקרת פלט, אפשר להורות לו להפסיק לחשוב לחלוטין, והעלות שלו לכל משימה שהושלמה בלוח העצמאי היא בערך חלק חמישה עשר מזה של GPT-6 Sol. הגדר את המאמץ במפורש, השאר קריאות ארוכות מתחת ל-272,000 אסימוני קלט, ובדוק את הפער של שש־עשרה נקודות במדד Coding Agent Index מול המאגר שלך לפני שאתה מניח שהוא חל עליך.

קח את GPT-6 Sol כאשר המשימה היא המוצר, וכאשר מצב הכשל הוא תשובה שגויה בשקט ולא תשובה איטית. סוכני קוד הפועלים על מאגר אמיתי, ניתוח מקצועי לטווח ארוך, כל דבר שבו עובדה שמקורה בהזיה עולה יותר מהטוקנים שנחסכו. קבל שאתה משלם פי חמישה עשר לכל משימה שהושלמה תמורת אחת עשרה נקודות מדד, ושבין אותן אחת עשרה נקודות חלק משמעותי נמצא בעמודת ההזיות ולא בעמודת היכולת — וזה, עבור הצמד המסוים הזה, החצי הטוב יותר לשלם עבורו.

הטעות שיש להימנע ממנה היא להתייחס לתג המחיר של פי עשרים כאל התשובה. תג זה הוא התשובה לשאלה כמה עולה טוקן, והוא אינו אומר דבר על כמה עולה משימה שהושלמה או על באיזו תדירות התשובה של המודל הזול שגויה בדרך שלא תבחין בה.