GPT-6 Sol ו-GPT-6 Luna: הטוקן הזול יותר אינו תמיד המשימה הזולה יותר

הספק שחרר את GPT-6 Sol ו-GPT-6 Luna ב-22 בספטמבר 2026, והכותרת בכל מקום היא המחיר: Sol במחיר $2.00 למיליון טוקני קלט ו-$10.00 פלט, Luna ב-$0.10 ו-$0.50, שניהם בערך חצי ממה ש-GPT-5.6 Sol ו-GPT-5.6 Luna גובים בתעריפי המבצע הנוכחיים, ושניהם נמצאים הרבה מתחת לדגם הדגל GPT-6 Astra ב-$10.00/$50.00. ההודעה של הספק עצמו פותחת ב"גם הפכנו את המטמון וההסקה ליעילים יותר." הבעיה בלפרש את זה כסיפור הנחה היא שהיחידה שבאמת מופיעה בחשבונית שלך היא לא טוקן. היא משימה. והמדידות העצמאיות הראשונות, שפורסמו באותו יום, מראות ששני הדגמים החדשים נעים בכיוונים מנוגדים בדיוק ביחידה הזו — כאשר GPT-6 Luna, הזול מבין השניים פי עשרים בקלט, מציג את הביצועים הגרועים יותר מבין השניים ביחס לקודמו. אחד מהדגמים האלה הוא שדרוג ישיר ואחד הוא פשרה אמיתית, וההודעה של הספק לא מבחינה ביניהם.

לפני המספרים, כללי המקורות לכתבה הזו, משום ששתי ערימות הראיות כאן ראויות למשקל שונה מאוד. מחירים, חלון הקשר, שיעורי מטמון ותאריכי חיתוך ידע מגיעים מתיעוד ה-API וטבלאות התמחור של OpenAI עצמה, שנקראו ב-23 בספטמבר 2026, כאשר שורות שכבת השירות וכתיבת המטמון מאומתות מול כלי מעקב עלויות של צד שלישי ולא נלקחו מההודעה בלבד. טבלאות הבנצ'מרק של OpenAI — AutomationBench, DeepSWE 1.1, OSWorld 2.0, Agents' Last Exam, והערכת עובדתיות פנימית — מדווחות על ידי הספק ואינן משוחזרות, וכל נתון שנשאב מהן להלן מסומן ככזה. המספרים הבלתי תלויים מגיעים מ-Artificial Analysis, שהריצה את שני המודלים במדד Intelligence Index וב-Coding Agent Index שלה ביום ההשקה; אלה המספרים שיש לסמוך עליהם לצורך קבלת החלטה. במקום שבו השניים חלוקים, המאמר אומר זאת במקום לעשות מהן ממוצע.

ההשקה, בפסקה אחת

Sol ו-Luna הם חברים בדרג הבינוני והנמוך במשפחת GPT-6, שאומנו בשיטות שמאחורי GPT-6 Astra ומוצבים כדרכים מהירות וזולות יותר להגיע לרוב היכולת שלו. ההצגה של OpenAI היא עלות לכל משימה ולא יכולת גולמית: היא אומרת ש-GPT-6 Sol עושה בערך חצי ממספר הטעויות לעומת GPT-5.6 Sol בהערכת האמינות העובדתית הפנימית שלה, וש-GPT-6 Luna במאמץ חשיבה גבוה יותר משתווה לאמינות העובדתית של GPT-5.6 Sol בערך במאית מעלות המשימה. שניהם מקבלים קלט טקסט ותמונה ומפיקים טקסט, לשניהם חלון הקשר של 1,050,000 טוקנים עם תקרת פלט של 128K — Artificial Analysis מציגה 872k עבור אותו מודל, אז יש להתייחס לקצה העליון של אותו חלון כהצהרת ספק — ושניהם חושפים מאמץ חשיבה מ-none עד max, רמה ש-GPT-6 Astra לא מציע, כי ל-Astra אין none. מזהי המודלים הם gpt-6-sol ו-gpt-6-luna. הזמינות מוצעת דרך ה-API, דרך ChatGPT Work ו-Codex עבור חשבונות Plus, Pro, Business, Enterprise ו-Edu, ודרך Amazon Bedrock, שהכריזה על זמינות כללית של שניהם באותו יום. משתמשי Free ו-Go מקבלים את Luna באפליקציית שולחן העבודה; אף אחד מהמודלים עדיין לא נמצא במצב Chat הפשוט.

מה אומרים ארבעת המספרים הבלתי תלויים, ולמה הם חלוקים

נתחיל מ-GPT-6 Sol, כי הסיפור שלו פשוט. Artificial Analysis מדרגת אותו 48 במדד הבינה, במקום ה-18 מתוך 212 מודלים שנמדדו, ב-1.06 דולר למשימת מדד לעומת 1.99 דולר עבור GPT-5.6 Sol — בערך חצי מהעלות עבור ציון מדד זהה, ושיפור בעלות למשימה שמחזיק מעמד ולא מתנדף. מדד סוכן הקידוד שלו עולה ל-57 מ-55, כאשר Terminal-Bench 4.0 עובר מ-37% ל-43% ו-SWE-Atlas-QnA מ-54% ל-58%, ב-2.99 דולר למשימה על חזית פארטו. שיעור ההזיות שלו יורד מ-92% ל-60%, והתנהגות ההימנעות שלו משתנה כליל: הוא עונה כעת על 83% מהשאלות שבהן הדור הקודם ענה על 99%, ובתמורה מקבל רבע פחות תשובות שגויות, כשהדיוק יורד מ-59% ל-54%. זהו מודל שלימדו אותו לשתוק כשהוא לא יודע, ומדד AA-Omniscience שעובר מ-22 ל-27 הוא אותה עובדה מנוסחת כציון.

עכשיו GPT-6 Luna, והסיפור משתנה. Artificial Analysis נותן לו 37 במדד האינטליגנציה — אותו נתון בדיוק ש-GPT-5.6 Luna מקבל. העלות שלו לכל משימת מדד יורדת מ-$0.18 ל-$0.07, כ-60% פחות, והחיסכון הזה אמיתי. אבל ה-Coding Agent Index שלו יורד, מ-43 ל-41, כאשר SWE-Atlas-QnA נופל מ-49% ל-44% ו-DeepSWE 1.1 נופל מ-66% ל-64%. שיעור ההזיות שלו משתפר מ-93% ל-77%, והתנהגות ההימנעות שלו כמעט אינה משתנה — דיוק 44% לעומת 43%, AA-Omniscience מ-−10 ל-1. בקריאה משותפת: אותה אינטליגנציה מדודה, בכ-40% מעלות המשימה, עם סוכן קידוד גרוע יותר ואיכות תשובה כמעט ללא שינוי.

זו אינה סתירה, ולסיבה יש חשיבות. טוקן זול יותר קונה לך פחות רק אם המודל מוציא יותר טוקנים כדי לסיים את אותה משימה — והנתונים הבלתי תלויים אומרים שהמודלים האלה מוציאים יותר, לא פחות. התפוקה לכל משימת אינדקס עלתה מ-29 אלף ל-31 אלף טוקנים אצל Sol ומ-41 אלף ל-51 אלף אצל Luna. החיסכון של 60% של GPT-6 Luna מגיע כולו מהורדת המחיר, ולא מכך שהיא פועלת חסכוני יותר. סחיפת הטוקנים לכל משימה קטנה מספיק כדי שהחשבון עדיין יעבוד לטובתך כאן; היא לא קטנה מספיק כדי להתעלם ממנה כקטגוריה, מפני שזה המנגנון שבאמצעותו הורדת מחיר עתידית יכולה להתקזז על ידי מודל פטפטן יותר. גם הניסוח של OpenAI עצמה עבר לעלות לכל משימה מאותה סיבה.

שתי נסיגות ניצבות מחוץ לשני המדדים המרכזיים וראויות לציון, משום ששתיהן אינן מופיעות בהודעה של OpenAI. ב-GDPval-AA v2.1, שמודד תוצרי עבודת ידע, GPT-6 Sol מאבד כ-100 Elo לעומת קודמו, ו-GPT-6 Luna כ-75. GPT-6 Luna גם מאבד כ-45 Elo ב-AA-Briefcase v1.1, שם Sol נשאר יציב — Artificial Analysis מייחסת את הפער להצגה חלשה יותר ולפריטי רובריקה חסרים. אם השימוש שלך במדרג הזול הוא סיכום, חילוץ וסיווג בהיקפים גדולים, שום דבר מזה לא נוגע לך. אם הוא ניסוח של משהו שאדם מאשר, זה כן נוגע.

השינוי במטמון הוא החדשות האמיתיות של ה-API

קבור מתחת למחירון נמצא שינוי שחשוב יותר לחשבון הייצור מאשר הקיצוץ הכותרתי, וזה החלק בהכרזה שהפוסט של OpenAI עצמו רומז אליו בסעיף אחד. שלושה דברים השתנו, והשלישי הוא זה שכדאי לקרוא פעמיים.

הראשון הוא ההנחה עצמה: קריאות קלט שמורות מחויבות לפי 10% מתעריף הקלט, הנחה של 90%, כלומר אותו תנאי שהמשפחה כבר כללה ולא תנאי חדש. הקלט השמור של Sol הוא $0.20 למיליון ושל Luna הוא $0.01; כתיבות למטמון נושאות תוספת של פי 1.25, $2.50 ו-$0.125 בהתאמה, עם זמן חיים יחיד של 30 דקות.

השני הוא שליטה. שמירה מפורשת במטמון באמצעות prompt_cache_options וprompt_cache_breakpoint — הפרמטרים שמאפשרים להצהיר היכן מסתיימת קידומת פרומפט לשימוש חוזר במקום לקוות שהספק ינחש — זמינה בשני הדגמים. זה לא משטח API חדש; מה שחדש הוא שכדאי להשתמש בזה, כי שיעורי הפגיעה המוגדרים כברירת מחדל עלו.

השלישי הוא זה שמשנה את הארכיטקטורה. שינוי מאמץ החשיבה או הפעלה וכיבוי של כלים כבר אינו מבטל את הקידומת המטמוננת.לפני כן, לולאת סוכן שהעלתה את המאמץ עבור שלב קשה והורידה אותו בחזרה עבור שלב קל שילמה על עיבוד מחדש של כל ההקשר שלה בכל סיבוב חוגה, וכך גם לולאה שהוסיפה או הסירה כלי תוך כדי שיחה. המס הזה נעלם כעת בשני המודלים האלה. OpenAI מצטטת את GitHub, שדיווחה שהשינויים צמצמו ביותר ממחצית את שיעור אסימוני הפרומפט הנדרשים לעיבוד חדש על פני מיליארדי בקשות. התייחסו לכך כאל נתון שסופק על ידי הספק — הוא אמין והוא אינו עובר ביקורת עצמאית.

עשו את החשבון על לולאת סוכן ארוכה, והדירוג של שתי ההכרזות מתהפך. לולאה שנושאת הנחיית מערכת וסכמת כלים באורך 30,000 טוקנים לאורך 200 סיבובים מעבירה 6 מיליון טוקנים של הקשר. בלי מטמון, על GPT-6 Sol, מדובר ב-$12.00 של קלט. כשהקידומת נשמרת במטמון במחיר $0.20 למיליון, מדובר ב-$1.20 בתוספת הכתיבה החד-פעמית — סדר גודל, משינוי פרמטר, עוד לפני שהורדת המחיר מיושמת בכלל. הורדת המחיר היא מה שההכרזה מכרה. התנהגות המטמון היא מה שלמעשה מזיז את המספר, והיא הסיבה שמחיר כותרת של $2.00 מתנהג כמו משהו הרבה יותר זול בעומסי העבודה ש-OpenAI משווקת את המודלים האלה עבורם.

כרטיס התעריפים, כולל החלקים שההכרזה מדלגת עליהם

התעריפים המוצגים בכותרת אינם כל המחירון, ושלוש שכבות תמחור משנות את ההחלטה עבור עומסי עבודה מסוימים.

• בסיס — GPT-6 Sol $2.00 קלט / $10.00 פלט; GPT-6 Luna $0.10 קלט / $0.50 פלט, למיליון טוקנים, עבור פרומפטים של עד 272K טוקני קלט.

• הקשר ארוך — מעל 272K אסימוני קלט, הבקשה כולה מחויבת בתעריף של פי 2 לקלט ופי 1.5 לפלט: $4.00/$15.00 עבור Sol ו-$0.20/$0.75 עבור Luna. זהו צוק, לא תעריף שולי. אם ההנחיות שלך מגיעות ל-300K אסימונים, אתה משלם כפול על הבקשה כולה, לא על ה-28K שמעבר לגבול, ולעיתים קרובות זול יותר לפצל מסמך לשתי קריאות מתחת לסף מאשר לשלוח אותו פעם אחת מעליו.

• רמות שירות — Flex מחצה את החשבון ($1.00/$5.00 עבור Sol, $0.05/$0.25 עבור Luna) בתמורה לזמן טיפול איטי יותר; Priority מכפיל אותו. שניהם נבחרים דרך הפרמטר service_tier. Flex הוא המקום שבו עבודות בסגנון אצווה אמורות לחיות וכמעט שאף פעם לא עושות זאת.

• קלט במטמון — $0.20 למיליון ב-Sol ו-$0.01 ב-Luna, הנחה של 90%, עם TTL של 30 דקות ותוספת של פי 1.25 עבור כתיבה למטמון.

• הקשר ופלט — חלון של 1,050,000 טוקנים, פלט מרבי של 128K, קלט טקסט ותמונה, פלט טקסט, מאמץ חשיבה none עד max כאשר medium הוא ברירת המחדל.

• תאריכי חיתוך הידע — 20 באפריל 2026 עבור GPT-6 Sol ו-18 במאי 2026 עבור GPT-6 Luna, שהם פער של חודש זה מזה בתוך אותה משפחה, וכדאי לדעת זאת לפני שמניחים ששני המודלים חולקים תפיסת עולם.

מה טבלת הבנצ'מרקים של OpenAI אומרת, ומה היא לא אומרת

ההשוואות המפורסמות של OpenAI הן כולן עלות-למשימה, כולן מול Anthropic, וכולן מבוצעות על ידי הספק. ב-AutomationBench 1.0.6, הערכה אג'נטית עם 47 כלים, החברה מדווחת כי GPT-6 Sol במאמץ xhigh משיג 33.2% בעלות של $0.27 למשימה, לעומת Claude Opus 5 עם 26.9% וכעלות של פי 11 בערך למשימה. ב-DeepSWE 1.1 היא מדווחת כי Sol במאמץ מקסימלי משיג 68.8% לעומת Claude Fable 5 עם 69.9% — הפסד בציון בעלות נמוכה בכ-80% למשימה — ו-Luna עם 66.6%. ב-OSWorld 2.0, Sol משיג 60.5% ב-xhigh לעומת 60.3% של Opus 5, שוב בכ-80% פחות למשימה. ב-Agents' Last Exam, Sol מגיע ל-56.4%, שלדברי OpenAI עוקף את התוצאה הטובה ביותר של Opus 5 בעלות נמוכה ב-60% למשימה.

כל אחד מהנתונים האלה מדווח על ידי הספק ואינו משוחזר, וכדאי לשאת הלאה שתי הסתייגויות במקום לתייק אותן. ראשית, OpenAI ערכה את השוואת הביצועים מול Claude Opus 5, ולא מול Claude Opus 5.5 שיצא שעות ספורות לפני ההכרזה, כך שאף השוואה באותה ערכת בדיקה אינה קובעת עדיין איזה מודל למעשה מספק את העלות הנמוכה יותר לכל משימה מוצלחת. שנית, עלות למשימה אינה עלות למשימה נכונה: מודל שעונה ב-83% מהמקרים ונמנע מלענות בשאר ייראה זול למשימה במדד שסופר הימנעויות כמשימות. נתוני ההימנעות העצמאיים שלעיל הם שמאפשרים לתמחר זאת ביושר — GPT-6 Sol שעונה על 83% מהשאלות כאשר המודל הישן ענה על 99% הוא ויתור מכוון, והאם הוא כדאי תלוי לחלוטין במה שעולה לך תשובה שגויה.

OpenAI מדווחת ש-GPT-6 Luna במאמץ גבוה יותר משתווה לאמינות העובדתית של GPT-5.6 Sol בערך במאית מעלות המשימה. זו השוואת אמינות עובדתית, לא השוואת יכולות, ומדד Coding Agent Index העצמאי ממקם את GPT-6 Luna בשתי נקודות מתחת ל-GPT-5.6 Luna, שלא לדבר על GPT-5.6 Sol.

מה בעצם לעשות עם זה

GPT-6 Sol הוא הפשוט והברור. חצי מעלות המשימה באותו ציון מדד, סוכן קוד טוב יותר, ירידה גדולה בהזיות ושינוי אמיתי בהתנהגות ההימנעות מצטברים לשדרוג שאפשר לבצע לפי לוח זמנים במקום הימור. אם אתם על GPT-5.6 Sol, זהו מעבר, והשאלה האמיתית היחידה היא אילו מהפרומפטים שלכם תלויים בנכונות של המודל הישן לענות על הכול.

GPT-6 Luna הוא זה שצריך לבדוק לפני שאתה עובר. הוא לא GPT-5.6 Luna טוב יותר באופן מוחלט; הוא בעל צורה שונה — זול יותר לכל משימה, בטוח יותר לגבי מה שהוא יטען, וגרוע יותר באופן מדיד בקידוד סוכני. עבור סיווג, חילוץ, ניתוב ותמצות בכמויות גדולות, העסקה היא כמעט כסף קל. לכל דבר שמזין סוכן קידוד, או מייצר מסמך שאדם מאשר, הרגרסיה של שתי נקודות ב-Coding Agent והצניחה ב-GDPval הן הסיבה להשאיר את GPT-5.6 Luna במסלול עד שהרצת את המשימות שלך דרך שניהם.

זו גם הטענה נגד חיבור קשיח לאחד מהם. שני המודלים הם כרגע של OpenAI בלבד, ועומסי העבודה שהשכבות האלה משרתות — ניתוב, חילוץ, סיווג זול — הם בדיוק אלה שבהם ספק שני מאחורי אותה נקודת קצה הופך רגרסיה של מודל ללא-אירוע. OrcaRouter מעביר את מחירי המחירון של הספקים הלאה ב-תוספת של 0%, כך ששינוי בתעריפי הספק נוחת אצלנו באותו יום שהוא נוחת אצל הספק, וה-DSL לניתוב מאפשר לך לשים את GPT-6 Luna מאחורי מודל זול יותר עבור חלק התעבורה הקל, בעוד שהחלק הקשה יותר הולך ל-GPT-6 Sol — עם מעבר אוטומטי לגיבוי אם אחד מהמסלולים נחלש. אינך צריך לבחור מנצח ביום ההשקה כדי ליהנות ממנה.

ההסתייגות הכנה: GPT-6 Sol ו-GPT-6 Luna אינם ניתנים לניתוב דרך OrcaRouter נכון ל-23 בספטמבר 2026. אנחנו עדיין לא מארחים אותם, ואין לקרוא את האמור לעיל כטענה שאנחנו כן. מה שיש בצד שלנו היום הוא מערך ההשוואה — GPT-5.6 Sol במחיר $4.00/$20.00, GPT-5.6 Luna במחיר $0.20/$1.20, ו-GPT-6 Astra במחיר $10.00/$50.00 — וזה בדיוק מה שאתם צריכים כדי לתמחר את המיגרציה לפני שאתם מתחייבים אליה.

מה לצפות בהמשך

שלושה דברים יכריעו מה הייתה ההשקה הזו באמת. הראשון הוא האם התעריף של GPT-5.6 Luna, ‏$0.20/$1.20, ישרוד את הרבעון, מפני שמחיר קבוע מספק אחד היה היסטורית מהלך הפתיחה ולא סופו — וההשקה באותו יום של Claude Opus 5.5 מרמזת שהלחץ שהוליד את ההורדה הזו לא נעלם. השני הוא האם שינוי ההימנעות מחזיק מעמד בשטח: GPT-6 Sol שמסרב לענות על שאלה אחת משש הוא סוג השינוי שנקרא כשיפור במעבדה וכמוצר שבור בפייפליין שהניח שתתקבל תשובה. השלישי הוא האם התנהגות המטמון אמיתית בתעבורה שלך, וזה מדיד השבוע וניתן למענה רק על ידי מדידה — ההנחה גדולה מספיק כדי ששעה אחת שתוקדש למדידת שיעורי פגיעת מטמון בפרומפטים הארוכים ביותר שלך שווה יותר מעוד טבלת בנצ'מרק.