GPT-6 Sol: Kompletny przewodnik po średniej klasy GPT-6 od OpenAI

GPT-6 Sol to średni poziom w rodzinie — model pomiędzy flagowym GPT-6 Astra powyżej a tanim, szybkim GPT-6 Luna poniżej, wydany 22 września 2026 r. w cenie 2,00 USD za milion tokenów wejściowych i 10,00 USD za milion tokenów wyjściowych. To połowa tego, ile kosztował GPT-5.6 Sol za model, który dostawca w swojej własnej dokumentacji opisuje jako „stworzony do obsługi złożonych przepływów pracy związanych z kodowaniem i agentowych”: okno kontekstu 1 050 000 tokenów, limit wyjścia 128 000 tokenów, dane wejściowe tekstowe i obrazowe oraz sześć poziomów intensywności rozumowania od none do max.

Ta strona jest materiałem referencyjnym dla tego modelu — tym, na który trafiasz po wpisaniu jego nazwy. Celowo nie jest drugim ogłoszeniem. Data premiery służy tu do datowania modelu, a nie do relacjonowania wydarzenia: model jest dziś działającym, ogólnodostępnym produktem API, a czytelnik trafiający na tę stronę potrzebuje cennika, obwiedni, wyraźnie oznaczonych twierdzeń dostawcy oraz tego, co zmierzył niezależny ewaluator. Znacznikiem daty i czasu jest 22 września 2026 r., sześć dni przed napisaniem tej strony, więc premiera mieści się także w siedmiodniowym oknie świeżości; sekcja, którą czytasz, jest powodem, dla którego strona jest materiałem referencyjnym, a nie newsem. Powód, dla którego w ogóle istnieje, to popyt wyszukiwawczy mierzony bezpośrednio w tym serwisie: ludzie wpisują nazwę samego modelu, a luźny ruch wokół tej nazwy ma w całości charakter zapytań typu „versus” i jest już obsługiwany przez publikowane osobno strony z porównaniami.

Gdzie w hierarchii GPT-6 plasuje się GPT-6 Sol

Własna dokumentacja OpenAI wymienia trzy modele GPT-6 i każdemu wyznacza zadanie. GPT-6 Astra to flagowy model — firmowy przewodnik nazywa go najinteligentniejszym modelem tej firmy, przeznaczonym do korzystania z komputera, przeglądania sieci, inżynierii oprogramowania, nauki i tworzenia dokumentów, w cenie 10,00 / 50,00 USD przed jakimikolwiek progami. GPT-6 Luna to poziom wydajnościowy, przeznaczony do dobrze zdefiniowanej pracy o dużej skali, kosztujący 0,10 / 0,50 USD. GPT-6 Sol to opcja pośrednia: strona modeli OpenAI opisuje go jednym zdaniem jako stworzony do złożonego kodowania i przepływów pracy z agentami, a jego przewodnik po rodzinie modeli mówi deweloperom, by wybierali gpt-6-astra do najwyższego poziomu możliwości, gpt-6-sol do „mocnego rozumowania w wymagających zadaniach”, a gpt-6-luna do wydajnej, powtarzalnej pracy na dużą skalę.

Dwie rzeczy sprawiają, że ten poziom jest realny, a nie tylko etykietą cenową. Sol ma takie samo okno 1 050 000 tokenów i limit wyjściowy 128 000 tokenów jak Astra — środkowy poziom to nie mniejsze okno, lecz mniej dolarów możliwości na token. A Sol obsługuje ustawienie rozumowania, którego Astra nie ma: reasoning.effort akceptuje none w Sol, więc model można uruchomić całkowicie bez przebiegu rozumowania, podczas gdy drabinka Astry zaczyna się od low. Poza tym drabinka poziomów wysiłku jest identyczna — none, low, medium (domyślnie), high, xhigh, max.

Artificial Analysis datuje GPT-6 Astra na 3 września 2026 r., a GPT-6 Sol i Luna na 22 września 2026 r. — trzy tygodnie dzielące pierwszą premierę flagowej generacji od jej tańszych odpowiedników. Należy zauważyć, że nasz własny wiersz katalogu dla GPT-6 Astra ma datę katalogową 4 września; to artefakt katalogowy, a 3 września według niezależnego trackera to data premiery, której tu używamy.

Cennik, w całości

Każda liczba w tej sekcji pochodzi z dokumentacji cenowej OpenAI oraz ze strony modelu GPT-6 Sol, obie czytane 28 września 2026 r., i obie w USD za milion tokenów.

• Standard, do 272 000 tokenów wejściowych — 2,00 USD za wejście, 0,20 USD za wejście z pamięci podręcznej, 2,50 USD za zapis do pamięci podręcznej, 10,00 USD za wyjście.

• Współczynnik buforowanych danych wejściowych — OpenAI rozlicza buforowane dane wejściowe według 10% stawki za niebuforowane dane wejściowe, co daje 90% zniżki, i podaje, że zapisy do pamięci podręcznej są rozliczane według 1,25× stawki za niebuforowane dane wejściowe. Premiera GPT-6 usunęła również pewien problem, który wcześniej po cichu kosztował pieniądze: zmiana poziomu wysiłku rozumowania lub dostępności narzędzi nie unieważnia już pamięci podręcznej.

• Długi kontekst, powyżej 272 000 tokenów wejściowych — 4,00 USD za wejście, 0,40 USD za wejście z pamięci podręcznej, 5,00 USD za zapisy do pamięci podręcznej, 15,00 USD za wyjście. Próg wynosi 272 tys. i jest podany na samej stronie modelu GPT-6 Sol firmy OpenAI, a nie zapożyczony ze strony Astry, która podaje tę samą liczbę. Ta sama strona podaje zasadę zmiany cen w jednym zdaniu: prompty z więcej niż 272 tys. tokenów wejściowych są wyceniane według 2× stawek za wejście i pamięć podręczną oraz 1,5× stawki za wyjście za całe żądanie. To nie jest dopłata za nadwyżkę. Żądanie o długości 300 000 tokenów rozlicza wszystkie 300 000 tokenów według stawki dla długiego kontekstu, więc koszt przekroczenia granicy to skok, a nie nachylenie — a ten skok pojawia się na progu, który większość potoków przetwarzających długie dokumenty przekracza przez przypadek.

• Batch i Flex — oba są wyceniane na poziomie 50% obowiązujących stawek standardowych, więc Batch i Flex w Sol kosztują 1,00 USD / 5,00 USD za krótki kontekst i 2,00 USD / 7,50 USD za długi kontekst, przy czym wejście z pamięci podręcznej kosztuje odpowiednio 0,10 USD i 0,20 USD.

• Tryb szybki — dwukrotność obowiązującej stawki, która wynosi 4,00 USD / 20,00 USD dla krótkiego kontekstu i 8,00 USD / 30,00 USD dla długiego kontekstu. OpenAI zmieniło nazwę przetwarzania priorytetowego na Tryb szybki w dniu 30 lipca 2026 r. i akceptuje zarówno service_tier: "priority", jak i "fast".

• Dwie podwyżki, o których warto wiedzieć — regionalne punkty końcowe przetwarzania są objęte 10% podwyżką dla modeli wydanych 5 marca 2026 r. lub później, a punkty końcowe FedRAMP są objęte 10% podwyżką standardowych stawek. W przypadku GPT-6 Sol i Luna rezydencja danych w UE jest dostępna tylko z przetwarzaniem Standard.

• Kontekst ceny — cennik OpenAI wciąż podaje GPT-5.6 Sol za $4.00 / $20.00, a ceny promocyjne mają obowiązywać co najmniej do 21 listopada 2026 r. Stawki Sol $2.00 / $10.00 to obniżka o 50% po obu stronach w stosunku do jego bezpośredniego poprzednika, a OpenAI powiedziało dziennikarzom, że nowe stawki są stałe, a nie promocyjne. To oświadczenie rzecznika, a nie pisemne zobowiązanie zawarte w cenniku, więc warto traktować je jako deklarację dostawcy, a nie fakt umowny.

Koperta

• Kontekst i dane wyjściowe — okno kontekstowe o rozmiarze 1 050 000 tokenów, maksymalnie 922 000 tokenów wejściowych, maksymalnie 128 000 tokenów wyjściowych. Liczba 1 050 000 pochodzi od samego OpenAI; Artificial Analysis podaje 872 000 w swojej tabeli specyfikacji dla tego samego modelu, a FAQ na tej stronie mówi o 870 tys. Traktuj liczbę dostawcy jako wartość umowną, a liczbę z narzędzia śledzącego jako pomiar konkretnej konfiguracji serwowania.

• Modalności — wejście tekstowe i obrazowe, wyjście tekstowe, zgodnie ze stroną modelu OpenAI. Nasz własny wiersz w katalogu dla tego modelu również wymienia wejście plikowe obok tekstu i obrazu, a strona OpenAI tego nie robi. Miarodajna jest strona dostawcy, więc uczciwa interpretacja tego modelu na dziś to wejście tekstowe i obrazowe.

• Data odcięcia wiedzy — 20 kwietnia 2026. GPT-6 Luna ma 18 maja 2026, a Astra 30 kwietnia 2026, więc te trzy modele z tej samej rodziny nie mają wspólnej daty odcięcia.

• Punkty końcowe — obsługiwane są zarówno Chat Completions, jak i Responses oraz Batch. Realtime, tłumaczenie i transkrypcja na żywo, Assistants, dostrajanie, embeddingi, generowanie i edycja obrazów, mowa, transkrypcja i tłumaczenie audio, moderacja oraz starsza trasa Completions nie są obsługiwane.

• Narzędzia i ustrukturyzowane dane wyjściowe — strumieniowanie, ustrukturyzowane dane wyjściowe, wywoływanie funkcji, przeszukiwanie plików, wprowadzanie obrazów, wyszukiwanie w sieci i buforowanie promptów są wymienione. Jest jeden haczyk: w przypadku Chat Completions wywoływanie funkcji działa tylko wtedy, gdy reasoning_effort ma wartość none. Rozumowanie z narzędziami wymaga Responses API.

• Nieobsługiwane parametry, gdy rozumowanie jest włączone — gdy reasoning effort ma wartość inną niż none, usuń temperature, top_p i top_logprobs; w Chat Completions usuń także logprobs.

Co twierdzi OpenAI i jakiego rodzaju to twierdzenie

Materiały premierowe OpenAI dotyczące GPT-6 Sol, tak jak relacjonował The Decoder w dniu premiery, najlepiej czytać jako argument o kosztach przy zachowaniu parytetu, a nie jako twierdzenie o możliwościach. Podane poniżej liczby pochodzą od dostawcy, nie zostały niezależnie odtworzone i mają taki kształt, jaki OpenAI zdecydowało się opublikować; zestaw benchmarków jest węższy niż zwykła lista, na co wskazuje ta sama relacja — brak w nim GDPval i Terminal-Bench 4.0.

• FrontierCode 1.1, według danych dostawcy — GPT-6 Sol osiąga 49,3% przy maksymalnym wysiłku za 2,14 USD na zadanie. OpenAI stawia to mniej więcej na równi z Claude Fable 5.1 przy 50,3% maksymalnego wysiłku, co w zestawieniu samego OpenAI kosztuje 12,83 USD na zadanie.

• DeepSWE v1.1, według dostawcy — 68,8% dla GPT-6 Sol przy maksymalnym wysiłku, w odległości 1,1 punktu od najlepszego opublikowanego wyniku Claude Fable 5 wynoszącego 69,9%, i wyprzedza własny model GPT-6 Luna OpenAI, o którym OpenAI mówi, że dorównuje modelowi Sol przy xhigh za znacznie mniej.

• AutomationBench i OSWorld 2.0, według danych dostawcy — OpenAI podaje, że GPT-6 Sol przy maksymalnym wysiłku pokonuje Claude Opus 5 przy maksymalnym wysiłku w benchmarku przepływów pracy biznesowej przy 9% kosztu na zadanie, a także twierdzi, że GPT-6 osiąga wyniki w obsłudze komputera podobne do Claude Opus 5 przy około 80% niższym koszcie, przy czym GPT-6 Astra nadal przewodzi w tej kategorii w obrębie własnej rodziny OpenAI.

Czytaj kształt tych zdań, a nie liczby. Każde z nich łączy wynik bliski wynikowi rywala z kosztem stanowiącym jego ułamek. To twierdzenie o parytecie przy niższym koszcie, a nie twierdzenie o dominacji, i jest to znacznie słabsze stwierdzenie niż „najlepszy model” — które OpenAI rezerwuje dla Astra. Twierdzenia dostawcy mówią tu, że średnia półka zamknęła lukę cenową; nie mówią, że zamknęła lukę w możliwościach.

Niezależna lektura

Artificial Analysis oceniło GPT-6 Sol przy maksymalnym wysiłku rozumowania i opublikowało wyniki w dniu premiery. Jego dane są niezależne i stanowią przeciwwagę dla powyższego akapitu.

• Indeks Inteligencji — 48 punktów w Artificial Analysis Intelligence Index v4.3.2, który obejmuje dziesięć ewaluacji, w tym AA-Briefcase v1.1, GDPval-AA v2.1, AutomationBench-AA, Terminal-Bench 4.0, SciCode, Humanity's Last Exam, GDP.pdf, CritPt, AA-Omniscience i AA-LCR v1.1. Strona umieszcza go na 18. miejscu wśród 211 modeli w jego klasie porównawczej — mianownik, który się zmienia, gdy tracker dodaje modele.

• Koszt na zadanie — 1,06 USD na zadanie Intelligence Index, wobec mieszanej stawki 1,54 USD za milion tokenów w miksie 7:2:1 trafień w pamięć podręczną, danych wejściowych i wyjściowych stosowanym przez Artificial Analysis. Model wygenerował 77 milionów tokenów wyjściowych podczas przebiegu indeksu, wobec mediany 88 milionów dla modeli rozumujących w jego przedziale cenowym, więc nie wygrywa pod względem zwięzłości.

• Szybkość i opóźnienie — 88,7 tokena wyjściowego na sekundę zmierzone przez API OpenAI, powyżej mediany 82,6 w trackerze dla porównywalnych modeli rozumujących, przy czasie do pierwszego tokena wynoszącym 138,06 sekundy wobec mediany 3,79 sekundy. Te dwie liczby opisują ten sam kompromis: model jest szybki, gdy już ruszy, ale wolno mu zacząć, co jest oczekiwanym znakiem długiego przebiegu rozumowania.

• Gdzie nastąpił regres — Odczyt wyników Artificial Analysis przez The Decoder donosi o regresach w dwóch ewaluacjach pracy wiedzy względem poprzedniej generacji: około 100 punktów Elo utraconych na GDPval-AA v2.1 i około 75 na Luna, przy czym ręczna inspekcja wskazuje, że spadek wynika głównie z jakości prezentacji i niekompletnych wyników. Własne podsumowanie Artificial Analysis, jak podano, mówi, że koszty przypadające na zadanie spadły mniej więcej o połowę, podczas gdy wyniki inteligencji pozostały na poziomie GPT-5.6, z poprawą w niektórych ewaluacjach i regresjami w innych.

Do tego wszystkiego należy jedno zastrzeżenie. GPT-6 Sol i GPT-6 Astra nie zostały poddane bezpośredniemu porównaniu przy dopasowanym wysiłku rozumowania na dopasowanym stanowisku testowym przez żadną stronę, na którą możemy się powołać, a dwie liczby, które cytuje się obok siebie — Sol: 48 i Astra: 53 — pochodzą z tego samego indeksu, ale niekoniecznie z tej samej konfiguracji. Uczciwa wersja tego porównania jest krótka: w tym indeksie Astra ma wyższy wynik niż Sol, a żaden opublikowany przebieg testu nie izoluje, ile z tej różnicy wynika z modelu, a ile z ustawienia wysiłku.

Dostępność i ta jedna rzecz, która zmieniła się po premierze

OpenAI udostępniło oba modele 22 września 2026 roku poprzez własne API jako gpt-6-sol i gpt-6-luna, a w materiałach premierowych umieściło je w ChatGPT Work i Codex dla subskrybentów Plus, Pro, Business, Enterprise i Edu, przy czym użytkownicy Free i Go mieli dostęp do GPT-6 Luna przez aplikację desktopową. Żaden z modeli nie był dostępny w zwykłym interfejsie ChatGPT Chat w momencie premiery — to własne ujęcie OpenAI, relacjonowane w dniu premiery, i to szczegół, który najprawdopodobniej zdezorientuje czytelnika, który szukał Sol w selektorze modeli i go nie znalazł.

Zmiana po premierze, która ma znaczenie dla każdego, kto podaje temu modelowi obrazy, znajduje się w dzienniku zmian API samego OpenAI, z 25 września 2026 r.: OpenAI naprawiło błąd w kodowaniu obrazów, który – jak twierdzi – pogarszał rozumienie obrazów w GPT-6 Sol i GPT-6 Luna, wpływając na zadania wizualne w API i w Codex, w tym na korzystanie z komputera. Zalecenie samego dziennika zmian to ponowne uruchomienie ewaluacji i ponowienie prób w przypadku objętych problemem przepływów pracy, jeśli obrazy na wejściu są częścią Twojego przypadku użycia. To poprawka sprzed trzech dni w modelu, który ma sześć dni, i to jest powód, dla którego przebieg testu porównawczego z tygodnia premiery i przebieg z tego tygodnia mogą się różnić w zakresie wszystkiego, co wizualne.

Uruchamianie GPT-6 Sol na OrcaRouter

GPT-6 Sol jest kierowany w OrcaRouter jako openai/gpt-6-sol w OrcaRouter, w cenie katalogowej samego OpenAI, z ceną katalogową dostawcy przekazywaną przy 0% narzutu, obok openai/gpt-6-astra i openai/gpt-6-luna. Wszystkie trzy znajdują się za jednym punktem końcowym zgodnym z OpenAI i jednym kluczem API, i właśnie to sprawia, że pytanie o poziom jest testowalne, a nie teoretyczne: to samo ciało żądania można skierować do Sol na ścieżkę produkcyjną, a do Luna na zadanie masowe obok, bez drugiej umowy i bez zmian w kodzie, a zmiana ceny dostawcy obowiązuje tutaj tego samego dnia, a nie po cyklu zmiany cennika. Jeśli przenosisz obciążenie na tak nowy model, automatyczne przełączanie awaryjne między dostawcami to druga połowa argumentu — to sposób, by wypróbować sześciodniowy model na prawdziwym ruchu, nie stawiając ścieżki produkcyjnej na jego pierwszy miesiąc.

Dwie rzeczy, które karta stawek robi z rzeczywistym rachunkiem, przeanalizowane krok po kroku:

• Przebieg analizy dokumentu obejmujący 900 000 tokenów jest rozliczany w długim kontekście za całe żądanie: 900 000 tokenów wejściowych po 4,00 USD za milion to 3,60 USD, plus dane wyjściowe. Ten sam przebieg utrzymywany poniżej 272 000 tokenów jest rozliczany po 2,00 USD za milion. Podzielenie jednego zbyt dużego żądania na cztery wywołania poniżej progu nie jest tu obejściem; to prosty sposób na oszczędność 2× na wejściu.

• Buforowana pętla agenta to miejsce, w którym 90-procentowa zniżka na buforowane dane wejściowe robi robotę: stabilny prefiks odczytywany setki razy kosztuje 0,20 USD za milion na Sol, a nie 2,00 USD, a ponieważ zmiana poziomu rozumowania nie unieważnia już pamięci podręcznej, drabinę poziomów można przejść w ramach jednej rozmowy bez płacenia za odbudowanie prefiksu.

Jeśli tak naprawdę chodzi ci o decyzję między dwoma modelami — tym a flagowym — przeprowadziliśmy pełne porównanie GPT-6 Sol z GPT-6 Astra osobno, a przedpremierowy zapis modelu, który był wówczas niewydany, zachowano w osobnym materiale, zamiast ponownie go tu rozpatrywać.