GPT-6 vs GPT-6 Luna: Grosik za milion tokenów i poziom, który odpowiada na darmowy plan

Istnieje wersja tego porównania, w której odpowiedź to jedno zdanie: nie można wywołać GPT-6, a można wywołać GPT-6 Luna w cenie dziesięciu centów za milion tokenów wejściowych. Ale bardziej użyteczna wersja to ta, która wyjaśnia, dlaczego Luna jest teraz modelem, którego większość ludzi faktycznie używała — OpenAI udostępniło ją w planach Free i Go ChatGPT 8 października 2026 r., dzięki czemu jest to najtańszy poziom w generacji i, pod względem liczby użytkowników, najbardziej oblegany. W dalszej części wyjaśniamy raz drabinkę poziomów, a następnie, co tak naprawdę daje dziesięć centów za milion.

Rodzina i miejsce Luny w niej

OpenAI udostępnia generację GPT-6 jako trzy identyfikatory modeli wydane 22 września 2026 r., bez openai/gpt-6punktu końcowego stojącego za nazwą rodziny:

• GPT-6 Astra — model flagowy, 10,00 USD za wejście / 50,00 USD za wyjście za milion tokenów, wymieniony w cenniku OpenAI jako najwyższy w generacji
• GPT-6 Sol — średnia półka, 2,00 / 10,00 USD, i model, który OpenAI wskazuje do czatu w płatnych planach ChatGPT
• GPT-6 Luna — tania półka, 0,10 / 0,50 USD, i model, który OpenAI wskazuje dla planów Free i Go

Ta ostatnia linia to fragment, który warto doprecyzować, ponieważ to właśnie ona sprawia, że ruch modelu Luna przyćmiewa wszystko inne w rodzinie. Własne ogłoszenie OpenAI dotyczące wdrożenia z 7–8 października stwierdza, że „GPT-6 w ChatGPT jest zasilany przez GPT-6 Sol w planach Plus, Pro, Business i Enterprise oraz przez GPT-6 Luna w planach Free i Go”. Model w cenie $0.10 / $0.50 obsługujący darmowy plan odpowiada na więcej pytań dziennie niż jakikolwiek plan premium, a jest to ten sam checkpoint, który można wywołać przez API. Warstwa konsumencka to kanał dystrybucji, a nie oddzielny SKU.

Zastrzeżenie, które trzeba tu powtórzyć, ponieważ ten blog już o tym publikował: ta sama zapowiedź mówi, że Free i Go dostają GPT-6 Luna, podczas gdy strona centrum pomocy OpenAI dotycząca GPT-6 w ChatGPT opisywała Free i Go jako korzystające z GPT-5.6 Luna w dniu, w którym ją odczytano. To nie są zgodne stwierdzenia o tym samym poziomie; OpenAI nie podało, które jest aktualne, a jeśli Twoja praca zależy od tego, który tani model stoi za darmowym planem, potraktuj wpis w centrum pomocy jako bardziej szczegółową stronę i sprawdź ponownie, zanim zaczniesz budować w oparciu o którekolwiek z nich.

Co tak naprawdę można kupić za dziesięć centów za milion

Liczba w nagłówku to najmniej interesująca liczba na karcie Luny. Oto cała karta i znajdujący się pod nią stopień poziomu:

• Krótki kontekst, do 272 000 tokenów wejściowych — $0,10 za milion na wejściu, $0,50 za milion na wyjściu
• Powyżej 272 000 tokenów wejściowych — $0,20 za milion na wejściu, $0,75 za milion na wyjściu, stosowane do całego żądania
• Wejście z pamięci podręcznej — $0,01 za milion w krótkim progu, 90% zniżki; $0,02 powyżej tej granicy
• Zapisy do pamięci podręcznej — $0,125 za milion w krótkim progu, $0,25 powyżej niego
• Kontekst i wyjście — 1 050 000 tokenów na wejściu, 128 000 tokenów na wyjściu
• Modalności wejściowe — tekst, obraz i plik, takie samo wejście multimodalne jak Sol i Astra
• Rozumowanie — konfigurowalny parametr wysiłku, obok narzędzi, wyjścia JSON i próbkowania z ziarnem

Z tego wynikają dwie rzeczy. Po pierwsze, Luna nie jest okrojonym modelem. Obsługuje obrazy i pliki, udostępnia takie samo wywoływanie narzędzi i ustrukturyzowane wyjście jak jej dwa droższe odpowiedniki, a jedyne, co odróżnia ją od Sol na karcie specyfikacji, to głębia, a nie możliwości. Po drugie, próg. Prompt powyżej 272 000 tokenów wejściowych podwaja stawkę wejściową modelu Luna i podnosi jego stawkę wyjściową o połowę, w całym żądaniu, a nie tylko w nadwyżce. Przy tych cenach to łagodny próg — żądanie o 300 000 tokenów kosztuje około sześciu centów za wejście zamiast trzech — więc klauzula długiego kontekstu, która dominuje w planowaniu budżetu dla Astra i ma znaczenie dla Sol, jest tutaj prawie nieistotna.

Liczbą, która faktycznie przekłada się na pieniądze w skali, jest odczyt z pamięci podręcznej. Przy jednym cencie za milion obciążenie, które przy każdej turze ponownie wysyła ten sam duży kontekst, płaci niemal nic za powtarzaną część. W potoku ekstrakcji lub klasyfikacji o dużym wolumenie, ze stałym promptem systemowym i stałym dokumentem, to różnica między tanim modelem a niemal darmowym, i to jest konkretny powód, dla którego rzeczywisty koszt Luni za gotową odpowiedź jest znacznie niższy, niż sugeruje cennik.

Co cię to kosztuje w zakresie możliwości

Luna to najtańszy poziom, ponieważ jest tym o najmniejszych możliwościach, a niezależny ranking jednoznacznie wskazuje, o ile mniej. Odczytaj dane z Artificial Analysis za pośrednictwem wpisu w katalogu OrcaRouter dla każdego modelu w dniu 8 października 2026:

• AA Intelligence Index — GPT-6 Sol 47,6, miejsce 14; GPT-6 Luna 38,1, miejsce 37
• Humanity's Last Exam — GPT-6 Sol 47,9 vs GPT-6 Luna 38,5
• SciCode — GPT-6 Sol 57,6 vs GPT-6 Luna 54,6
• Przywoływanie w długim kontekście — GPT-6 Sol 83,7 vs GPT-6 Luna 83,3
• Terminal-Bench 4.0 — GPT-6 Sol 43,9 vs GPT-6 Luna 12,6
• Ruch w ciągu siedmiu dni — GPT-6 Luna około 574 milionów tokenów; GPT-6 Sol około 2,1 miliona
• Mediana czasu do pierwszego tokenu — GPT-6 Luna 1 494 ms vs GPT-6 Sol 6 785 ms
• Mediana szybkości generowania — GPT-6 Luna 132,9 tokenów/s vs GPT-6 Sol 179,6 tokenów/s

Kształt tego niesie więcej informacji niż różnica z nagłówka. Luna jest 9,5 punktu indeksu za Sol, a strata nie rozkłada się równomiernie: przywoływanie z długiego kontekstu to remis — różnica 0,4 punktu, a SciCode — rozumienie kodu, a nie jego tworzenie — dzieli tylko 3 punkty. Załamuje się natomiast wykonanie agentowe, wieloetapowe: Terminal-Bench 4.0 na poziomie 12,6 wobec 43,9 Sol. Model, który potrafi wyszukiwać w dokumencie o milionie tokenów w przybliżeniu tak dobrze jak jego większy brat i napisać kompetentną odpowiedź w jednym podejściu, to inne narzędzie niż taki, który potrafi doprowadzić pętlę narzędziową do końca.

Dwie uwagi. Wartości indeksu pochodzą z Artificial Analysis, a nie z OpenAI, a ten ewaluator nie gwarantuje, że dwie strony modeli są renderowane względem tej samej rewizji indeksu tego samego dnia — różnice mniejsze niż punkt traktuj jako kierunek, a nie jako precyzję. Dane dotyczące serwowania to zaś nasze własne pomiary routingu w kroczącym oknie siedmiu dni; zmieniają się między odczytami i przydają się bardziej do ogólnego kształtu różnicy niż jako zobowiązanie na poziomie usług.

Jest jedna liczba dotycząca serwowania, na której warto się zatrzymać. Mediana czasu do pierwszego tokenu Luny wynosi 1494 ms w porównaniu z 6785 ms w przypadku Sol — około 4,5 razy szybciej do pierwszego tokenu — a jej przepustowość jest znacząco niższa, gdy rozpocznie się strumieniowanie. W przypadku interfejsu czatu, w którym użytkownik czeka na pierwszą linijkę, to odwrócenie jest całym sensem tego poziomu i dlatego darmowy plan może wydawać się szybki, mimo że działa na najtańszym modelu w rodzinie.

Świeża rywalizacja wewnątrz rodziny

Przewaga cenowa Luny w obrębie generacji zmniejszyła się od czasu jej premiery. GPT-6.1 Sol pojawił się 29 września w cenach Sol 2,00 / 10,00 USD z indeksem 51,8 i obniżył stawkę za wejście z pamięci podręcznej do 0,10 USD za milion. To nie zmienia stawki Luny dla krótkiego kontekstu — dziesięć centów na wejściu i pięćdziesiąt centów na wyjściu to nadal dwadzieścia razy taniej na wejściu niż w przypadku jakiegokolwiek Sola — ale oznacza, że poziom powyżej Luny stał się tańszy w obsłudze ruchu z pamięci podręcznej, czyli dokładnie tego obciążenia, przy którym przewaga Luny była największa. Luka pozostaje duża. Nie jest już tak duża, jak sugerowałyby same cenniki.

Gdzie w praktyce przebiega granica między poziomami

Podziel pracę według tego, czego wymaga zadanie, a nie według tego, kto osiąga wyższy wynik.

Luna to właściwy wybór do czatu o dużym natężeniu, klasyfikacji, ekstrakcji, moderacji i streszczania długiego dokumentu — wiersz, w którym dorównuje swojemu większemu bratu pod względem wyszukiwania, jest dokładnie tym wierszem, który decyduje o tym, czy duży kontekst jest użyteczny. Jej opóźnienie pierwszego tokenu czyni ją lepszym wyborem dla wszystkiego, co interaktywne i nie jest obciążone rozumowaniem. A przy jednym cencie za milion w pamięci podręcznej, potok o stabilnym kontekście jest niemal darmowy w powtarzanej części.

Sol, a właściwie teraz GPT-6.1 Sol, to właściwy wybór, gdy zadanie wymaga pętli narzędziowej, planu długofalowego lub łańcucha kroków, który musi zostać ukończony. Rozpiętość wyników Terminal-Bench — 43,9 wobec 12,6 — to najwyraźniejszy sygnał w tym porównaniu i przekłada się na rzeczywisty tryb awarii: tani model, który dobrze odpowiada na pierwszym kroku, a potem traci wątek. Parametr effort oznacza, że możesz poprosić Lunę o więcej rozumowania, ale zwiększa on liczbę tokenów, a nie pułap; nie zamienia 12,6 w 43,9.

A Astra pozostaje odpowiedzią dla pracy, którą może wykonać tylko flagowy model — co, przy $10.00 za wejście i $50.00 za wyjście w porównaniu z dziesięcioma centami Luny, jest decyzją, którą powinieneś umieć uzasadnić w przeliczeniu na pojedyncze wywołanie, a nie na cały zespół.

Wersja tego wyboru z jednym API

Kłopotliwe w trzy poziomach tej samej rodziny jest to, że granica poziomów przesuwa się wraz z funkcją, a także wraz z żądaniem — ta sama aplikacja zwykle chce Luna dla jednego endpointu, a Sol dla kolejnego. To problem routingu, a nie zakupów. Wszystkie trzy poziomy GPT-6 znajdują się w tym samym katalogu OrcaRouter, wywoływane przez jedno API zgodne z OpenAI, stojące przed ponad 200 modelami, z ceną katalogową dostawcy przekazywaną z 0% marżą, więc zmiana ceny dostawcy na dowolnym poziomie jest tu widoczna tego samego dnia, a nie dopiero przy następnym uzgodnieniu. DSL routingu składa podział w sposób jawny — według rozmiaru żądania, według endpointu lub według udziału — dzięki czemu ścieżka klasyfikacji może korzystać z Luna, podczas gdy ścieżka agentowa korzysta z Sol, a automatyczne przełączanie awaryjne między dostawcami obejmuje trasę, która ulega degradacji, zamiast zostawiać ci odkrycie tego po nieudanym uruchomieniu.

Jednej rzeczy to nie robi: nie daje ci modelu Luna, który zachowuje się jak Sol. Poziomy istnieją, ponieważ modele się różnią, a powyższe liczby określają wielkość tej różnicy. To, co daje ci pojedynczy klucz i reguła routingu, to możliwość umieszczenia każdego żądania na poziomie, który faktycznie do niego pasuje, zamiast umieszczania wszystkiego na najdroższym dla bezpieczeństwa albo wszystkiego na najtańszym dla oszczędności.

Odpowiedź, według jedynego pytania, które ma znaczenie

Jeśli zadanie polega na wyszukaniu, a następnie udzieleniu odpowiedzi na podstawie dużego dokumentu, czatu lub masowego przetwarzania tekstu, GPT-6 Luna jest właściwym poziomem, a karta za dziesięć centów nie jest kompromisem — wiersz przypominania w długim kontekście mówi, że radzi sobie z wyszukiwaniem tak samo dobrze jak model kosztujący dwadzieścia razy więcej. Jeśli zadanie wymaga wieloetapowego agenta do ukończenia, Luna jest złym poziomem, a uczciwym posunięciem jest GPT-6 Sol lub GPT-6.1 Sol, gdzie cena jest wciąż niska w wartościach bezwzględnych, a ewaluacje agentowe przestają się załamywać.

To, czym samo „GPT-6” jest w sobie, znów nie jest niczym, co można wywołać. To nazwa rodziny obejmująca trzy identyfikatory w trzech punktach cenowych i trzy różne pułapy możliwości, a Luna jest tą na samym dole — najtańszą, o najkrótszym czasie do pierwszego tokenu, tą, która obsługuje darmowy plan, i tą, której pułap daje o sobie znać w momencie, gdy zadanie wymaga więcej niż jednej pewnej odpowiedzi.