GPT-6 Luna Está se Tornando o Padrão: O Que Dez Centavos por Milhão Realmente Compram

O acontecimento mais importante a acontecer com GPT-6 Luna em sua primeira semana não foi o corte de preço. Foi um commit de merge. Um dia depois de o fornecedor lançar o GPT-6 Luna, em 22 de setembro de 2026, uma plataforma de agentes de código aberto introduziu uma mudança que o tornou o modelo de fallback para todas as organizações que não tinham escolhido um padrão próprio — substituindo o GPT-5.6 Terra, que é um nível maior e consideravelmente mais caro. O raciocínio declarado era aritmético: a $0,10 e $0,50 por milhão de tokens, o GPT-6 Luna custa um vigésimo da taxa de entrada do GPT-5.6 Terra e um vigésimo quarto de sua taxa de saída. Isso é um sinal real, e também é apenas metade da história. O GPT-6 Luna custa $0,10 por milhão de tokens de entrada e $0,50 por milhão de tokens de saída, contra $2,00 e $10,00 para GPT-6 Sol, o nível acima dele, e $10,00 e $50,00 para o carro-chefe GPT-6 Astra. O modelo que ele substitui nessa posição padrão, GPT-5.6 Luna, ainda custa $0,20 e $1,20 — o dobro da entrada e mais que o dobro da saída. Dez centavos por milhão é barato o suficiente para que a decisão deixe de ser sobre preço e passe a ser sobre o que o modelo realmente conclui.

Portanto, isto não é um texto explicativo de lançamento, e não é um post sobre corte de preço — já escrevemos os dois, e a própria tabela de preços está definida. É uma tentativa de responder à pergunta que o marketing da faixa barata deixa de lado: se um modelo se torna o seu padrão, o que ele faz com o trabalho que antes ia para algo maior? As evidências para isso vêm de três lugares, e eles não concordam entre si. Os benchmarks da própria OpenAI são os mais lisonjeiros e os menos reproduzíveis. A Artificial Analysis publicou um índice independente na mesma semana, e ele é mais útil porque precifica tarefas concluídas, não tokens. E algumas pessoas já testaram o modelo contra infraestrutura real, que é onde moram as falhas interessantes. Quando um número é informado pelo fornecedor, a frase que o contém diz isso.

O que realmente foi lançado

GPT-6 Luna é a camada pequena da família de sexta geração, ficando abaixo do GPT-6 Sol e bem abaixo do carro-chefe GPT-6 Astra. A própria documentação de modelos da OpenAI, lida esta semana, apresenta o envelope:

• ID do modelo — gpt-6-luna, um snapshot único sem variante datada. Não existe gpt-6-luna-pro entrada na lista de modelos; a string pro que circula em catálogos de terceiros é um valor de modo de raciocínio, não um modelo.

• Contexto e limites — uma janela de 1.050.000 tokens, até 922.000 tokens de entrada, um limite máximo de saída de 128.000 tokens e um corte de conhecimento em 18 de maio de 2026. Entrada de texto e imagem, saída de texto.

• Preço — $0,10 por milhão de tokens de entrada, $0,01 por milhão de entrada em cache, $0,125 por milhão de gravações em cache, $0,50 por milhão de saída. A OpenAI descreveu esses preços como permanentes, e não introdutórios.

• O escalão de contexto longo — pedidos acima de 272 000 tokens de entrada são reprecificados ao dobro das tarifas de entrada e de cache e a 1,5× a tarifa de saída, aplicados ao pedido inteiro e não apenas ao excedente. Esse é o erro mais caro possível neste modelo, porque é acionado pelo tamanho total do pedido, e não por quanto dele você usa.

• Níveis de serviço — Batch e Flex rodam pela metade das tarifas padrão; o modo Fast as dobra. O trabalho em massa assíncrono, portanto, fica novamente pela metade do preço, e a tabela de tarifas tem quatro preços efetivos diferentes, dependendo de como você envia a solicitação.

• Esforço — seis valores: none, low, medium, high, xhigh e max, com medium como o padrão documentado. O esforço é por requisição, não uma propriedade da implantação.

• Endpoints — Responses, Chat Completions e Batch. O Chat Completions só lida com chamadas de funções quando o esforço de raciocínio está definido como none; ferramentas integradas e chamadas de funções geralmente exigem a API Responses, que oferece suporte a pesquisa na web, pesquisa de arquivos, geração de imagens, interpretador de código, shell hospedado, apply_patch, habilidades, uso do computador, MCP e pesquisa de ferramentas.

Essa última linha importa mais do que parece. Se sua automação usa ferramentas, você está na Responses API, e seu ajuste de esforço está acoplado à sua escolha de endpoint. Uma equipe que define o esforço como baixo para economizar dinheiro e espera que a chamada de função continue funcionando no Chat Completions construiu um pipeline que falhará na primeira chamada de ferramenta.

O número que decide isso é o custo por tarefa concluída, não o custo por token

A Artificial Analysis publicou sua avaliação independente poucas horas após o lançamento, e o número de destaque é desconfortável para quem presumia que um token mais barato significa um trabalho mais barato. Em seu Intelligence Index, o GPT-6 Luna custa cerca de US$ 0,07 por tarefa com esforço máximo, contra aproximadamente US$ 0,18 do GPT-5.6 Luna com o mesmo esforço — uma redução de cerca de 60%, impulsionada pelo corte de preço, e não pelo fato de o modelo realizar menos trabalho. A pontuação do índice em si está no mesmo nível da do modelo que ele substitui. O GPT-6 Sol, para dar uma ideia de escala, custa cerca de US$ 1,06 por tarefa do índice, contra US$ 1,99 do GPT-5.6 Sol.

Leia esses três números em conjunto e a forma da família se torna clara. Sol custa aproximadamente quinze vezes o custo por tarefa de Luna, para uma pontuação materialmente mais alta. Luna não é um downgrade de Sol; é um instrumento diferente, e o valor por tarefa é o que diz qual deles você tem em mãos.

A metade desconfortável é o que aconteceu com o agente de codificação. No Coding Agent Index da Artificial Analysis, o GPT-6 Luna obtém 41 no esforço máximo — dois pontos abaixo dos 43 do GPT-5.6 Luna —, enquanto o GPT-6 Sol seguiu o caminho oposto, subindo dois pontos, para 57, a US$ 2,99 por tarefa. Assim, a substituição geracional na faixa barata é uma pequena regressão em codificação agêntica, não uma melhoria, mesmo com a queda de preço. Qualquer pessoa que interprete "nova geração" como "estritamente melhor" ficará surpresa com essa coluna.

A verbosidade é a rubrica oculta

Há um segundo número na mesma avaliação que explica muita coisa do primeiro. Durante a execução do Intelligence Index, o GPT-6 Luna gerou cerca de 51.000 tokens de saída por tarefa, contra aproximadamente 41.000 do GPT-5.6 Luna. O modelo mais novo e mais barato é cerca de um quarto mais verboso para alcançar uma pontuação comparável. A economia vem do corte de preço, não de o modelo se tornar mais eficiente por unidade de trabalho.

Isso importa por dois motivos. A US$ 0,50 por milhão de tokens de saída, 10.000 tokens de saída extras por tarefa custam meio centavo. Aplique isso a cem mil tarefas por dia e o incremento será de um bilhão de tokens, ou US$ 500 por dia — em um modelo cujo preço anunciado é de dez centavos por milhão de tokens de entrada. E a verbosidade interage mal com o teto de saída de 128.000 tokens: um modelo que pensa por mais tempo e escreve por mais tempo atinge esse limite mais cedo, o que transforma um problema de custo em um problema de truncamento.

A mitigação é disciplina de cache, e esta família tem uma genuinamente boa. Leituras de entrada em cache a US$ 0,01 por milhão custam um décimo da tarifa sem cache, e a OpenAI mudou as regras de invalidação de modo que ajustar o esforço de raciocínio ou a disponibilidade de ferramentas não descarta mais o contexto em cache. Para uma carga de trabalho com um prefixo longo estável — um esquema, um prompt de sistema, um documento sobre o qual você faz seis perguntas —, a taxa efetiva de entrada fica mais próxima de um centavo do que de dez centavos, e essa diferença é maior do que o corte anunciado. Também é a diferença entre o nível barato ser barato e ele ser apenas mais barato.

Onde a camada mais barata regride, e onde não regride

A mesma avaliação independente separa as regressões do ruído, e essa distinção é a coisa mais útil nela. O GPT-6 Luna perde cerca de 75 Elo contra o seu antecessor no GDPval-AA v2.1, e cerca de 45 Elo no AA-Briefcase v1.1. A Artificial Analysis atribui ambos à menor qualidade de apresentação e a entregáveis que ignoram elementos exigidos da rubrica, em vez de a falhas factuais ou de raciocínio. A sua taxa de alucinação melhora acentuadamente, de cerca de 93% para 77%, e o seu AA-Omniscience Index passa de −10 para 1. No AutomationBench-AA, ganha, 53% contra 50%; no Terminal-Bench 4.0, ganha por pouco, 13% contra 12%.

Essa distinção é a decisão inteira. O modelo não ficou pior na tarefa; ficou pior em entregar a você o artefato final. Se você consome saída estruturada — uma classificação, uma extração, uma decisão de roteamento, um payload JSON —, a regressão não custa nada e o corte de preço é dinheiro de graça. Se um humano lê o entregável, a regressão custa a você um revisor, e o tempo desse revisor provavelmente é mais caro do que os tokens que você economizou.

As próprias alegações não reproduzidas da OpenAI ficam no outro extremo do espectro: que, com esforço alto, o GPT-6 Luna supera seu antecessor em 5,4 pontos percentuais com 58% menos custo por tarefa; que, com esforço máximo, ele obtém 66,6% no DeepSWE 1.1, que a OpenAI compara ao Claude Opus 5 com esforço médio por uma fração do custo por tarefa; e que, no OSWorld 2.0, ele supera o GPT-5.6 Sol com esforço médio a aproximadamente um décimo do custo. Essas são comparações de harness do fornecedor com configurações de esforço escolhidas pelo fornecedor, e a única coisa que vale a pena extrair delas é direcional — o nível barato agora está ao alcance do nível intermediário do ano passado. Vale a pena ignorar as porcentagens por tarefa, porque o harness não é o mesmo dos dois lados.

O piso de esforço é onde isso se torna prático. A orientação publicada é testar nenhum ou baixo primeiro para extração e roteamento simples e aumentar o esforço apenas onde a qualidade medida justificar. Um relato prático da semana de lançamento descobriu que, com esforço baixo, o GPT-6 Luna não é utilizável para trabalho agêntico de forma alguma, o que coloca seu piso prático em médio para qualquer coisa de várias etapas. Uma segunda descoberta do mesmo tipo de teste é mais incisiva: em um exercício de implantação, os manifestos Kubernetes do modelo passaram na validação de esquema e depois falharam em todas as três tentativas contra um cluster real, porque um validador verifica a forma, e não o comportamento. Se a configuração gerada for entregue sem uma verificação de execução no ciclo, a camada barata vai lhe entregar falhas que parecem aprovações.

A pergunta padrão, e por que o roteamento é a resposta para ela

A plataforma que fez do GPT-6 Luna o seu modelo de fallback classificou a alteração como risco médio, e a nota que lhe está associada é a versão honesta de todo o artigo: todas as organizações sem uma predefinição própria mudam para o Luna, que é mais barato, mas um escalão inferior ao Terra, pelo que a qualidade em tarefas difíceis pode variar. É exatamente essa a contrapartida. Uma predefinição é uma aposta de que a maioria do tráfego é fácil e, para a maioria das organizações, essa aposta está correta — é por isso que a alteração foi lançada. O risco está na minoria de pedidos que não o são.

A forma de fazer essa aposta sem assumir seu lado negativo é parar de tratar o padrão como um único modelo. O GPT-6 Luna é roteável pelo OrcaRouter à sua tarifa listada com nenhum acréscimo por cima, o que significa que o preço permanente do fornecedor é o preço que você vê aqui, e um corte futuro entra no mesmo dia, em vez de na próxima renovação de contrato. Na nossa própria página do modelo, esta semana, ele está medindo 74,3 tokens por segundo de saída com uma taxa de erro de 0% em todo o tráfego que atendemos. Os dois níveis de contexto são cobrados conforme publicado: US$ 0,10 de entrada e US$ 0,50 de saída abaixo de 272.000 tokens de entrada, passando para US$ 0,20 e US$ 0,75 acima disso.

O que isso compra é um padrão que pode escalar. Uma DSL de roteamento permite que você envie a maior parte do tráfego para o GPT-6 Luna em esforço médio e desvie sob uma condição — comprimento de entrada acima da linha de 272K, um requisito de chamada de ferramenta, uma classe de tarefa que a regressão sensível à rubrica realmente afeta — para o GPT-6 Sol ou, para trabalho de longo horizonte, para o carro-chefe GPT-6 Astra, na mesma chave, sem um segundo contrato e sem alteração de código. Essa é uma forma diferente de decisão de escolher um modelo e viver com ele. Você obtém o nível de dez centavos onde a evidência diz que se sustenta e um nível de dois ou dez dólares onde não, e a fronteira é uma regra que você escreveu em vez de uma esperança. Failover automático cobre o outro modo de falha, que é o upstream do nível barato tendo uma tarde ruim enquanto sua automação está no meio da execução.

Quem deve se mover e quem deve esperar

Migre se o seu tráfego for estruturado e de alto volume: classificação, extração, marcação, roteamento de intenção, triagem de logs, sumarização e os loops de implementação delimitados que ficam dentro de um agente maior. As evidências sustentam o corte de preço e a paridade de pontuação, e a regressão de apresentação é invisível para um consumidor que faz parsing de JSON.

Não migre uma cadeia de agentes de horizonte longo, uma refatoração de múltiplos arquivos, ou qualquer coisa cujo resultado um humano aprove, apenas porque o token é barato. O Coding Agent Index caiu dois pontos, as avaliações de trabalho de conhecimento caíram, e o modelo é mais verboso por tarefa do que aquele que ele substitui. Um token mais barato que precisa de um revisor não é uma tarefa mais barata.

E fique de olho em um número, não em todos eles. A diferença de 51.000 contra 41.000 tokens de saída é o número que decide se o padrão Luna é uma economia ou um empate na sua carga de trabalho específica, e é mensurável no seu próprio tráfego em uma tarde. A tabela de preços está definida e é permanente; a contagem de tokens por trabalho concluído não é, e é ela que aparece na fatura.