GPT-6 Sol e GPT-6 Luna: O token mais barato nem sempre é a tarefa mais barata

O fornecedor lançou GPT-6 Sol e GPT-6 Luna em 22 de setembro de 2026, e a manchete em todos os lugares é o preço: Sol a $2,00 por milhão de tokens de entrada e $10,00 de saída, Luna a $0,10 e $0,50, ambos cerca de metade do que GPT-5.6 Sol e GPT-5.6 Luna cobram nas taxas promocionais atuais, e ambos ficando bem abaixo do carro-chefe GPT-6 Astra a $10,00/$50,00. O anúncio do próprio fornecedor começa com "também tornamos o cache e a inferência mais eficientes". O problema de ler isso como uma narrativa de desconto é que a unidade que realmente aparece na sua fatura não é um token. É uma tarefa. E as primeiras medições independentes, publicadas no mesmo dia, mostram os dois novos modelos divergindo em direções opostas exatamente nessa unidade — com o GPT-6 Luna, o mais barato dos dois por um fator de vinte na entrada, tendo o pior desempenho dos dois em relação ao seu próprio antecessor. Um desses modelos é um upgrade direto e o outro é um trade-off genuíno, e o anúncio do fornecedor não distingue entre eles.

Antes dos números, as regras de fontes para este artigo, porque os dois conjuntos de evidências aqui merecem pesos muito diferentes. Os preços, a janela de contexto, as taxas de cache e as datas de corte de conhecimento vêm da própria documentação da API e das tabelas de preços da OpenAI, consultadas em 23 de setembro de 2026, com as linhas de nível de serviço e de gravação em cache corroboradas por rastreadores de custos de terceiros, em vez de retiradas apenas do anúncio. As tabelas de benchmark da OpenAI — AutomationBench, DeepSWE 1.1, OSWorld 2.0, Agents' Last Exam e uma avaliação interna de factualidade — são relatadas pelo fornecedor e não reproduzidas, e todos os números extraídos delas abaixo são identificados como tal. Os números independentes vêm da Artificial Analysis, que executou ambos os modelos em seu Intelligence Index e Coding Agent Index no dia do lançamento; são esses em que se deve confiar para tomar uma decisão. Quando os dois divergem, o artigo diz isso, em vez de calcular a média entre eles.

O lançamento, em um parágrafo

Sol e Luna são membros de nível médio e baixo da família GPT-6, treinados com os métodos por trás do GPT-6 Astra e posicionados como formas mais rápidas e baratas de alcançar a maior parte de sua capacidade. O enquadramento da OpenAI é o custo por tarefa, e não a capacidade bruta: ela afirma que o GPT-6 Sol comete cerca de metade dos erros do GPT-5.6 Sol em sua avaliação interna de factualidade, e que o GPT-6 Luna, com esforço de raciocínio mais alto, iguala a factualidade do GPT-5.6 Sol a aproximadamente um centésimo do custo por tarefa. Ambos aceitam entrada de texto e imagem e produzem texto, ambos têm uma janela de contexto de 1.050.000 tokens com um teto de saída de 128K — a Artificial Analysis lista 872k para o mesmo modelo, então trate o limite superior dessa janela como informado pelo fornecedor — e ambos expõem esforço de raciocínio de none a max, um nível que o GPT-6 Astra não oferece, porque o Astra não tem none. Os IDs dos modelos são gpt-6-sol e gpt-6-luna. A disponibilidade se dá pela API, pelo ChatGPT Work e Codex para contas Plus, Pro, Business, Enterprise e Edu, e pelo Amazon Bedrock, que anunciou a disponibilidade geral de ambos no mesmo dia. Usuários Free e Go recebem o Luna no aplicativo para desktop; nenhum dos modelos está no modo Chat simples ainda.

O que dizem os quatro números independentes, e por que discordam

Comecemos pelo GPT-6 Sol, porque a sua história é simples. O Artificial Analysis atribui-lhe 48 no Índice de Inteligência, 18.º de 212 modelos medidos, a US$ 1,06 por tarefa de índice contra US$ 1,99 do GPT-5.6 Sol — cerca de metade do custo para uma pontuação de índice equivalente, e uma melhoria de custo por tarefa que se mantém em vez de se evaporar. O seu Índice de Agente de Codificação sobe para 57, contra 55, com o Terminal-Bench 4.0 a passar de 37% para 43% e o SWE-Atlas-QnA de 54% para 58%, a US$ 2,99 por tarefa na fronteira de Pareto. A sua taxa de alucinação cai de 92% para 60%, e o seu comportamento de abstenção muda completamente de forma: agora responde a 83% das perguntas onde a geração anterior respondia a 99%, e em troca obtém um quarto menos de respostas erradas, com a exatidão a cair de 59% para 54%. Este é um modelo que foi ensinado a calar-se quando não sabe, e o Índice AA-Omniscience a passar de 22 para 27 é esse mesmo fato declarado como pontuação.

Agora, com o GPT-6 Luna, a história muda. O Artificial Analysis pontua-o com 37 no Intelligence Index — o número idêntico que o GPT-5.6 Luna pontua. Seu custo por tarefa de índice cai de $0,18 para $0,07, cerca de 60% menos, e essa economia é real. Mas seu Coding Agent Index cai, de 43 para 41, com o SWE-Atlas-QnA caindo de 49% para 44% e o DeepSWE 1.1 caindo de 66% para 64%. Sua taxa de alucinação melhora de 93% para 77%, e seu comportamento de abstenção quase não muda — precisão de 44% contra 43%, AA-Omniscience de −10 para 1. Lidos em conjunto: a mesma inteligência medida, a cerca de 40% do custo da tarefa, com um agente de programação pior e qualidade de resposta praticamente inalterada.

Isso não é uma contradição, e o motivo importa. Um token mais barato só lhe rende menos se o modelo gastar mais tokens para concluir o mesmo trabalho — e os dados independentes dizem que estes modelos gastam mais, não menos. A saída por tarefa de indexação subiu de 29k para 31k tokens no Sol e de 41k para 51k na Luna. A economia de 60% do GPT-6 Luna vem inteiramente do corte de preço, não de operar de forma mais enxuta. A variação de tokens por tarefa é pequena o suficiente para que a aritmética ainda funcione a seu favor aqui; não é pequena o suficiente para ser ignorada como categoria, porque é o mecanismo pelo qual um futuro corte de preço pode ser neutralizado por um modelo mais tagarela. A própria abordagem da OpenAI passou a incidir sobre o custo por tarefa pelo mesmo motivo.

Duas regressões ficam fora dos dois índices principais e merecem ser nomeadas, porque nenhuma delas aparece no anúncio da OpenAI. No GDPval-AA v2.1, que mede entregáveis de trabalho de conhecimento, o GPT-6 Sol perde cerca de 100 Elo em relação ao seu antecessor e o GPT-6 Luna cerca de 75. O GPT-6 Luna também perde cerca de 45 Elo no AA-Briefcase v1.1, onde o Sol se mantém estável — a Artificial Analysis atribui a diferença a uma apresentação mais fraca e a itens de rubrica em falta. Se a sua utilização do nível barato for sumarização em massa, extração e classificação, nada disso o afeta. Se for redigir algo que uma pessoa aprova, afeta.

A mudança no cache é a verdadeira notícia da API

Escondida sob a tabela de preços há uma mudança que importa mais para a fatura de produção do que o corte em destaque, e é a parte do anúncio que o próprio post da OpenAI menciona de passagem em uma frase. Três coisas mudaram, e a terceira é a que se deve ler duas vezes.

O primeiro é o próprio desconto: as leituras de entrada em cache são cobradas a 10% da tarifa de entrada, um desconto de 90%, que é a mesma condição que a família já aplicava, e não uma nova. A entrada em cache do Sol é US$ 0,20 por milhão, e a do Luna é US$ 0,01; as gravações em cache têm um acréscimo de 1,25x, US$ 2,50 e US$ 0,125 respectivamente, com um único tempo de vida de 30 minutos.

O segundo é o controle. O cache explícito por meio de prompt_cache_options e prompt_cache_breakpoint — os parâmetros que permitem declarar onde um prefixo de prompt reutilizável termina, em vez de esperar que o provedor adivinhe — está disponível em ambos os modelos. Isso não é uma nova superfície de API; o que é novo é que vale a pena usá-lo, porque as taxas de acerto padrão aumentaram.

A terceira é a que muda a arquitetura. Alterar o esforço de raciocínio ou ativar e desativar ferramentas não invalida mais o prefixo em cache. Antes disso, um loop de agente que aumentava o esforço para uma etapa difícil e o reduzia para uma fácil pagava para reprocessar todo o seu contexto a cada ajuste, e o mesmo acontecia com um que adicionava ou removia uma ferramenta no meio da conversa. Esse custo agora desapareceu nesses dois modelos. A OpenAI cita o GitHub, que relatou que as mudanças reduziram em mais da metade a proporção de tokens de prompt que precisavam de processamento novo em bilhões de solicitações. Considere isso um número fornecido pelo fornecedor — é crível e não é auditado de forma independente.

Faça as contas para um loop de agente longo e a ordem dos dois anúncios se inverte. Um loop que carrega um prompt de sistema e um esquema de ferramentas de 30.000 tokens ao longo de 200 turnos movimenta 6 milhões de tokens de contexto. Sem cache, no GPT-6 Sol, isso representa US$ 12,00 de entrada. Com o prefixo em cache a US$ 0,20 por milhão, são US$ 1,20 mais a gravação única — uma ordem de magnitude, graças a uma mudança de parâmetro, antes mesmo de o corte de preço ser aplicado. O corte de preço foi o que o anúncio vendeu. O comportamento do cache é o que de fato move o número, e é a razão pela qual uma tarifa anunciada de US$ 2,00 se comporta como algo muito mais barato nas cargas de trabalho para as quais a OpenAI está promovendo esses modelos.

O tarifário, incluindo as partes que o anúncio deixa de fora.

As tarifas em destaque não são a tabela de preços completa, e três níveis mudam a decisão para cargas de trabalho específicas.

• Base — GPT-6 Sol $2,00 de entrada / $10,00 de saída; GPT-6 Luna $0,10 de entrada / $0,50 de saída, por milhão de tokens, para prompts de até 272 mil tokens de entrada.

• Contexto longo — acima de 272K tokens de entrada, a solicitação inteira é cobrada a 2x a entrada e 1,5x a saída: $4.00/$15.00 para Sol e $0.20/$0.75 para Luna. Isto é um penhasco, não uma taxa marginal. Se os seus prompts chegam a 300K tokens, você está pagando o dobro pela solicitação inteira, não pelos 28K acima do limite, e dividir um documento em duas chamadas abaixo do limite costuma ser mais barato do que enviá-lo uma vez acima.

• Níveis de serviço — O Flex reduz a fatura pela metade (US$ 1,00/US$ 5,00 para o Sol, US$ 0,05/US$ 0,25 para a Luna) em troca de um tempo de resposta mais lento; o Priority dobra esse valor. Ambos são selecionados por meio do parâmetro service_tier. É no Flex que as tarefas do tipo lote deveriam ficar e quase nunca ficam.

• Entrada em cache — $0,20 por milhão na Sol e $0,01 na Luna, um desconto de 90%, com TTL de 30 minutos e um prêmio de 1,25x na gravação em cache.

• Contexto e saída — janela de 1.050.000 tokens, saída máxima de 128K, entrada de texto e imagem, saída de texto, esforço de raciocínio nenhum a máx. com médio como padrão.

• Datas de corte de conhecimento — 20 de abril de 2026 para o GPT-6 Sol e 18 de maio de 2026 para o GPT-6 Luna, ou seja, um mês de diferença dentro da mesma família, algo que vale a pena saber antes de presumir que os dois modelos partilham a mesma visão do mundo.

O que a tabela de benchmarks da OpenAI diz, e o que ela não diz

As comparações publicadas pela OpenAI são todas de custo por tarefa, todas contra a Anthropic e todas executadas pelo fornecedor. No AutomationBench 1.0.6, uma avaliação agêntica com 47 ferramentas, a empresa relata que o GPT-6 Sol com esforço xhigh obtém 33,2% a US$ 0,27 por tarefa, contra o Claude Opus 5 com 26,9% e cerca de 11 vezes o custo por tarefa. No DeepSWE 1.1, ela relata o Sol no esforço máximo com 68,8% contra o Claude Fable 5 com 69,9% — uma perda na pontuação com custo por tarefa cerca de 80% menor — e o Luna com 66,6%. No OSWorld 2.0, o Sol obtém 60,5% com xhigh contra 60,3% do Opus 5, novamente com cerca de 80% menos por tarefa. No Agents' Last Exam, o Sol alcança 56,4%, o que, segundo a OpenAI, supera o melhor resultado do Opus 5 a um custo por tarefa 60% menor.

Todos esses números foram informados pelo fornecedor e não foram reproduzidos, e duas ressalvas merecem ser levadas adiante, em vez de arquivadas. Primeiro, a OpenAI fez o benchmark contra o Claude Opus 5, e não contra o Claude Opus 5.5, lançado horas antes do anúncio, de modo que nenhuma comparação no mesmo ambiente de avaliação estabelece ainda qual modelo de fato entrega o menor custo por tarefa bem-sucedida. Segundo, custo por tarefa não é custo por tarefa correta: um modelo que responde 83% das vezes e se abstém no restante vai parecer barato por tarefa em um benchmark que conta abstenções como tarefas. Os dados independentes de abstenção acima são o que permite precificar isso com honestidade — o GPT-6 Sol responder 83% das perguntas onde o modelo antigo respondia 99% é uma troca deliberada, e se ela é uma boa troca depende inteiramente de quanto uma resposta errada custa para você.

A OpenAI relata que o GPT-6 Luna, com esforço mais elevado, iguala a factualidade do GPT-5.6 Sol a cerca de um centésimo do custo da tarefa. Trata-se de uma comparação de factualidade, não de capacidade, e o índice independente Coding Agent Index coloca o GPT-6 Luna dois pontos abaixo do GPT-5.6 Luna, muito menos do GPT-5.6 Sol.

O que realmente fazer com isto

O GPT-6 Sol é o mais direto. Metade do custo da tarefa em uma pontuação de índice de nível, um agente de programação melhor, uma grande queda nas alucinações e uma mudança genuína no comportamento de abstenção somam uma atualização que você pode adotar conforme um cronograma, em vez de uma aposta. Se você usa o GPT-5.6 Sol, isto é uma migração, e a única questão real é quais dos seus prompts dependem da disposição do modelo antigo de responder a tudo.

O GPT-6 Luna é o modelo a testar antes de migrar. Ele não é um GPT-5.6 Luna estritamente melhor; é um modelo com um perfil diferente — mais barato por tarefa, mais cauteloso quanto ao que afirma e mensuravelmente pior em codificação agêntica. Para classificação, extração, roteamento e sumarização em volume, a troca chega a ser quase dinheiro fácil. Para qualquer coisa que alimente um agente de codificação, ou produza um documento que uma pessoa aprove formalmente, a regressão de dois pontos no Coding Agent e a queda no GDPval são o motivo para manter o GPT-5.6 Luna no fluxo até você ter testado suas próprias tarefas nos dois.

Esse também é o argumento para não fixar nenhum dos dois em definitivo. Ambos os modelos são exclusivos da OpenAI no momento, e as cargas de trabalho que essas camadas atendem — roteamento, extração, classificação barata — são justamente aquelas em que um segundo provedor por trás do mesmo endpoint transforma uma regressão de modelo em um não evento. O OrcaRouter repassa os preços de lista dos provedores com 0% de markup, de modo que uma mudança de tarifa do fornecedor chega ao nosso lado no mesmo dia em que chega ao lado do fornecedor, e a DSL de roteamento permite colocar o GPT-6 Luna atrás de um modelo mais barato para a fatia fácil do tráfego, enquanto a fatia mais difícil vai para o GPT-6 Sol — com failover automático caso qualquer um dos caminhos se degrade. Você não precisa escolher um vencedor no dia do lançamento para se beneficiar do lançamento.

A ressalva honesta: GPT-6 Sol e GPT-6 Luna não são roteáveis pelo OrcaRouter em 23 de setembro de 2026. Ainda não os hospedamos, e nada do que foi dito acima deve ser interpretado como uma afirmação de que o fazemos. O que está do nosso lado hoje é o conjunto de comparação — GPT-5.6 Sol a US$ 4,00/US$ 20,00, GPT-5.6 Luna a US$ 0,20/US$ 1,20 e GPT-6 Astra a US$ 10,00/US$ 50,00 — que é exatamente o que você precisa para precificar a migração antes de se comprometer com ela.

O que assistir em seguida

Três coisas resolveriam o que este lançamento de fato foi. A primeira é se a tarifa de US$ 0,20/US$ 1,20 do GPT-5.6 Luna sobrevive ao trimestre, porque, historicamente, um preço permanente de um fornecedor tem sido o lance de abertura, e não o fim dele — e o lançamento do Claude Opus 5.5 no mesmo dia sugere que a pressão que produziu esse corte não desapareceu. A segunda é se a mudança de abstenção se sustenta em campo: o GPT-6 Sol deixar de responder uma em cada seis perguntas é o tipo de mudança que, num laboratório, é lida como melhoria e, num pipeline que pressupunha uma resposta, como um produto quebrado. A terceira é se o comportamento de cache é real no seu tráfego, o que é mensurável esta semana e só pode ser respondido medindo — o desconto é grande o suficiente para que uma única hora gasta instrumentando taxas de acerto de cache nos seus prompts mais longos valha mais do que mais uma tabela de benchmark.