GPT-6 против GPT-6 Luna: десять центов за миллион токенов и тариф, который отвечает на бесплатный план

Есть версия этого сравнения, где ответ умещается в одну строку: вызвать GPT-6 вы не можете, а GPT-6 Luna — можете, за десять центов на миллион входных токенов. Но куда полезнее версия, которая объясняет, почему Luna стала моделью, которой на деле пользовалось большинство — OpenAI поставила её за уровни Free и Go в ChatGPT 8 октября 2026 года, что делает её самым дешёвым уровнем в поколении и, по числу пользователей, самым загруженным. Далее — лестница уровней, объяснённая один раз, а затем то, что на самом деле покупают за десять центов на миллион.

Семья и то, какое место в ней занимает Луна

OpenAI выпускает поколение GPT-6 в виде трёх идентификаторов моделей, выпущенных 22 сентября 2026 года, без openai/gpt-6-эндпоинта за именем семейства:

• GPT-6 Astra — флагман, $10.00 за вход / $50.00 за выход за миллион токенов, указана в тарифной сетке OpenAI как вершина поколения
• GPT-6 Sol — средний уровень, $2.00 / $10.00, и модель, которую OpenAI называет для чата на платных уровнях ChatGPT
• GPT-6 Luna — дешёвый уровень, $0.10 / $0.50, и модель, которую OpenAI называет для уровней Free и Go

Эта последняя строка — то, что стоит зафиксировать, потому что именно она объясняет, почему трафик Luna затмевает всё остальное в семействе. В собственном объявлении OpenAI о запуске 7–8 октября говорится: «GPT-6 в ChatGPT работает на GPT-6 Sol для тарифов Plus, Pro, Business и Enterprise и на GPT-6 Luna для тарифов Free и Go». Модель за $0.10 / $0.50, обслуживающая бесплатный тариф, — это модель, отвечающая на больше вопросов в день, чем любой премиальный тариф, и это тот же чекпойнт, который можно вызвать через API. Потребительская поверхность — это канал дистрибуции, а не отдельный SKU.

Оговорка, которую здесь приходится повторять, потому что этот блог уже писал об этом: в том же анонсе говорится, что Free и Go получают GPT-6 Luna, тогда как на странице справочного центра OpenAI, посвящённой GPT-6 в ChatGPT, Free и Go описывались как использующие GPT-5.6 Luna в день, когда её читали. Это несовместимые утверждения об одном и том же тарифе, OpenAI не сообщила, какое из них актуально, и если ваша работа зависит от того, какая дешёвая модель стоит за бесплатным планом, считайте запись в справочном центре более конкретной страницей и перепроверьте, прежде чем строить решение на основе любого из этих утверждений.

Что на самом деле можно купить за десять центов в час

Число в заголовке — самое неинтересное на карточке Luna. Вот вся карточка и ступень уровня под ней:

• Короткий контекст, до 272 000 входных токенов — $0,10 за миллион на входе, $0,50 за миллион на выходе
• Свыше 272 000 входных токенов — $0,20 за миллион на входе, $0,75 за миллион на выходе, применяется ко всему запросу
• Кэшированный ввод — $0,01 за миллион на коротком тарифе, скидка 90%; $0,02 выше порога
• Запись в кэш — $0,125 за миллион на коротком тарифе, $0,25 выше него
• Контекст и вывод — 1 050 000 токенов на входе, 128 000 токенов на выходе
• Входные модальности — текст, изображение и файл, такой же мультимодальный ввод, как у Sol и Astra
• Рассуждение — настраиваемый параметр усилий, наряду с JSON и сэмплированием с заданным seed

Отсюда следуют две вещи. Первая: Luna — не урезанная модель. Она принимает изображения и файлы, предоставляет тот же интерфейс вызова инструментов и структурированного вывода, что и два её более дорогих собрата, и единственное, что отличает её от Sol в спецификации, — это глубина, а не возможности. Вторая — это ступень. Промпт длиной более 272 000 входных токенов удваивает ставку за входные токены для Luna и повышает ставку за выходные токены в полтора раза — причём для всего запроса, а не только для превышения. При таких ценах это мягкая ступень — запрос на 300 000 токенов стоит около шести центов за вход вместо трёх, — поэтому оговорка о длинном контексте, которая определяет планирование бюджета для Astra и важна для Sol, здесь почти не имеет значения.

Число, которое действительно влияет на расходы в масштабе, — это кэшированное чтение. При цене один цент за миллион рабочая нагрузка, которая повторно отправляет один и тот же большой контекст на каждом ходу, почти ничего не платит за повторяющуюся часть. В высоконагруженном конвейере извлечения или классификации со стабильным системным промптом и стабильным документом это разница между дешёвой моделью и почти бесплатной, и именно поэтому реальная стоимость одного готового ответа Luna намного ниже, чем предполагает прайс-лист.

Чего это вам стоит в плане возможностей

Luna — самый дешёвый уровень, потому что он наименее способный, и независимый рейтинг однозначно показывает, насколько меньше он умеет. Считайте данные Artificial Analysis через запись каталога OrcaRouter для каждой модели на 8 октября 2026 года:

• AA Intelligence Index — GPT-6 Sol 47,6, 14-е место; GPT-6 Luna 38,1, 37-е место
• Humanity's Last Exam — GPT-6 Sol 47,9 против GPT-6 Luna 38,5
• SciCode — GPT-6 Sol 57,6 против GPT-6 Luna 54,6
• Воспроизведение в длинном контексте — GPT-6 Sol 83,7 против GPT-6 Luna 83,3
• Terminal-Bench 4.0 — GPT-6 Sol 43,9 против GPT-6 Luna 12,6
• Трафик за семь дней — GPT-6 Luna примерно 574 миллиона токенов; GPT-6 Sol примерно 2,1 миллиона токенов
• Медианное время до первого токена — GPT-6 Luna 1 494 мс против GPT-6 Sol 6 785 мс
• Медианная скорость вывода — GPT-6 Luna 132,9 токенов/с против GPT-6 Sol 179,6 токенов/с

Форма этого говорит больше, чем разрыв, вынесенный в заголовок. Luna отстаёт от Sol на 9,5 индексных пункта, и отставание распределено неравномерно: recall на длинном контексте — ничья с разницей в 0,4 пункта, а SciCode — понимание кода, а не его написание — расходятся всего на 3 пункта. Разваливается же агентное, многошаговое выполнение: Terminal-Bench 4.0 — 12,6 против 43,9 у Sol. Модель, способная извлекать информацию из документа на миллион токенов примерно так же хорошо, как её более крупный собрат, и выдавать достойный ответ за один проход, — это совсем другой инструмент по сравнению с той, что умеет довести цикл работы с инструментами до конца.

Две оговорки. Индексные показатели берутся из Artificial Analysis, а не из OpenAI, и этот оценщик не гарантирует, что две страницы моделей в один и тот же день отрисовываются на основе одной и той же версии индекса, — различия меньше пункта воспринимайте как указание на направление, а не как точность. А показатели обслуживания — это наши собственные измерения маршрутизации за скользящее семидневное окно; они меняются от одного считывания к другому, и их лучше использовать для понимания характера различия, а не как обещание уровня обслуживания.

Есть один показатель обслуживания, на котором стоит остановиться. Медианное время до первого токена у Luna составляет 1 494 мс против 6 785 мс у Sol — примерно в 4,5 раза быстрее до первого токена — а её пропускная способность существенно ниже, как только начинается потоковая передача. Для чат-интерфейса, где пользователь ждёт первую строку, эта инверсия и есть весь смысл этого уровня, и именно поэтому бесплатный план может ощущаться быстрым, работая на самой дешёвой модели в семействе.

Свежая конкуренция внутри семьи

Ценовое преимущество Luna внутри поколения сузилось с момента её выпуска. GPT-6.1 Sol появился 29 сентября по цене Sol $2,00 / $10,00 с индексом 51,8, и снизил ставку за кэшированный ввод до $0,10 за миллион. Это не затрагивает тариф Luna для короткого контекста — десять центов на вводе и пятьдесят центов на выводе всё ещё в двадцать раз дешевле по вводу, чем любой Sol — но это означает, что уровень выше Luna стал дешевле в работе с кэшированным трафиком, а это как раз та нагрузка, где преимущество Luna было наибольшим. Разрыв всё ещё велик. Он уже не так велик, как можно предположить по одним только тарифным картам.

Где на практике проходит граница уровня

Распределяйте работу исходя из того, что нужно задаче, а не из того, какая модель набирает больше баллов.

Luna — правильный выбор для высоконагруженного чата, классификации, извлечения, модерации и суммаризации длинного документа — строка, в которой она не уступает своему старшему брату в поиске, — это именно та строка, которая определяет, можно ли использовать большой контекст. Задержка до первого токена делает её лучшим выбором для всего интерактивного, что не требует интенсивных рассуждений. А при цене в один цент за миллион кэшированных токенов конвейер со стабильным контекстом почти бесплатен на повторяющейся части.

Sol, или теперь GPT-6.1 Sol, — правильный выбор, как только задача требует цикла инструментов, долгосрочного плана или цепочки шагов, которую необходимо завершить. Разрыв в Terminal-Bench — 43,9 против 12,6 — это самый ясный сигнал в этом сравнении, и он соответствует реальному режиму отказа: дешёвая модель, которая хорошо отвечает на первом шаге, а затем теряет нить. Параметр effort означает, что вы можете попросить Luna о более глубоком рассуждении, но effort повышает количество токенов, а не потолок; он не превращает 12,6 в 43,9.

И Astra остаётся ответом для задач, которые под силу только флагману, — а при цене $10,00 за вход и $50,00 за выход против десяти центов у Luna это решение, которое вы должны уметь обосновать из расчёта на один вызов, а не на команду.

Версия этого выбора с единым API

Неудобство трёхуровневого семейства в том, что граница между уровнями смещается от функции к функции и от запроса к запросу — одному и тому же приложению обычно нужна Luna для одного эндпоинта и Sol для следующего. Это задача маршрутизации, а не закупки. Все три уровня GPT-6 находятся в одном каталоге OrcaRouter, доступны через единый API, совместимый с OpenAI, который стоит перед более чем 200 моделями, при этом каталожная цена провайдера передаётся без наценки — 0%, так что изменение цены поставщика на любом уровне отражается здесь в тот же день, а не при вашей следующей сверке. DSL маршрутизации явно описывает разделение — по размеру запроса, по эндпоинту или по доле — так что путь классификации может работать на Luna, а агентный путь — на Sol, и автоматическое переключение при сбое между провайдерами покрывает маршрут, который деградирует, вместо того чтобы оставлять вам возможность узнать об этом только из неудачного запуска.

Это не делает одного: не даёт вам Luna, которая ведёт себя как Sol. Уровни существуют потому, что модели различаются, а числа выше — это величина различия. Что дают вам один ключ и правило маршрутизации — это возможность направлять каждый запрос на тот уровень, который действительно ему подходит, вместо того чтобы отправлять всё на самый дорогой ради надёжности или всё на самый дешёвый ради экономии.

Ответ, по единственному вопросу, который имеет значение

Если задача — извлечь информацию, а затем ответить по большому документу, в чате или при массовой обработке текста, то GPT-6 Luna — это нужный уровень, и карточка за десять центов не компромисс — строка long-context recall говорит, что она извлекает информацию так же хорошо, как модель, которая стоит в двадцать раз дороже. Если для выполнения задачи нужен многошаговый агент, Luna — неподходящий уровень, и честный выбор — GPT-6 Sol или GPT-6.1 Sol, где цена всё ещё низка в абсолютном выражении, а оценки агентных возможностей перестают обваливаться.

Сам по себе «GPT-6», опять же, — это не то, что можно назвать. Это название семейства, охватывающее три идентификатора в трёх ценовых точках и с тремя разными потолками возможностей, а Luna — это та, что внизу: самая дешёвая, самая быстрая по времени до первого токена, та, что отвечает на бесплатном плане, и та, чей потолок проявляется в тот момент, когда задача требует больше, чем один уверенный ответ.