GPT-5.6 Luna: Vad OpenAIs prissänkning på 80 % faktiskt förändrade

GPT-5.6 Luna har varit 80 % billigare än sitt lanseringspris sedan slutet av juli, och OpenAI har börjat behandla det som ett argument snarare än en rabatt. Modellen – den snabba, kostnadseffektiva nivån i GPT-5.6-familjen – blev allmänt tillgänglig den 9 juli 2026 för 1,00 USD per miljon indatatoken och 6,00 USD per miljon utdatatoken. I dag debiteras den med 0,20 och 1,20 USD. Den 9 september sade OpenAIs finanschef Sarah Friar till Goldman Sachs Communacopia-konferensen att sänkningen gav ungefär en tiofaldig ökning av användningen, och att det är billigare att driftsätta Luna än att köra Z.ai:s GLM 5.3 i ett molnlager.

Det där sista påståendet är OpenAI:s eget, framfört av en chef på en investerarkonferens, och det förtjänar samma behandling som vilken annan leverantörssiffra som helst: värt att rapportera, värt att kontrollera, inte värt att upprepa som ett fastställt faktum. Priset i sig är en annan sak. Det är offentligt, och det har inte gått tillbaka.

Vad förändrades egentligen, och när

Ingenting med GPT-5.6 Lunas kapacitet, kontextfönster eller tillgänglighet förändrades i september. Det som förändrades är hur Open​AI säljer den, och den förskjutningen har fem datum bakom sig.

• 26 juni 2026 — OpenAI meddelade att GPT-5.6-familjen (GPT-5.6 Sol, GPT-5.6 Terra, GPT-5.6 Luna) finns tillgänglig i begränsad förhandsvisning för en liten grupp partner, efter samordning med amerikanska regeringsmyndigheter.

• 9 juli 2026 — allmän tillgänglighet. Sol, Terra och Luna nådde API:et till $5/$30, $2,50/$15 respektive $1/$6 per miljon in- och utdatatoken.

• I slutet av juli 2026 — 80-procentiga sänkningen enbart för Luna, till 0,20 USD in och 1,20 USD ut. Läsningar av cachad indata har cirka 90 % rabatt. Ovanför tröskeln för lång kontext fördubblas priset ungefär, till omkring 0,40/1,80 USD.

• 6–7 augusti 2026 — Luna ersatte GPT-5.5 Instant som standardmodell för ChatGPT Free och Go, med obegränsade textchattar och en "Think"-knapp för djupare resonemang som kommer veckan därpå. Open​AIs interna utvärdering visade att Lunas andel svar som innehöll minst ett sakfel var omkring 62 % lägre än GPT-5.5 Instant vid finansiella, medicinska och juridiska promptar — en siffra som rapporterats av leverantören, inte en oberoende.

• 9 september 2026 — Friars uttalanden, som för första gången satte offentliga siffror på nedskärningens effekt: ungefär 10 gånger högre användning, företagsintäkterna upp 32 % från juni till juli mot 20 % i samlad årlig tillväxttakt, och Codex med 25 miljoner användare.

Sammantaget beskriver dessa datum en två månader lång omvandling av en billig nivå till en volymstrategi. Luna var alltid nivån som var avsedd att absorbera arbete med hög volym och låg komplexitet – klassificering, extrahering, routning, första utkast. Prissänkningen gjorde kalkylen bakom den positioneringen mycket svårare att argumentera emot.

Siffran som spelar större roll än tokenpriset

Listpriser är där de flesta jämförelser stannar, och för Luna är de smickrande. Vid $0.20/$1.20 underbjuder Luna Anthropics Claude Haiku 4.5 – det närmaste Luna har till en direkt konkurrent – med ungefär 5x på input och 4x på output.

Artificial Analysis mäter något mindre bekvämt: kostnaden per slutförd uppgift i Intelligence Index, vilket inkluderar hur många tokens en modell faktiskt förbrukar för att slutföra samma arbete. I det aktuella indexet ligger GPT-5.6 Lunas resonemangskonfiguration på $0.18 per uppgift. Claude Haiku 4.5 i sin resonemangskonfiguration landar på $0.21.

Det är en skillnad på cirka 14 %, inte 5 gånger. Anledningen är mångordighet. Att slutföra den utvärderingsuppsättningen tog Luna ungefär 150M utdatatokens jämfört med Haikus 78M. Luna resonerar utförligt, och utdatatokens debiteras till sex gånger indatatakten.

Den praktiska tolkningen delar upp sig tydligt. För arbete med korta utdata och hög volym – klassificering, taggning, extrahering, routning av förfrågningar, första utkast – är 80-procentminskningen verklig, stor och syns direkt på fakturan. För arbete där modellen resonerar innan den svarar konsumeras en betydande del av rabatten av extra utdatatokens. Båda påståendena är sanna samtidigt, och det andra är den del som täckningen av minskningen utelämnade.

Det är också värt att veta vad indexet säger om förmåga, eftersom nivåerna inte ligger nära varandra. Artificial Analysis ger för närvarande GPT-5.6 Luna 38 poäng, fjärde av 177 modeller i sin klass. Claude Haiku 4.5:s resonemangskonfiguration får 18 poäng, 138:e av 200. Två förbehåll gäller dessa siffror. För det första ompoängsattes indexet i september 2026, så siffror från lanseringen — inklusive 51 och 52 som fortfarande cirkulerar för Luna — citeras från en avlagd skala. För det andra har Artificial Analysis antagit GPT-5.6 Luna som den enda bedömaren för flera av sina egna utvärderingar, vilket är värt att notera när man läser dess poäng.

Varför Open​AI framför det här argumentet nu

En 80-procentig nedskärning som tillkännagavs i slutet av juli behövde ingen finanschef för att återuppta striden om den i september. Att hon gjorde det säger dig vad nedskärningen var till för.

Kinesiska modeller med öppna vikter har under 2026 pressat på precis den axel som Luna intar: tillräcklig kvalitet till ett pris som gör per-token-beräkning till den avgörande faktorn. Att underbjuda det i en molndriftsättning är ett svårare påstående att framföra än att underbjuda det när det gäller vikter, och det är det påstående Open​AI valde — att specifikt namnge GLM 5.3 i stället för att antyda "öppna modeller" i allmänhet.

De företagssiffror som Friar parade ihop med det pekar åt samma håll. Företagsintäkter som växer 32 % månad för månad mot 20 % totalt är hur ett företag som säljer in i inköpscykler ser ut, och inköpscykler är där en budgetpost ifrågasätts. Hon bekräftade också att OpenAI experimenterar med resultatbaserad prissättning, där avgifterna knyts till affärsresultat i stället för tokenförbrukning. Det är ett betydelsefullt medgivande för ett företag vars hela intäktsmodell har varit per token: det antyder att i den billiga änden av marknaden håller per-token-siffran på att bli ett svagare säljargument än vad modellen slutför.

Inget av detta gör GLM-jämförelsen verifierad. Friars påstående vilar på en jämförelse av molndriftsättning som Open​AI inte publicerade i detalj, och "billigare än att köra X själv på ett molnlager" beror helt och hållet på vilket moln, vilken instans och vilket antagande om utnyttjandegrad du väljer. Behandla det som ett positionerat påstående från en intresserad part, och kontrollera det mot din egen arbetsbelastning innan det förändrar något du bygger.

Vad det förändrar om du redan routar mellan modeller

Tre saker spelar större roll här än rubrikpriset.

Prissänkningar träder i kraft samma dag som de sker. OrcaRouter förmedlar leverantörens listpris vidare med 0 % påslag, så när en leverantör ändrar ett pris ändras priset på vår sida med det – inget supportärende, inget omförhandlat avtal, ingen ytterligare faktureringsrelation. Det är hela anledningen till att juliprissänkningen är värd att skriva om i stället för att bara notera: för alla som anropar Luna via ett API för 200+ modeller, var den live samma dag.

Aliaset är en fälla. Den osuffixade gpt-5.6 identifieraren mappas till flaggskeppsnivån Sol, inte till Luna, så varje integration som vill ha Lunas kostnadsmodell måste ange gpt-5.6-luna uttryckligen. Detta dokumenteras i familjens utvecklarguider och det är fortfarande ett av de vanligaste sätten som en migrering till "billig nivå" i tysthet faktureras enligt flaggskeppspriser.

Billiga nivåer klarar redundansväxling bra. En modell i den här prisklassen utför ofta arbete där en kortvarig 503 är dyr — tusentals klassificeringsanrop, inte ett enskilt viktigt svar. Att dirigera samma begäran över flera leverantörer av GPT-5.6 Luna med automatisk redundansväxling är skillnaden mellan en återförsökskö och ett avbrott, och det är funktionen som gör en lågkostnadsnivå säker att lägga i ett produktionsflöde.

Du kan se den aktuella taxan och p50/p95-värdena för tid till första token på GPT-5.6 Luna på OrcaRouter-sidan – värt en titt, eftersom leverantörers prissidor släpar efter prissänkningar och tredjepartsspårare släpar efter båda.

Vad du ska titta på härnäst

Tre saker skulle förvandla detta från en historia om prissättning till en annan.

Ytterligare en sänkning. Kinesiskspråkig finansiell bevakning i början av september skildrade Open​AI som att det förberedde sig på att justera prissättningen igen för att möta konkurrensen från open-weight-modeller. Den rapporteringen är framåtblickande och obekräftad, men den stämmer överens med ett företag som redan har accepterat en minskning med 80 % på sin volymklass och nu offentligt argumenterar om kostnaden per driftsättning.

Resultatbaserad prissättning blir verklighet. Om Open​AI börjar sälja Luna efter affärsresultat i stället för per token, upphör den per-token-jämförelse som hela denna marknad vilar på att vara den relevanta resultattavlan — och varje kostnadsuppskattning per uppgift, inklusive de ovan, behöver härledas på nytt.

En kapabel efterträdare till samma pris. GPT-6 Astra finns redan ovanför GPT-5.6-linjen, och Lunas egen position beror på att OpenAI låter den vara kvar där den är. I samma stund som en nyare liten nivå kommer till priset $0.20/$1.20 upphör den intressanta frågan att vara huruvida Luna är billig och blir huruvida den fortfarande är det billigaste som är värt att routa till.

Just nu är situationen ovanligt enkel. GPT-5.6 Luna är en två månader gammal modell vars pris, inte dess förmåga, är nyheten – och priset per token är det mest smickrande sättet att se på saken, inte det mest rättvisande.