GPT-6 Luna vs GPT-5.6 Luna: Samma namn, halva priset och en sämre leverans

Två modeller, ett ord gemensamt, och en oberoende poäng som i praktiken är identisk. GPT-6 Luna når 37,26 på Artificial Analysis Intelligence Index; GPT-5.6 Luna nådde 37,32. En skillnad på 0,07 punkter är inte en mätning, det är brus, och det är det enskilt viktigaste faktumet om den här kombinationen. Det som skiljer de två modellerna åt är inte kapacitet — det är $0,0681 per slutförd indexuppgift mot $0,1783, och en uppsättning regressioner i kunskapsarbete som prissänkningen inte nämner.

Datumerna spelar roll för att läsa siffrorna. GPT-5.6 Luna släpptes den 9 juli 2026 till $0.20 per miljon indatatoken och $1.20 per miljon utdatatoken. GPT-6 Luna släpptes den 22 september 2026 till $0.10 och $0.50 – exakt halva indatapriset och 58 % rabatt på utdatapriset, vilket OpenAI har beskrivit som permanent snarare än som en kampanj. Det är en verklig sänkning, och det är också den mindre halvan av historien. Den större halvan är att den nyare modellen är en annan modell, inte samma modell med ett nytt pris.

Vad en migrering faktiskt ger, i siffror

Ställ de två mot varandra utifrån de dimensioner som avgör en migrering, och bilden är ojämn. Vissa rader förbättras, vissa försämras, och en förbättras avsevärt.

• Pris – GPT-6 Luna $0.10 in / $0.50 ut per miljon tokens jämfört med GPT-5.6 Luna $0.20 / $1.20. Halva priset på indata, 58 % rabatt på utdata.

• Cachad indata — $0,01 per miljon mot $0,02. Samma 90 % rabatt på en halverad bas, så ett upprepat prefix kostar hälften av vad det kostade i juli.

• Kostnad per slutförd uppgift – 0,0681 $ jämfört med 0,1783 $ för samma svit. En minskning med 62 %, vilket är större än tokenprissänkningen eftersom uppgiftsmixen inte är identisk.

• Utgående tokens per uppgift — 50 537 mot 41 235. Den nya modellen är 23 % pratsammare per slutförd uppgift, och 78 % av dess utdata är resonemang som aldrig visas i svaret.

• Kontextfönster — 1 050 000 tokens mot 1 000 000. Samma praktiska tak; båda begränsar utdata till 128 000 tokens.

• Att avstå – en hallucinationsfrekvens på 76,7 % på AA-Omniscience jämfört med 92,6 %. Detta är den största enskilda förbättringen i uppsättningen, och det är inte en kunskapsvinst: träffsäkerheten går från 42,7 % till 43,8 %, i stort sett oförändrad. Den nyare modellen avstår i stället för att hitta på, vilket är en beteendeförändring snarare än en förändring av förmågan.

• Leverabler för kunskapsarbete — AA-Briefcase v1.1 faller från 1 345,38 Elo till 1 299,23, och GDPval-AA v2.1 faller från 1 443,14 till 1 367,09. Båda ned, med ungefär 46 respektive 76 poäng.

• Kodning och arbete med lång tidshorisont — Terminal-Bench 4.0 går från 11,6 % till 12,6 % och SciCode från 53,6 % till 54,6 %, de två raderna här som ökar. Mot detta sjunker Coding Agent Index från 43 till 41 och de agentiska utvärderingarna i SWE-stil rör sig i samma riktning.

• AutomationBench-AA — 53,2 % mot 50,2 %. Upp, och med mer än något annat agentiskt mått i uppsättningen.

Regressionen ligger i artefakten, inte i resonemanget.

Mönstret i de två sista raderna är värt att sätta ord på, för det är hela beslutet. Den nya modellen är bättre på agentiska handlingar i ett steg och sämre på att lämna tillbaka ett färdigt dokument. Artificial Analysis förklarar nedgången inom kunskapsarbete med presentationskvalitet och leverabler som hoppade över obligatoriska delar i bedömningsmatrisen snarare än faktamässiga fel eller resonemangsfel – vilket är precis den sorts regression som klarar ett smoke-test men fallerar i en granskning.

Lägger man ihop de två faktauppgifterna delas migreringen tydligt upp efter vad som konsumerar utdata. Om din pipeline läser strukturerad utdata – JSON, en klassificering, ett extraherat fält, ett routingbeslut – kostar presentationsregressionen dig ingenting, förbättringen när det gäller att avstå är en verklig vinst, och minskningen av uppgiftskostnaden med 62 % ger full effekt. Om en person läser leverabeln – en rapport, ett PM, ett kundinriktat dokument – är den nyare modellen mätbart sämre på exakt det du betalar för, och besparingen köper dig en granskare.

Avståendetalet förtjänar samma behandling. En modell som går från att hitta på i 93 % av det den inte vet till att hitta på i 77 % är ett väsentligt annat objekt för ett skyddsräcke, en efterlevnadsgranskning eller vilken pipeline som helst där ett självsäkert felaktigt svar fortplantar sig. Den förbättringen är verklig, den mäts oberoende, och den är det starkaste argumentet för att flytta arbete till den nya modellen, ett argument som inte alls beror på priset.

Vad ändras i din kod, och vad ändras inte

Mindre än vad en prissänkning av den här storleken antyder, vilket är den goda nyheten. Kontextfönstret är i samma klass, maximalt utdata är identiskt vid 128 000 tokens, och familjens omprissättningsklausul för lång kontext är oförändrad: förfrågningar över 272 000 indatatokens debiteras med 2x indata- och cachepriser och 1,5x utdata, för hela förfrågan i stället för den del som ligger över gränsen. En förfrågan som var dyr vid 300 000 tokens på GPT-5.6 Luna är också dyr på GPT-6 Luna – halva priset, samma stup, så en arbetsbelastning som borde ha delats i juli bör fortfarande delas nu.

Ansträngningsstegen är där beteendet förändras snarare än kostnaden. GPT-6 Luna exponerar none, low, medium (standard), high, xhigh och max, och standardvärdet spelar roll: en pipeline som har trimmats mot en modells standardansträngning är inte automatiskt trimmad mot en annan modells. Team som uttryckligen har låst en inställning påverkas inte. Team som använde standardvärdet kör en annan konfiguration än de gjorde i juli, och det synliga symptomet kommer att vara tokenvolym snarare än kvalitet.

En fälla är värd att upprepa eftersom den inte försvinner med den nya modellen. På Chat Completions-slutpunkten fungerar funktionsanrop endast när reasoning effort är inställt på none; varje annan nivå av reasoning effort, och varje inbyggt verktyg, kräver Responses API. Ett team som porterar en verktygsanropsloop genom att ändra modellsträngen kommer att upptäcka att dess verktyg tyst blir otillgängliga vid standardinställningen medium effort, och lösningen är en omskrivning av anropsytan snarare än en parameter.

Vad du kan dirigera i dag, och vad du inte kan

Det här är den del av migreringen som inte har något med benchmarks att göra. GPT-5.6 Luna finns på OrcaRouter till dess listpris — 0,20 USD per miljon indatatokens, 1,20 USD per miljon utdatatokens, ett kontextfönster på 1 000 000 tokens, en maximal utdata på 128 000 tokens och en p50-tid till första token på 1,60 sekunder, mätt över verklig trafik på vår egen modellsida. Vi för vidare leverantörens listpriser utan påslag, så den dag OpenAI ändrade priset för den här familjen blev ändringen aktiv hos oss i stället för vid nästa faktureringscykel.

GPT-6 Luna kan inte routas via OrcaRouter från och med den 23 september 2026. Tillgängligheten finns i OpenAI:s eget API och i de molnkataloger som erbjuder den här familjen, och vi listar inte en modell som vi inte kan tillhandahålla. Den praktiska konsekvensen är att ett team som planerar den här migreringen kan ändra prissättningen idag men inte routningen idag — de två halvorna av ändringen infaller på olika datum.

Det som detta möjliggör under tiden är det upplägg som de flesta team ändå till slut kommer att vilja ha. Behåll GPT-5.6 Luna på de vägar där det som levereras är produkten, kör GPT-6 Luna där utdata konsumeras av kod, och behandla gränsen som en nivå snarare än en omskrivning. Eftersom modellerna du kan nå ligger bakom en och samma slutpunkt med 200+ modeller på samma nyckel och automatisk redundansväxling mellan leverantörer, är att lägga till eller ta bort en nivå en konfigurationspost snarare än en andra integration — och eskaleringsvägen är inte längre beroende av att någon enskild modell är tillgänglig.

Migrationsbeslutet, klart och tydligt uttryckt

Flytta arbetet dit där utdata läses av maskiner och framgångsvillkoret är verifierbart. Klassificering, extrahering, routningsbeslut, guardrail-anrop, massomvandlingspass och agentåtgärder i ett steg kvalificerar alla: sammansättningen är oförändrad, avståendebeteendet är väsentligt bättre och uppgiftskostnaden har sjunkit med omkring 62 %. Med Batch till halva standardpriset och cachad indata till en tiondel av ett halverat baspris kan en pipeline som var marginell i juli nu vara enkel.

Flytta inte arbetet dit en person godkänner artefakten, och flytta inte sökvägar för coding-agent blint. Ett 46-punkters fall i AA-Briefcase och ett 76-punkters fall i GDPval är små tal som pekar i samma riktning som ett tvåpunkters tapp i Coding Agent Index, och det felsätt som Artificial Analysis beskriver – överhoppade rubrikelement, svagare presentation – är osynligt för en automatiserad kontroll. Behåll den tidigare modellen där polerat utförande är det som ska levereras.

Och behandla det oavgjorda indexresultatet på 0,07 poäng som det fynd det är. Det här är inte en smartare modell till ett lägre pris. Det är en annorlunda formad modell till ett lägre pris, och frågan en migreringsplan måste besvara är vilken form din arbetsbelastning konsumerar — inte vilken poäng som är högre, för i det oberoende underlaget är de två poängen samma siffra.