- Что произошло 22 сентября
- Чем Sol отличается от Luna и Astra
- Где доступны модели и что с лимитами
- Сколько стоят GPT-6 Sol и Luna
- Что умеет Sol в реальной работе
- Что показывают тесты и чего они не доказывают
- Точность ответов и ограничения
- Большой контекст и кеширование: что важно разработчикам
- Можно ли использовать GPT-6 Sol из России
- Итог
22 сентября 2026 года OpenAI представила GPT-6 Sol и GPT-6 Luna. Это две более доступные модели семейства GPT-6: Sol рассчитана на сложный кодинг и многошаговую работу с инструментами, Luna — на более узкие задачи, которые нужно выполнять часто и в большом объёме. Обе модели появляются в ChatGPT Work и Codex, а также доступны разработчикам через API. В обычном режиме Chat их пока нет.
Главное для тех, кто хочет попробовать новинки: искать их нужно в Work или Codex, а не в обычном Chat. Sol и Luna получают пользователи Plus, Pro, Business, Enterprise и Edu; пользователям Free и Go доступна Luna в настольном приложении. В API стандартная цена Sol составляет $2 за миллион входных и $10 за миллион выходных токенов, Luna — $0,10 и $0,50 соответственно. Ниже разбираем, почему модели разделили по задачам, что именно показывают тесты и как понимать сообщения о лимитах.
Что произошло 22 сентября
Ранее в сентябре OpenAI выпустила GPT-6 Astra как самую мощную модель новой линейки. Теперь к ней добавились Sol и Luna. Их смысл не в том, чтобы заменить Astra во всех задачах: компания предлагает несколько уровней возможностей и стоимости в рамках одного поколения. Об этом говорится в официальном анонсе Sol и Luna.
Для пользователя релиз имеет практическую особенность: наличие подписки ChatGPT не означает, что новая модель уже появится в обычном чате. OpenAI запускает её в рабочих режимах Work и Codex, причём модель может появиться в списке выбора не сразу. В корпоративном пространстве её доступность также зависит от настроек администратора.
Чем Sol отличается от Luna и Astra
Проще всего выбирать между тремя моделями по цене ошибки и объёму работы. Astra остаётся вариантом для самых трудных задач, когда важнее всего получить сильный результат. Sol подходит для серьёзной разработки и агентных сценариев, где модель должна не только ответить, но и пройти несколько шагов с инструментами. Luna экономичнее на потоке коротких, хорошо определённых запросов.
| Модель | Когда выбирать | Главный компромисс |
|---|---|---|
| GPT-6 Astra | Наиболее сложное исследование, код и длительная работа с компьютером | Выше стоимость |
| GPT-6 Sol | Кодинг, отладка, рабочие агенты и сложные задачи с инструментами | Не максимальный уровень семейства |
| GPT-6 Luna | Много однотипных запросов: разметка, сортировка, краткие ответы | Меньше запас для неоднозначных задач |
Например, когда нужно разобраться в большом проекте, найти причину ошибки, исправить код и запустить проверку, разумнее начать с Sol. Если задача — разнести тысячи обращений по заранее заданным категориям, интереснее Luna. Это примеры применения, а не результаты нашего собственного тестирования.
Где доступны модели и что с лимитами
По документации ChatGPT и Codex, Sol и Luna постепенно выходят в ChatGPT Work и Codex для Plus, Pro, Business, Enterprise и Edu. Для Free и Go предусмотрен доступ к Luna в настольном приложении. Модели пока не добавлены в обычный Chat. В Codex их можно выбрать в списке моделей, а в командной строке использовать идентификаторы gpt-6-sol и gpt-6-luna. В API доступны те же идентификаторы.
Если модель не отображается, проверьте свой тариф, версию настольного приложения и выбранный режим. В корпоративном пространстве доступ также зависит от настроек администратора. Для читателя в веб-версии важно различать Work и привычное окно Chat, иначе можно безуспешно искать Sol не в том месте.
OpenAI не объявляла автоматическое обнуление лимитов для всех пользователей. При запуске представитель компании сообщил о начислении одного накопленного сброса для Plus, Pro и Business. Это адресное начисление, а не общий сброс квоты у каждого пользователя. Компания также говорит о более высоких лимитах, но конкретный остаток и время обновления зависят от тарифа и режима использования.
Сколько стоят GPT-6 Sol и Luna
Ниже указаны стандартные ставки API за миллион токенов при коротком контексте. Это оплата разработчика за обработанный текст, а не цена подписки ChatGPT.
| Модель | Вход | Кешированный вход | Выход |
|---|---|---|---|
| GPT-6 Astra | $10 | $1 | $50 |
| GPT-6 Sol | $2 | $0,20 | $10 |
| GPT-6 Luna | $0,10 | $0,01 | $0,50 |
Sol вдвое дешевле предыдущей GPT-5.6 Sol по её промоцене: $4 → $2 на входе и $20 → $10 на выходе. У Luna вход подешевел с $0,20 до $0,10, а выход — с $1,20 до $0,50. Поэтому говорить, что каждая строка тарифа Luna сократилась ровно на 50%, было бы неточно. Актуальные ставки и режимы обработки приведены в прайсе OpenAI API.
Есть существенная деталь для длинных запросов. У Sol контекстное окно достигает 1,05 млн токенов, но запрос с более чем 272 тысячами входных токенов получает повышенную ставку для всего запроса: вход и кеш — вдвое дороже, выход — в полтора раза. Поэтому большое окно контекста не означает, что любой длинный документ обойдётся по базовой цене. Ограничение в 128 тысяч выходных токенов и условия тарификации указаны на странице модели Sol.
Что умеет Sol в реальной работе
Основной сценарий Sol — задача, которая продолжается после первого ответа. В кодинге модель может изучить файлы проекта, предложить исправление, применить его и проверить результат тестами. Для агента это также означает работу с инструментами и последовательное выполнение действий в приложениях. Пользователю всё равно нужно задать цель, границы доступа и критерий готовности, а затем проверить итог.
Luna решает другой экономический вопрос. Когда один и тот же понятный процесс повторяется сотни раз — например, обращения нужно распределить по типам, выделить поля из документов или подготовить короткие ответы по шаблону, — стоимость одного запроса начинает играть большую роль. Но если инструкция неоднозначна или ошибка дорого обойдётся, модель стоит проверить на собственных примерах прежде, чем запускать большой поток.
Что показывают тесты и чего они не доказывают
В опубликованных OpenAI результатах Sol набрала 33,2% в AutomationBench на настройке xhigh — это испытание рабочих процессов с использованием инструментов. В DeepSWE, где агент решает сложные задачи в кодовых базах, Sol получила 68,8% при max, Luna — 66,6% при max. Эти цифры показывают, что более дешёвые модели могут решать серьёзные задачи; они не обещают такой же результат в любом рабочем проекте.
Методика важна не меньше числа в таблице. Режимы усилия, набор инструментов, стоимость задачи и выборка влияют на сравнение. В некоторых графиках OpenAI сопоставляет Sol и Astra при разных настройках усилия; вывод о безусловном превосходстве Sol над Astra из этого не следует. Данные и пояснения к тестам опубликованы в анонсе компании. Это оценки OpenAI, а не наше независимое испытание моделей.
Точность ответов и ограничения
OpenAI сообщает, что на её внутренней оценке Sol допускала примерно вдвое меньше фактических ошибок, чем предшественница. Здесь важна оговорка: проверялись обезличенные диалоги, в которых пользователи прежде отмечали ошибку. Такая выборка намеренно сосредоточена на проблемных случаях и не описывает обычную частоту ошибок во всех разговорах. Для значимых фактов по-прежнему нужны первоисточники.
Компания также обещает более ясный стиль ответов, меньше лишних подробностей и более аккуратные сообщения о выполненной работе. Это полезные изменения, но оценивать их лучше на своих задачах. У модели сохраняются обычные ограничения ИИ-агента: она может неверно понять контекст, пропустить проверку или ошибиться при работе с инструментом. В технических и особенно чувствительных сценариях результат требует человеческой проверки.
Большой контекст и кеширование: что важно разработчикам
Контекст Sol позволяет передавать очень длинные материалы, но полезность зависит от того, сможет ли модель найти нужное и правильно связать детали. Одно только число токенов не заменяет структуру задачи. Разработчикам также важно считать стоимость запроса с учётом порога длинного контекста, а не по базовой строке прайса.
Вместе с выпуском линейки OpenAI улучшила повторное использование уже обработанной части запроса в GPT-6. Это касается агентных цепочек и длинных разговоров, где инструкции и исходные документы многократно передаются модели. Кешированный ввод Sol стоит $0,20 за миллион токенов против $2 за новый ввод; у Luna — $0,01 против $0,10. Скидка полезна только на ту часть запроса, которая действительно попала в кеш, поэтому фактическая экономия зависит от устройства приложения.
Можно ли использовать GPT-6 Sol из России
Россия не указана в официальном списке стран и территорий, поддерживаемых OpenAI API. Наличие новой модели в каталоге не меняет региональные условия доступа к сервисам. Поэтому обещать российскому читателю возможность войти в Work или подключить API без ограничений было бы неправильно. Условия доступа и платежей следует проверять по официальным правилам для своего региона.
Итог
Главная новость выпуска — сильные рабочие возможности становятся дешевле: Sol предназначена для разработки и сложных цепочек действий, Luna — для большого объёма более простых запросов. При этом Astra остаётся старшей моделью семейства. Практический выбор зависит не только от результатов тестов, но и от стоимости ошибок, цены длинного контекста и того, доступен ли нужный режим в вашем аккаунте. По состоянию на 26 сентября Sol и Luna доступны в Work, Codex и API; в обычном Chat эти модели пока не предлагаются.
