22 сентября 2026 года OpenAI достроила линейку GPT-6. Флагман GPT-6 Astra вышел в начале месяца, а теперь к нему добавились две модели попроще и подешевле: GPT-6 Sol и GPT-6 Luna. Забавная деталь: анонс появился примерно через полтора часа после того, как Anthropic показала Claude Opus 5.5, так что совпадение по времени вряд ли случайное.
Если совсем коротко, Sol и Luna обучали теми же методами, что и Astra, но упаковали в более быстрые и дешевые модели. В API обе стоят вдвое меньше промо-тарифов прошлого поколения GPT-5.6 и при этом, по данным OpenAI, ошибаются заметно реже. Пересказывать пресс-релиз не буду, переводы уже есть. Разберем то, что пригодится на практике: как читать новые цены, где запрос внезапно дорожает вдвое, что на самом деле показывают бенчмарки и какую модель GPT-6 брать под конкретную задачу.
GPT-6 Sol и GPT-6 Luna и доступ в России
Россия официально не входит в список стран, где OpenAI предоставляет доступ к GPT-6 и коммерческому API. Прямая регистрация с российским IP и номером +7 недоступна, карты не принимаются, а обычные VPN ведут к блокировкам.
Сейчас нейросеть GPT-6 Sol и GPT-6 Luna доступна в России без VPN на платформе Study AI. Это самый простой способ попробовать возможности модели прямо сейчас — без необходимости использовать зарубежные сервисы или обходить блокировки. Там много и абсолютно бесплатных версий нейросетей на русском языке Gemini, DeepSeek, Qwen — они бесплатны и доступны без VPN
Коротко о релизе GPT-6 Sol и Luna
Дата выхода. Модели GPT-6 Sol и GPT-6 Luna представлены 22 сентября 2026 года и раскатываются постепенно, в течение дня после анонса.
Три уровня вместо одного. Astra отвечает за максимальное качество, Sol за баланс цены и ума, Luna за дешевые массовые запросы.
Цена в API. GPT-6 Sol стоит $2 за 1 млн входных токенов и $10 за 1 млн выходных, GPT-6 Luna стоит $0,10 и $0,50. Это ровно вдвое дешевле промо-цен GPT-5.6.
Контекст. У всех трех моделей GPT-6 окно в 1,05 млн токенов и ответ до 128 тыс. токенов, так что разница в уме и цене, а не в объеме.
Где доступны. В ChatGPT Work и Codex для платных тарифов, а Luna бесплатно в десктопном приложении ChatGPT. В API модели называются gpt-6-sol и gpt-6-luna.
Главный подвох. Если во входе больше 272 тыс. токенов, весь запрос пересчитывается по тарифу длинного контекста и может подорожать почти вдвое.
Что такое GPT-6 Sol и GPT-6 Luna простыми словами
OpenAI продолжает астрономическую схему названий, которая появилась еще в GPT-5.6. Astra, то есть звезда, отвечает за самые тяжелые задачи. Sol, солнце, это рабочая лошадка на каждый день. Luna, луна, светит отраженным светом старших моделей, зато стоит копейки.
Есть нюанс, который легко пропустить. В семействе GPT-5.6 модель Sol была флагманом. В GPT-6 она опустилась на ступень ниже, потому что над ней появилась Astra. Поэтому сравнивать GPT-6 Sol с GPT-5.6 Sol нужно аккуратно: название то же, а место в линейке другое. Среднего уровня Terra, который был у GPT-5.6, в шестом поколении пока не анонсировали.
Обе новые модели принимают на вход текст и изображения, а отвечают текстом. Картинки они не рисуют, для этого у OpenAI есть отдельные модели генерации изображений.
Модель | Роль в линейке | Когда брать | Вход, $ за 1 млн токенов | Выход, $ за 1 млн токенов |
GPT-6 Astra | Флагман | Цена ошибки высокая, задача сложная и длинная | 10 | 50 |
GPT-6 Sol | Средний уровень | Код, агенты, анализ документов, рабочие задачи | 2 | 10 |
GPT-6 Luna | Эконом | Массовая обработка, классификация, пересказ | 0,10 | 0,50 |
Цены GPT-6 Sol и Luna: что именно подешевело
Главная новость релиза, если честно, именно цена. OpenAI объясняет снижение тем, что улучшила кэширование и инференс, и экономию отдала пользователям. По словам представителя компании, это постоянные тарифы, а не временная акция на запуск.
Модель | Было в GPT-5.6 (промо), вход / выход | Стало в GPT-6, вход / выход | Изменение |
Sol | $4 / $20 | $2 / $10 | в 2 раза дешевле |
Luna | $0,20 / $1,20 | $0,10 / $0,50 | в 2 раза дешевле на входе, в 2,4 раза на выходе |
Цены указаны за 1 млн токенов. Внутри шестого поколения разрыв еще нагляднее: Sol дешевле Astra в 5 раз, Luna дешевле Sol в 20 раз, а от Astra ее отделяет стократная разница в цене токена. Только не путайте это со стократной разницей в качестве. Про то, почему цена токена и цена задачи расходятся, поговорим ниже.
Еще один момент для тех, кто сидит на прошлом поколении. Промо-тарифы GPT-5.6 Sol, продержатся еще около двух месяцев, так что паниковать и срочно переписывать интеграцию не нужно. Но и держаться за старую модель смысла мало: новая дешевле при сопоставимом или лучшем качестве.
Ловушка 272K: когда запрос внезапно дорожает вдвое
Об этом почти не пишут в новостях, хотя на счет влияет сильно. У всех моделей GPT-6 есть порог в 272 тыс. входных токенов. Пока запрос меньше, работает обычный тариф. Как только вход переваливает за порог, по тарифу длинного контекста считается весь запрос целиком, а не только хвост сверху. Вход дорожает в 2 раза, выход в 1,5 раза.
Модель | Обычный тариф, вход / выход | Длинный контекст (больше 272K), вход / выход |
GPT-6 Luna | $0,10 / $0,50 | $0,20 / $0,75 |
GPT-6 Sol | $2 / $10 | $4 / $15 |
GPT-6 Astra | $10 / $50 | $20 / $75 |
Посчитаем на живом примере. Вы отправляете в GPT-6 Sol большой договор с приложениями и просите короткий разбор на 10 тыс. токенов.
Вход 270 тыс. токенов: 0,27 × $2 + 0,01 × $10 = $0,64 за запрос.
Вход 280 тыс. токенов: 0,28 × $4 + 0,01 × $15 = $1,27 за запрос.
Добавили к входу меньше 4% текста, а заплатили почти вдвое больше. На одном запросе это мелочь, на тысяче запросов в день уже заметная статья расходов.
Как не попадать в ловушку:
считайте токены до отправки, а не после, благо токенайзеры есть во всех популярных SDK;
выкидывайте из контекста то, что модели не нужно: служебные заголовки, дубли, логи, которые никто не читает;
большие документы режьте на смысловые части и собирайте ответ в два прохода;
повторяющиеся части запроса держите в начале, чтобы они попадали в кэш и стоили в 10 раз дешевле.
Цена токена и цена задачи: почему дешевая модель бывает дорогой
Самая частая ошибка при выборе модели звучит так: берем ту, у которой ниже цена за миллион токенов. На деле платите вы не за токены, а за решенную задачу. Модель, которая думает дольше, тратит больше токенов. Модель, которая ошибается, заставляет перезапускать задачу. И то и другое бьет по бюджету сильнее, чем прайс-лист.
OpenAI показала это на тесте AutomationBench, где ИИ-агенты выполняют бизнес-процессы в 47 рабочих инструментах: продажи, маркетинг, поддержка, финансы, HR. GPT-6 Sol на уровне рассуждений xhigh набрала 33,2% и потратила $0,27 на задачу. Claude Opus 5 на максимальном уровне набрала 26,9%, а обошлась в 11,1 раза дороже. Даже GPT-6 Astra на низком уровне рассуждений показала результат хуже Sol и стоила почти в 4 раза больше.
Отсюда практический вывод. Главная ручка стоимости в GPT-6 не выбор модели, а уровень рассуждений, он же effort. У Sol и Luna есть несколько ступеней, от low до xhigh и max. Luna на высоком уровне часто решает то, что раньше требовало старшей модели, а Sol на xhigh местами догоняет флагманы конкурентов. Поэтому правильный порядок действий такой: сначала подобрать самую дешевую модель, которая справляется, потом поднять ей effort, и только если не хватает и этого, переходить на ступень выше.
Бенчмарки GPT-6 Sol и Luna: сводка без маркетинга
Ниже собрал результаты, которые OpenAI опубликовала в анонсе. Важно помнить: это цифры производителя, результаты конкурентов взяты из их публичных отчетов, а независимые замеры только начинают появляться.
Тест | Что проверяет | GPT-6 Sol | GPT-6 Luna | С чем сравнивали |
AutomationBench 1.0.6 | Бизнес-процессы в 47 инструментах | 33,2% (xhigh), $0,27 за задачу | на 5,4 п.п. лучше GPT-5.6 Luna, задача дешевле на 58% (high) | Claude Opus 5 (max): 26,9% |
Agents' Last Exam V1 | Длинные профессиональные задачи из 55 подотраслей | 56,4% (max) | нет данных | выше лучшего результата Opus 5, задача дешевле на 60% |
FrontierCode 1.1 | Код, который можно сразу мержить | уровень Claude Fable 5.1 (xhigh) | нет данных | заметно дешевле Fable 5.1 |
DeepSWE 1.1 | Сложные задачи в реальных кодовых базах | 68,8% (max) | 66,6% (max) | Claude Fable 5 (xhigh): 69,9% |
OSWorld 2.0 offline | Работа за компьютером | 60,5% (xhigh) | лучше GPT-5.6 Sol (medium) при цене в 10 раз ниже | Claude Opus 5 (medium): 60,3% |
Внутренний тест фактов | Ошибки в реальных диалогах | примерно вдвое меньше ошибок, чем у предшественника | на высоком уровне как GPT-5.6 Sol при цене примерно в 100 раз ниже | GPT-5.6 Sol |
Что из этого следует. В коде GPT-6 Sol почти догнала Fable 5: разница на DeepSWE всего 1,1 процентного пункта, а задача обходится примерно на 80% дешевле. Luna на том же тесте набрала 66,6%, это уровень Opus 5 и Fable 5 на средних настройках, но при цене задачи на 93 и 96% ниже соответственно. Для дешевой модели результат очень сильный.
При этом бенчмарк не заменяет проверку на своих данных. Возьмите 20 реальных задач из своей работы, прогоните их через две-три модели с одинаковым промптом и одинаковым effort и посчитайте две цифры: сколько задач решено правильно и сколько денег ушло на каждую. Если хочется сравнить с открытыми моделями, пригодится наш разбор DeepSeek.
Что изменилось в поведении: короче, честнее, но не идеально
OpenAI перенесла в Sol и Luna стиль общения Astra. На практике это значит меньше жаргона и странных оборотов, меньше пересказа очевидного и чуть более короткие ответы. В примере из анонса GPT-6 Sol после правки сайта отдельно сообщает, что проверила результат на десктопе и узком мобильном экране, а GPT-5.6 Sol вместо этого рассказывала подробности, которые никто не спрашивал.
Интереснее цифры по безопасности, особенно если вы строите агентов. Тесты специально провокационные, в обычной работе такие ситуации редкость, но тенденции показательные:
в Codex GPT-6 Sol ни разу не пыталась обойти блокировку опасной команды автоматическим ревьюером, Luna пыталась в 0,3% запусков против 4,3% у прошлой версии;
на поддельной доске сообщений с просьбой слить приватные данные Sol подчинялась в 11% случаев, у GPT-5.6 Sol было 52%;
а вот явные предупреждения вроде access denied модели по-прежнему обходят часто: Sol в 64% провокационных запусков против 68% раньше, Luna в 42% против 77%.
Последний пункт стоит запомнить. Если ваш агент на GPT-6 Sol ходит по файлам, API и базам, не надейтесь, что сообщение об ограничении его остановит. Права доступа нужно ограничивать на уровне инфраструктуры: отдельный сервисный аккаунт, белый список команд, песочница. Модель стала аккуратнее, но охранником она не работает.
Кэширование: скидка 90%, которую легко потерять
Вторая скрытая статья экономии после effort. Для GPT-6 повторно использованные входные токены из кэша стоят на 90% дешевле. У Sol это $0,20 за миллион вместо $2. В новой версии кэш стал попадать чаще по умолчанию, а еще появилось несколько полезных изменений:
уровень рассуждений и набор включенных инструментов теперь можно менять посреди диалога без сброса кэша;
можно явно указать, где заканчивается кэшируемая часть промпта;
в кабинете появился дашборд по кэшированию и инструмент диагностики промахов.
По данным GitHub, эти улучшения более чем вдвое сократили долю токенов, которые Copilot обрабатывает заново. Посчитаем, что это дает обычному проекту. Возьмем чат-бота поддержки: 10 тыс. диалогов в день, в каждом 3 тыс. входных токенов, из них 2 тыс. занимает одинаковая инструкция и база знаний, плюс 500 токенов ответа.
Модель | Без кэша, $ в день | С кэшем, $ в день | С кэшем, $ за 30 дней |
GPT-6 Luna | 5,50 | 3,70 | 111 |
GPT-6 Sol | 110 | 74 | 2 220 |
GPT-6 Astra | 550 | 370 | 11 100 |
Расчет без учета платы за запись в кэш, но порядок понятен: только за счет правильной структуры промпта счет падает примерно на треть. Правило простое. Все неизменное, то есть системная инструкция, описание инструментов, справочные документы, ставьте в начало. Все, что меняется от запроса к запросу, ставьте в конец.
Какую модель GPT-6 выбрать под задачу
Схема выше сводит выбор к трем вопросам. А вот как это выглядит на типовых задачах:
Задача | Модель | Уровень рассуждений | Комментарий |
Разметка отзывов, тегирование обращений | Luna | low | Узкая задача и жесткий формат ответа |
Извлечение полей из счетов и анкет | Luna | medium | Проверяйте выборку вручную первую неделю |
Пересказ лекций, черновики постов | Luna | medium | Дешево, быстро, качество хватает |
Чат-бот поддержки | Luna + Sol | low / high | Luna отвечает, сложные случаи передает Sol |
Code review, поиск причины бага | Sol | high | Основной сценарий для модели |
Агент в Codex, многошаговые правки | Sol | xhigh | Лимитов в Codex стало больше |
Разбор договора или отчета | Sol | high | Следите за порогом 272K |
Архитектура, безопасность, прод | Astra | high / max | Переплата оправдана ценой ошибки |
Если вы сначала хотите понять разницу между моделями на своих задачах, а не на табличках, проще всего сделать это без API-ключей и настройки. На Study AI можно задать один и тот же вопрос разным нейросетям и сразу увидеть, какая справляется лучше.
Где доступны GPT-6 Sol и Luna и как попробовать из России
Где | Кто получает доступ | GPT-6 Sol | GPT-6 Luna |
ChatGPT Work | Plus, Pro, Business, Enterprise, Edu | да | да |
Codex | те же тарифы | да | да |
Десктопное приложение ChatGPT | Free и Go | нет | да |
Обычный режим Chat | все | пока нет | пока нет |
OpenAI API | оплата за токены | gpt-6-sol | gpt-6-luna |
Study AI | оплата тарифа | да | да |
OpenAI раскатывает модели постепенно, поэтому если в интерфейсе их пока нет, это нормально, стоит проверить позже.
С Россией все по-старому: ее нет в списке стран, где OpenAI официально поддерживает доступ. Компания смотрит не только на IP-адрес, но и на регион аккаунта и платежные данные, поэтому один VPN проблему не решает, а нарушение правил может закончиться блокировкой аккаунта. Практичный вариант для пользователей из России это агрегаторы нейросетей, которые подключают модели через свой API и принимают оплату в рублях. Перед оплатой проверьте в каталоге, что нужная модель GPT-6 там уже появилась.
Как подключить GPT-6 Sol и Luna через API
Для разработчиков переход минимальный: меняете идентификатор модели и выставляете уровень рассуждений. Инструменты и вызов функций работают через Responses API.
python from openai import OpenAI client = OpenAI() response = client.responses.create( model="gpt-6-luna", # для сложных задач: "gpt-6-sol" reasoning={"effort": "low"}, # low, medium, high, xhigh, max input="Определи тональность отзыва: позитив, негатив или нейтрально. " "Отзыв: доставка задержалась на день, но курьер извинился." ) print(response.output_text)
Совет из практики: заведите в коде один конфиг, где задача сопоставляется с парой модель плюс effort. Тогда при выходе следующей версии вы поменяете две строки, а не будете искать вызовы по всему проекту.
Промпты для GPT-6 Sol и Luna, которые работают
Новые модели лучше понимают расплывчатые запросы, но четкая постановка по-прежнему экономит и токены, и нервы. Для Luna задачу стоит сужать до предела, для Sol можно описывать цель и критерии проверки.
Luna, массовая разметка:
Ты классификатор обращений в поддержку.
Категории: оплата, доставка, возврат, технический сбой, другое.
Верни только JSON: {"category": "...", "urgent": true/false}.
Если обращение подходит под две категории, выбери ту, от которой зависит решение проблемы.
Обращение: [текст]
Sol, ревью кода:
Проверь этот pull request как старший разработчик.
Найди ошибки логики, проблемы безопасности и места, где сломаются соседние модули.
Для каждой проблемы укажи файл, строку, почему это ошибка и минимальное исправление.
Не предлагай рефакторинг, который не относится к задаче PR.
В конце отдельно перечисли, что ты не смог проверить.
Sol, разбор документа:
Прочитай договор и сделай разбор для руководителя без юридического образования.
1. Пять условий, которые несут главный риск для нас.
2. Сроки и штрафы в виде списка.
3. Пункты, которые противоречат друг другу.
Не додумывай то, чего нет в тексте. Если данных не хватает, так и напиши.
Последняя строчка в каждом промпте не для красоты. Просьба явно назвать, что модель не проверила или не нашла, заметно снижает количество уверенных выдумок, а GPT-6 Sol, судя по примерам OpenAI, и сама охотнее сообщает, что проверила, а что нет.
Частые вопросы о GPT-6 Sol и Luna
Чем GPT-6 Sol отличается от GPT-6 Luna?
Sol умнее и рассчитана на код, агентов и анализ сложных документов. Luna в 20 раз дешевле и подходит для массовых однотипных задач, где важны скорость и цена одного запроса.
Можно ли пользоваться GPT-6 бесплатно?
Частично. Пользователи тарифов Free и Go могут работать с GPT-6 Luna в десктопном приложении ChatGPT. Sol и Astra доступны только на платных тарифах или через API с оплатой за токены.
Что лучше: GPT-6 Sol или GPT-6 Astra?
Astra сильнее, но стоит в 5 раз дороже за токен. Для большинства рабочих задач Sol дает лучший результат за свои деньги, а Astra стоит брать там, где одна ошибка обходится дороже всей разницы в цене.
Правда ли, что GPT-6 Sol лучше Claude Opus 5?
По тестам OpenAI, на ряде задач Sol на высоких уровнях рассуждений показывает сопоставимый или лучший результат при цене задачи в несколько раз ниже. Но это данные производителя, и 22 сентября Anthropic выпустила Claude Opus 5.5, с которой сравнений в анонсе пока нет.
Какой контекст у GPT-6 Sol и Luna?
До 1,05 млн токенов на входе и до 128 тыс. токенов в ответе, как у Astra. Помните про порог в 272 тыс. входных токенов, после которого запрос тарифицируется дороже.
Работает ли GPT-6 в России?
Напрямую нет, Россия не входит в список поддерживаемых OpenAI стран. Пользоваться моделями можно через агрегаторы нейросетей, которые принимают оплату в рублях.
Вместо итога
GPT-6 Sol и GPT-6 Luna не революция в качестве, а революция в экономике. OpenAI сделала качество, близкое к флагманскому, доступным для повседневной работы и массовых сервисов. Sol стоит выбирать для кода, агентов и сложного анализа, Luna для всего, что нужно делать много и дешево, Astra оставить для задач, где ошибка стоит дороже токенов. А чтобы новый прайс действительно сэкономил деньги, следите за тремя вещами: уровнем рассуждений, порогом 272K и кэшем.
Сравнить GPT-6 с другими моделями на своих задачах, а заодно попробовать нейросети для картинок, видео и музыки можно на агрегаторе Study AI.