Lançamento do GPT-6 Sol e Luna: benchmarks, preços e tudo o que você precisa

Em 22 de setembro de 2026, o lançamento do GPT-6 Sol e Luna levou a nova geração da OpenAI à API por metade do preço do GPT-5.6. O Sol custa US$ 2,00 por milhão de tokens de entrada e atinge 68,8% no DeepSWE v1.1. O Luna sai por US$ 0,10 e fica 2,2 pontos atrás. Aqui você encontra a tabela de preços, os benchmarks contra o Claude com a ressalva que os 80% da manchete escondem, as especificações de contexto e limite de taxa e um critério para escolher entre Sol, Luna e Astra. Preço em reais não existe: a OpenAI cobra só em dólar.

• US$ 2,00 de entrada e US$ 10,00 de saída por milhão de tokens no GPT-6 Sol, metade do GPT-5.6 Sol, na tabela publicada pela OpenAI em 22 de setembro de 2026
• 68,8% de acerto do GPT-6 Sol no DeepSWE v1.1 em esforço máximo, contra 69,9% do Claude Fable 5, nos números divulgados pela OpenAI em setembro de 2026
• 1.050.000 tokens de janela de contexto no Sol e no Luna, segundo a documentação da API da OpenAI consultada em 22/09/2026
• 8,5% de sucesso em injeção indireta de prompt no GPT-6 Astra, contra 27,0% do GPT-5.6 Sol, no cartão de sistema publicado pela OpenAI em 3 de setembro de 2026

O que muda com o lançamento do GPT-6 Sol e Luna

Em 22 de setembro de 2026, a OpenAI lançou o GPT-6 Sol e o GPT-6 Luna: duas versões menores e mais baratas da família GPT-6, feitas para herdar do Astra os avanços em trabalho profissional, precisão factual, código, uso de computador e alinhamento. O anúncio oficial do GPT-6 Sol e Luna apresenta os dois como modelos mais rápidos e acessíveis que carregam o que o Astra trouxe de novo. Na prática, o lançamento do GPT-6 sai da fase de produto restrito e vira algo que você consegue colocar num pipeline com orçamento normal.

A divisão de papéis dentro da geração ficou assim:

• GPT-6 Astra: o topo da linha, anunciado em 3 de setembro de 2026 como o sistema mais capaz e alinhado que a empresa já publicou
• GPT-6 Sol: o degrau intermediário-alto, para quem precisa de confiabilidade próxima do Astra sem pagar o preço do Astra
• GPT-6 Luna: o modelo de baixo custo, para volume alto e tarefas em que uma perda pequena de precisão é aceitável

A cronologia foi curta. O Astra chegou primeiro a um grupo limitado de organizações aprovadas, começando pelos participantes do programa Daybreak, voltado a cibersegurança, e teve disponibilidade geral no dia seguinte no ChatGPT Plus, Pro, Business e Enterprise, na API e na Amazon Web Services. Dezenove dias depois vieram o Sol e o Luna. Quem esperava o padrão antigo (meses entre o modelo grande e as versões econômicas) teve de ajustar o calendário.

O nome não é novo. A linha GPT-5.6 já usava Sol, Terra e Luna, e o GPT-5.6 Sol entrou em prévia em junho de 2026. A diferença é que a família GPT-6 saiu sem Terra: até 22 de setembro de 2026, a OpenAI só anunciou Astra, Sol e Luna. Se você tinha carga rodando no GPT-5.6 Terra, não existe um sucessor com o mesmo nome. A escolha passa a ser entre subir para o Sol ou descer para o Luna.

Há um detalhe de calendário que diz muito sobre o ritmo do setor. A Anthropic lançou o Claude Opus 5.5 cerca de 90 minutos antes do anúncio da OpenAI, no mesmo 22 de setembro. Dois laboratórios publicando modelos concorrentes na mesma manhã deixa claro que a disputa agora se mede em horas, e isso afeta diretamente quem precisa decidir qual API vai sustentar um produto pelos próximos meses.

Quanto custa o GPT-6 Sol e o GPT-6 Luna na API

O GPT-6 Sol custa US$ 2,00 por milhão de tokens de entrada e US$ 10,00 por milhão de tokens de saída na API da OpenAI, e o GPT-6 Luna custa US$ 0,10 e US$ 0,50, com preços válidos desde 22 de setembro de 2026. Entrada em cache sai por US$ 0,20 no Sol e US$ 0,01 no Luna.

Modelo	Entrada (1M tokens)	Saída (1M tokens)	Entrada em cache
GPT-6 Sol	US$ 2,00	US$ 10,00	US$ 0,20
GPT-6 Luna	US$ 0,10	US$ 0,50	US$ 0,01
GPT-5.6 Sol (preço anterior)	US$ 4,00	US$ 20,00	sem dado público
GPT-5.6 Luna (após corte de julho de 2026)	US$ 0,20	US$ 1,20	sem dado público

O corte é de 50% em relação aos preços promocionais do GPT-5.6, e a OpenAI atribui a redução a melhorias de cache e de inferência repassadas ao cliente. No Luna, a saída caiu para menos da metade: de US$ 1,20 para US$ 0,50 por milhão de tokens.

E essa não foi a primeira tesourada do ano. Em 30 de julho de 2026, a OpenAI cortou o GPT-5.6 Luna em 80%, de US$ 1,00/US$ 6,00 para US$ 0,20/US$ 1,20, e o GPT-5.6 Terra em 20%, mantendo o Sol intacto naquele momento. A CNBC ligou o movimento a clientes corporativos mais sensíveis a custo e à concorrência de startups chinesas, Google e Microsoft. Some as duas rodadas e o resultado é este: quem pagava US$ 1,00 por milhão de tokens de entrada no Luna em julho paga um décimo disso no GPT-6 Luna em setembro.

Para efeito de comparação no mesmo dia, a Anthropic precificou o Claude Opus 5.5 em US$ 4,00 de entrada e US$ 20,00 de saída por milhão de tokens, afirmando um custo cerca de 40% menor que o Opus 5 em cargas típicas. Na tabela de preços, o Sol custa metade do Opus 5.5 por token. Só que preço por token engana. O que pesa na fatura é o custo por tarefa concluída com sucesso, e isso depende de quantos tokens cada modelo queima raciocinando até chegar lá. Segundo o TechCrunch, ainda não existe comparação pública no mesmo harness (mesma metodologia de teste) que diga se o Sol ou o Opus 5.5 entrega a tarefa mais barata.

Um ponto que vale deixar explícito para quem orça no Brasil: não há preço em reais nem política regional para o Sol e o Luna. A API é cobrada em dólar, e a OpenAI não anunciou variação de preço por país nesta rodada. Qualquer número em R$ que você encontrar por aí é conversão feita por terceiros, e vai envelhecer na próxima oscilação do câmbio.

Benchmarks do GPT-6 Sol e Luna frente ao Claude

Nos benchmarks divulgados no lançamento, o GPT-6 Sol em esforço máximo atinge 68,8% no DeepSWE v1.1, contra 69,9% do Claude Fable 5 em esforço "xhigh", e o GPT-6 Luna chega a 66,6% no mesmo teste de engenharia de software. Os números são da própria OpenAI, medidos no harness dela, em setembro de 2026.

A parte que a OpenAI mais destaca é o custo. Pela estimativa da empresa, o Sol entrega esse 68,8% a um custo por tarefa cerca de 80% menor que a configuração comparável do Fable 5. O Luna vai mais longe: custo por tarefa 93% menor que a configuração equivalente do Opus 5 e 96% menor que a do Fable 5.

No DeepSWE v1.1, o GPT-6 Luna resolve 66,6% das tarefas com custo por tarefa 96% menor que a configuração comparável do Claude Fable 5, segundo a estimativa publicada pela OpenAI em setembro de 2026.

Aqui entra a ressalva que quase todo artigo sobre esse lançamento pula. Em uma configuração intermediária, o Opus 5 chega a 68,9%, praticamente empatado com o Sol, por US$ 3,29 por tarefa. O Sol custa US$ 2,74 na mesma faixa. A diferença é de US$ 0,55, algo perto de 17%, e não os 80% da manchete. Os dois números são verdadeiros. Eles só comparam coisas diferentes: os 80% saem de um confronto entre o Sol e a configuração mais cara do Fable 5, enquanto o pareamento ponto a ponto na mesma faixa de acerto encolhe a vantagem para uma fração daquilo.

O que ninguém descobre até rodar o próprio harness é que o nível de esforço muda a conta inteira. O mesmo modelo, no mesmo teste, pode custar o dobro ou a metade dependendo de quanto raciocínio você libera por chamada. Comparar "modelo A contra modelo B" sem fixar o esforço dos dois é comparar dois carros sem dizer em que marcha cada um estava.

Na minha leitura, o número mais interessante da rodada é o do Luna. Ficar 2,2 pontos abaixo do Sol num benchmark de código, pagando uma fração do preço, é o tipo de diferença que uma suíte de testes automatizada absorve sem drama em muitos fluxos de trabalho. Para revisão de PR de rotina, isso pesa mais do que o empate técnico entre Sol e Fable 5.

Fora do código, a OpenAI reporta que o GPT-6 Sol comete cerca de metade dos erros do GPT-5.6 Sol na avaliação interna de factualidade, com confiabilidade equivalente à do Astra a um custo muito menor. Duas ressalvas de peso: essa avaliação é interna, sem contraparte pública independente até 22 de setembro de 2026, e todos os resultados desta seção, incluindo os que envolvem modelos da Anthropic, foram medidos e publicados pela OpenAI. Até aparecer uma comparação no mesmo harness feita por terceiros, trate os percentuais de custo como ordem de grandeza, e meça o custo por tarefa na sua própria carga antes de migrar qualquer coisa de produção.

Como o GPT-6 Astra se compara ao Sol e ao Luna

O GPT-6 Astra é o modelo de referência da geração: o Sol e o Luna herdam seus avanços, mas quem define o teto de capacidade da família em setembro de 2026 é ele. Foi anunciado em 3 de setembro como o sistema mais capaz e alinhado que a OpenAI já publicou, treinado com mais de 100 mil GPUs no complexo Stargate, no Texas, o maior processo de treinamento da história da empresa.

Os resultados do cartão de sistema do GPT-6 Astra mostram onde esse teto está:

Benchmark	GPT-6 Astra	Referência
FrontierMath Tier 4 (matemática avançada)	97,6%	teste saturado
ARC-AGI-3	99,9%	harness de adaptador de provedor da OpenAI
ExploitBench (exploração de vulnerabilidades)	100%	acerto total
OSWorld 2.0 (uso de computador)	72,6%	65,7% do modelo anterior, com 47% menos tempo por tarefa
Humanity's Last Exam (com ferramentas)	57,2%	65,0% do Claude Fable 5.1 e 63,6% do Opus 5

Três desses números dizem mais que os outros dois. Saturar o FrontierMath Tier 4 significa que o teste deixou de discriminar modelos nessa faixa, o que é notícia boa para a OpenAI e ruim para quem precisa medir progresso daqui em diante. Os 100% no ExploitBench explicam por que o Astra saiu primeiro para o programa Daybreak, focado em cibersegurança, e só depois para o público geral. E o OSWorld 2.0 é o que mais interessa a quem constrói agentes: sete pontos a mais de acerto e quase metade do tempo por tarefa em uso de computador.

O Astra não varre tudo. No Humanity's Last Exam com ferramentas, ele fica quase oito pontos atrás do Claude Fable 5.1 e mais de seis atrás do Opus 5. É um resultado da própria OpenAI, publicado no cartão de sistema dela, o que dá ao número um peso maior do que se viesse de um concorrente.

E onde Sol e Luna entram nessa história? A OpenAI publicou o DeepSWE e a avaliação de factualidade para os dois modelos menores, mas não divulgou resultados deles no FrontierMath, no ARC-AGI-3, no ExploitBench nem no OSWorld 2.0 até 22 de setembro de 2026. Presumir que o Sol fica "um pouco abaixo" do Astra nesses testes é chute. O que dá para afirmar com os dados disponíveis é mais estreito: em factualidade, a OpenAI coloca o Sol em paridade com o Astra, e em código a diferença entre os três modelos cabe em poucos pontos.

Quem precisa de uso de computador longo, matemática de fronteira ou trabalho ofensivo em segurança ainda tem motivo para pedir o Astra. Para o resto, o modelo grande vira o ponto de comparação, e a pergunta passa a ser quanto de cada capacidade sobreviveu ao encolhimento.

Especificações técnicas: contexto, ferramentas e limites de taxa

O GPT-6 Sol e o GPT-6 Luna têm janela de contexto de 1.050.000 tokens, saída máxima de 128.000 tokens e aceitam entrada de texto e imagem, com limites de taxa que começam em 500 requisições por minuto no nível 1 da API. Os dados abaixo saem da documentação oficial do modelo GPT-6 Sol e da página equivalente do Luna, consultadas em 22 de setembro de 2026.

Especificação	GPT-6 Sol	GPT-6 Luna
Janela de contexto	1.050.000 tokens	1.050.000 tokens
Saída máxima	128.000 tokens	128.000 tokens
Corte de conhecimento	20/04/2026	18/05/2026
Limite nível 1	500 RPM / 500 mil TPM	500 RPM / 500 mil TPM
Limite nível 5	15.000 RPM / 40M TPM	30.000 RPM / 180M TPM
Identificador na API	gpt-6-sol	gpt-6-luna

Uma curiosidade da tabela: o Luna tem corte de conhecimento quase um mês mais recente que o Sol. Se a sua carga depende de fatos de maio de 2026, o modelo barato sabe mais do que o caro.

As ferramentas disponíveis são as mesmas para os dois modelos:

• busca na web
• busca em arquivos
• interpretador de código
• uso de computador
• geração de imagem
• integrações via Responses API e MCP

O nível de esforço de raciocínio é configurável em seis degraus: none, low, medium (o padrão), high, xhigh e max. Isso importa porque os números de benchmark publicados pela OpenAI foram obtidos em max para o Sol, e o custo por chamada sobe junto com o esforço. Rodar em medium sem ajustar nada vai te dar um modelo mais barato e mais rápido do que o dos gráficos de lançamento, e provavelmente menos preciso também. Fixe o nível explicitamente no código em vez de confiar no padrão.

Sobre limites de taxa, há um detalhe que só aparece quando você tenta usar a janela inteira. No nível 1, o teto é de 500 mil tokens por minuto. A janela de contexto tem 1.050.000 tokens. Ou seja: uma única requisição que ocupe o contexto completo estoura o limite por minuto da conta básica. Contexto de um milhão de tokens é, nesse nível, uma promessa que só se cumpre em contas maiores ou com requisições espaçadas no tempo.

No nível 5 a folga é outra, e é aí que a diferença entre os dois modelos fica visível: o Luna aceita o dobro de requisições por minuto (30.000 contra 15.000) e mais de quatro vezes os tokens por minuto do Sol (180 milhões contra 40 milhões). A OpenAI desenhou o Luna para ser martelado em volume. Se o seu caso é processar milhares de documentos por hora, essa coluna da tabela pesa tanto quanto a de preço.

O que a documentação não diz, até 22 de setembro de 2026, são os critérios para subir de nível nem se há limites diferentes por região. Para saber em que nível a sua conta está, o único caminho é o painel da própria API.

Segurança e alinhamento: o que o cartão de sistema revela

O cartão de sistema do GPT-6 Astra, publicado em 3 de setembro de 2026 no hub de segurança de implantação da OpenAI, revela que o Astra foi o primeiro modelo da empresa a cruzar o limiar "crítico" de capacidade em cibersegurança dentro do Preparedness Framework. Cruzar esse limiar aciona salvaguardas internas novas e uma liberação escalonada baseada em confiança, e é isso que explica por que o modelo grande saiu primeiro para organizações aprovadas em vez de para todo mundo.

O documento traz três medições de alinhamento em que o Astra é comparado ao GPT-5.6 Sol:

Métrica de segurança	GPT-6 Astra	GPT-5.6 Sol
Sucesso de injeção indireta de prompt (Gray Swan IPI Arena, 1.810 ataques)	8,5%	27,0%
Tentativas de exploração em honeypots (ExploitGym, tarefas difíceis)	0%	55,4%
Sinalizações de desalinhamento severidade 3+ (54.218 tarefas do Codex)	0,063%	0,135%

O número que mais me chamou atenção foi o dos honeypots. O ExploitGym planta armadilhas: oportunidades de exploração que o modelo poderia usar para completar uma tarefa difícil por um atalho indevido. O GPT-5.6 Sol tentou o atalho em 55,4% das tarefas difíceis. O Astra, em zero. Não é uma queda; é uma mudança de comportamento.

A injeção indireta de prompt é a métrica que pesa para quem constrói agentes de IA que leem conteúdo externo. Um agente que abre e-mails, páginas ou PDFs está exposto a instruções escondidas nesse conteúdo, e a taxa de 8,5% de sucesso em 1.810 ataques quer dizer que, a cada doze tentativas, uma ainda funciona. É um terço do que o GPT-5.6 Sol permitia, e continua longe de zero. Guardrails na camada da aplicação seguem obrigatórios.

A simulação no Codex tem outro valor: escala. São 54.218 tarefas internas reais, com uma taxa de sinalização de desalinhamento severa que caiu de 0,135% para 0,063%, redução de cerca de 53%. Em termos práticos, num fluxo de 10 mil tarefas de código por dia, isso é passar de treze para seis ocorrências sinalizadas.

E o Sol e o Luna? A OpenAI afirma que os dois herdam os avanços de alinhamento do Astra, mas o anúncio de 22 de setembro de 2026 não publica para eles as mesmas três métricas. Até que apareça um cartão de sistema próprio dos modelos menores, o mais honesto é tratar os números acima como referência do topo da geração e não como garantia para o gpt-6-luna rodando no seu pipeline. Teste injeção de prompt com o modelo que você vai usar de fato.

Onde usar o GPT-6 Sol e Luna: ChatGPT, Codex e API

O GPT-6 Sol e o GPT-6 Luna estão disponíveis desde 22 de setembro de 2026 no ChatGPT Work e no Codex para os planos Plus, Pro, Business, Enterprise e Edu, e na API pelos identificadores gpt-6-sol e gpt-6-luna. A liberação foi gradual ao longo do dia do lançamento, então duas contas do mesmo plano podem ter visto o modelo com horas de diferença.

O mapa de acesso ficou assim:

• ChatGPT Work e Codex (Plus, Pro, Business, Enterprise e Edu): Sol e Luna, com liberação escalonada a partir de 22/09/2026
• Planos gratuito e Go: só o Luna, e só no aplicativo de desktop
• Chat padrão do ChatGPT: nenhum dos dois, até a publicação do anúncio
• API da OpenAI: gpt-6-sol e gpt-6-luna, cobrados em dólar

A parte que mais gera confusão é a do plano gratuito. Quem abre o ChatGPT no navegador ou no celular sem pagar não encontra o Luna, porque a OpenAI restringiu esse acesso ao app de desktop. É a continuação de um movimento anterior da empresa, que já tinha ampliado o GPT-5.6 Luna para usuários gratuitos do ChatGPT, agora com o modelo da nova geração e com uma plataforma a menos.

E o Chat comum? Segue sem os dois. Sol e Luna vivem no ChatGPT Work e no Codex, os produtos voltados a trabalho e a código. Se você escolhe modelo na lista da conversa padrão e não vê o GPT-6, o comportamento é esse mesmo. Nada quebrou.

Na API, a troca é uma string. Quem roda gpt-5.6-sol hoje muda o identificador para gpt-6-sol e mantém o resto da chamada, incluindo o nível de esforço que já estava configurado. O que muda por baixo é o custo e a precisão, e é por isso que a migração merece uma bateria de testes antes de virar padrão, mesmo sendo uma alteração de uma linha.

Sobre disponibilidade por país, o anúncio organiza a liberação por plano e por produto, sem lista de regiões. Nada nele indica bloqueio para contas brasileiras, e a página oficial é o lugar para confirmar se algo mudar depois de 22 de setembro de 2026.

Sol ou Luna: qual modelo escolher para cada tipo de tarefa

Escolha o GPT-6 Luna para volume alto com tolerância a uma diferença de 2,2 pontos em código, o GPT-6 Sol quando precisar da precisão factual do Astra em esforço alto, e o Astra em si para uso de computador longo, matemática de fronteira ou segurança ofensiva. A decisão sai dos dados de setembro de 2026, e o critério é sempre o mesmo: quanto uma falha a mais custa comparado a quanto cada chamada custa.

Quando o Luna compensa. Revisão de PR de rotina, classificação de tickets, extração de campos de documentos, primeira resposta em atendimento com humano na retaguarda. Nesses fluxos, os 66,6% do Luna no DeepSWE v1.1 contra 68,8% do Sol viram uma diferença que a suíte de testes ou o revisor humano absorve, e a conta entra em outra escala: US$ 0,10 por milhão de tokens de entrada e US$ 0,50 de saída, com teto de 30.000 requisições por minuto no nível 5. Um pipeline de RAG que processa milhares de documentos por hora é o caso clássico. O corte de conhecimento em 18/05/2026 ainda joga a favor do modelo barato.

Quando o Sol vale a diferença. Quando a resposta vai direto para o cliente sem revisão, quando o erro factual custa mais que o token, e quando a tarefa exige o nível high ou acima. A OpenAI coloca o Sol em paridade com o Astra em factualidade, com metade dos erros do GPT-5.6 Sol, por US$ 2,00 de entrada e US$ 10,00 de saída. Para um chatbot de suporte de uma seguradora, esse é o degrau mínimo.

Quando ainda faz sentido pedir o Astra. Agentes que operam uma interface por dezenas de passos (72,6% no OSWorld 2.0, com 47% menos tempo por tarefa), matemática de pesquisa (97,6% no FrontierMath Tier 4) e trabalho ofensivo em segurança (100% no ExploitBench). A OpenAI não publicou resultados de Sol e Luna nesses testes, então ninguém sabe o tamanho da perda ao descer de degrau.

Um alerta de quem já migrou modelo em produção: comece pelo Luna e suba, em vez de começar pelo Sol e tentar descer depois. É bem mais fácil justificar um upgrade com uma métrica de erro na mão do que convencer alguém a trocar por um modelo mais barato sem prova de que nada piora.

Perguntas frequentes sobre o lançamento do GPT-6

O GPT-6 já está disponível no Brasil?

Sim, para contas nos planos Plus, Pro, Business, Enterprise e Edu do ChatGPT Work e do Codex, e para qualquer conta da API, desde 22 de setembro de 2026. O anúncio da OpenAI organiza a liberação por plano e por produto, sem restrição por país. Contas gratuitas e Go só recebem o Luna, e só no aplicativo de desktop.

Quanto custa o GPT-6 em reais?

Não existe preço oficial em reais. A OpenAI publica a tabela da API apenas em dólar (US$ 2,00/US$ 10,00 por milhão de tokens no Sol e US$ 0,10/US$ 0,50 no Luna) e não anunciou variação regional para o Brasil nesta rodada. Qualquer valor em R$ é conversão feita por terceiros e muda com o câmbio.

Qual a diferença entre GPT-6 Sol, Luna e Astra?

O Astra é o modelo de topo, anunciado em 3 de setembro de 2026 e liberado primeiro a organizações aprovadas. O Sol é a versão intermediária-alta, com precisão factual equivalente à do Astra a custo bem menor. O Luna é o modelo de baixo custo, cerca de 2,2 pontos abaixo do Sol em código, feito para volume.

O GPT-6 é melhor que o Claude?

Depende do teste. No DeepSWE v1.1 medido pela OpenAI, o Sol fica 1,1 ponto atrás do Claude Fable 5 com custo por tarefa menor. No Humanity's Last Exam com ferramentas, o Astra perde para o Fable 5.1 e para o Opus 5. Até 22 de setembro de 2026 não há comparação independente no mesmo harness entre o Sol e o Claude Opus 5.5.

Vai existir GPT-6 Terra?

A OpenAI não anunciou um GPT-6 Terra até 22 de setembro de 2026. A linha GPT-5.6 tinha Sol, Terra e Luna, mas a família GPT-6 saiu com Astra, Sol e Luna. Quem usa o GPT-5.6 Terra precisa escolher entre subir para o Sol ou descer para o Luna.

O GPT-6 Luna é gratuito no ChatGPT?

Sim, com duas limitações. Usuários dos planos gratuito e Go acessam o Luna apenas pelo aplicativo de desktop do ChatGPT, e o modelo não aparece na conversa padrão. No navegador e no celular, a conta gratuita não vê o GPT-6 Luna.

Qual a janela de contexto do GPT-6?

O GPT-6 Sol e o GPT-6 Luna têm janela de contexto de 1.050.000 tokens e saída máxima de 128.000 tokens, segundo a documentação da OpenAI consultada em 22 de setembro de 2026. No nível 1 da API, o limite de 500 mil tokens por minuto impede usar a janela inteira em uma única requisição.

O GPT-6 Sol é mais barato que o GPT-5.6 Sol?

Sim, exatamente a metade. O GPT-5.6 Sol custava US$ 4,00 de entrada e US$ 20,00 de saída por milhão de tokens, e o GPT-6 Sol custa US$ 2,00 e US$ 10,00. A OpenAI atribui o corte a melhorias em cache e inferência.

Próximos passos para testar o GPT-6 Sol e Luna hoje

Para testar o GPT-6 Sol e Luna hoje, ative o modelo no ChatGPT Work ou no Codex conforme o seu plano, troque o identificador na API para gpt-6-sol ou gpt-6-luna e meça o custo por tarefa no seu próprio harness antes de mover qualquer carga de produção.

A ordem que recomendamos:

1. Rode a sua suíte de testes com o Luna em medium, o padrão, e anote acerto e custo por tarefa.
2. Repita com o Sol no mesmo nível de esforço e só depois em high, para saber quanto cada degrau custa na sua carga, sem se apoiar nos percentuais da OpenAI.
3. Fixe o nível de esforço explicitamente no código.
4. Acompanhe a página oficial do lançamento e a documentação da API para qualquer variação regional de preço, que até 22 de setembro de 2026 não existe.

Uma tarde de medição vale mais que qualquer gráfico de lançamento. Se você prefere que alguém monte esse harness e a migração com você, fale com o time da AlphaCorp AI.