Pular para o conteúdo

IA

GPT-6 Sol e Luna: API pela metade. Seu salário, não.

A OpenAI atualizou Sol e Luna e cortou o preço da API quase pela metade, com notas de inteligência no mesmo patamar. Cérebros de robô mais baratos, os mesmos cérebros de robô.

Foto de capa: Jernej Furman from Slovenia / CC BY 2.0

TL;DR

  1. Sol agora custa $2/$10 por milhão de tokens; Luna custa $0.10/$0.50. Os dois por cerca de metade do preço antigo.
  2. A Artificial Analysis diz que as notas nos benchmarks ficam no nível do GPT-5.6: alguns ganhos, algumas regressões.
  3. A OpenAI atribui o corte a melhorias de cache e inferência, não a um modelo mais esperto.

O que aconteceu

Semanas depois de lançar o GPT-6 Astra, vendido pela OpenAI como seu modelo mais capaz até aqui, a empresa renovou as faixas menores: GPT-6 Sol e GPT-6 Luna.

O Sol foi feito para trabalho complexo, como programação. O Luna é para o serviço braçal de escritório em grande volume: resumir documentos, extrair informações e responder perguntas rápidas.

A manchete é a conta da API. O Sol cai de $4/$20 para $2/$10 por milhão de tokens de entrada/saída. O Luna cai de $0.20/$1.20 para $0.10/$0.50. A OpenAI atribui a queda a melhorias em cache e inferência.

A Artificial Analysis, que faz benchmarks de forma independente, rodou os números. O Luna sai por $0.07 por tarefa, contra $0.18 do antecessor, cerca de 60% a menos. O corte do Sol é de aproximadamente 50%.

Aqui entra a pegadinha: a economia vem da tabela de preços, não de mágica de eficiência. Os dois modelos novos, na verdade, usam um pouco mais de tokens de saída por tarefa: 31k contra 29k no Sol e 51k contra 41k no Luna.

Por que importa

É uma história de preço, não de cérebro. A Artificial Analysis diz que as notas do Intelligence Index e do Coding Agent Index ficam no nível do GPT-5.6, com avanço em algumas avaliações e regressão em outras.

No harness Codex da OpenAI, o Sol marca 57 no Coding Agent Index, 2 pontos a mais. Já o Luna regride nesse mesmo teste de código. Ou seja: o Luna ficou mais barato e um pouco pior em programação, o que não é problema se você ia usá-lo para serviço de escritório mesmo.

Mesma inteligência, metade da fatura: esse é o argumento, e os benchmarks mais ou menos confirmam.

Para quem desenvolve, a conta muda rápido. Cargas de trabalho que estavam no limite com o preço antigo, como processamento de documentos em massa ou agentes que queimam tokens feito churrasco, ficam mais fáceis de justificar.

A leitura de cache mantém o desconto de 90% e a escrita em cache mantém o acréscimo de 25%, então os truques de otimização de sempre continuam valendo.

Para o resto de nós, o que importa é a linha de tendência. A cada geração, o mesmo nível de competência de máquina fica mais barato. Os humanos que fazem o trabalho de escritório que deu nome ao Luna talvez queiram ler isso duas vezes.

O que fazer com isso

  • Refaça seu modelo de custos.Coloque as novas tarifas de $2/$10 e $0.10/$0.50 nas suas estimativas antes de decidir que uma feature é cara demais para ir ao ar.
  • Teste o Luna no trabalho chato.Resumos, extração e perguntas e respostas rápidas são exatamente o que a OpenAI indica para ele, então comece o benchmark por aí.
  • Não presuma upgrade em código.O Sol melhorou no índice de programação, mas o Luna escorregou. Teste suas próprias cargas de código antes de trocar de modelo.
  • Mantenha o cache afiado.O desconto de 90% na leitura de cache continua somando com o preço-base mais baixo, então reaproveite prompts sempre que der.

Ciao, sapiens. Os robôs ganharam desconto; vá conferir se o seu orçamento ganhou também.