OpenAI объявила о снижении стоимости своей линейки моделей GPT-5.6 и внедрении нового режима Fast для API. Изменения затрагивают тарифы Luna и Terra, которые относятся к более доступным вариантам компании. Также были представлены сравнительные данные по производительности и стоимости Luna по отношению к аналогичным решениям от Google, Anthropic и других компаний.

Снижение цен на GPT-5.6

Стоимость API для всех моделей GPT-5.6 была уменьшена вследствие повышения эффективности работы, чему способствовали и сами модели. Тариф Luna, отличающийся высокой скоростью и доступностью, стал дешевле на 80%. Тариф Terra, предназначенный для повседневных задач, подешевел на 20%. Новые цены вступили в силу с 30 июля.

Подписки и лимиты для сервисов ChatGPT и Codex остались без изменений, однако использование моделей Terra и Luna теперь расходует меньше кредитов в рамках этих планов.

Новый режим Fast для API

В API появился режим Fast, который заменил прежний уровень Priority Processing. Для модели GPT-5.6 Sol режим Fast обеспечивает обработку запросов до 2,5 раз быстрее стандартной скорости при двойной стоимости, при этом качество вывода не изменяется. Все существующие запросы с тегом "priority" автоматически переведены в новый режим.

Сравнение производительности и стоимости

По производительности Luna теперь сопоставима с моделями, которые год назад считались передовыми, при стоимости около 6 центов за задачу и почти в девять раз большей скорости. В профессиональном бенчмарке Agents' Last Exam Luna показала результаты выше, чем Claude Fable 5, при этом стоимость задачи оказалась почти на 99% ниже.

На индексе Artificial Analysis v4.1 GPT-5.6 Luna набирает более 51 балла при стоимости около $0,05 за задачу, что сопоставимо или превосходит конкурентов, таких как Claude Opus 5 Low и Gemini 3.6 Flash, которые стоят в 5–10 раз дороже.

Причины повышения эффективности

Достигнутые результаты объясняются работой по трем направлениям: архитектура модели, системы инференса и агентная связка, объединяющая модели с инструментами. Модель GPT-5.6 Sol принимала участие в поиске улучшений, автономно переписывая производственные ядра и проводя многочисленные эксперименты для повышения эффективности генерации токенов. Оптимизация ядра позволила снизить совокупные издержки на обслуживание модели на 20%, а эксперименты увеличили эффективность генерации токенов более чем на 15%.