OpenAI משיקה את GPT‑6 Sol ו-Luna: מחירי ה-API נחתכו בחצי

OpenAI הרחיבה את משפחת GPT‑6 בשני דגמים חדשים, GPT‑6 Sol ו-GPT‑6 Luna. החברה מתארת אותם כגרסאות מהירות וזולות יותר של דגל הדגל GPT‑6 Astra, שהוצג בתחילת החודש: הם אומנו בשיטות דומות ומעבירים את ההישגים של Astra בעבודה מקצועית, בדיוק עובדתי, בתכנות, בשימוש במחשב וביישור (alignment) לשימוש יומיומי.

מה הציגה OpenAI

לפי OpenAI, העבודה מתרחשת «בהיקפים, בקצבים ובתקציבים שונים». Astra נשאר הדגם היכולתי ביותר והבחירה לפרויקטים התובעניים ביותר, בעוד Sol מיועד לעומסי עבודה מקצועיים כבדים יותר ו-Luna למשימות קלות יותר. החברה אומרת ששני הדגמים מובילים בעקומת העלות-אינטליגנציה, בין היתר הודות לשיפורים ב-caching ובאינפרנס שמאפשרים לשרת אותם בעלות נמוכה יותר.

מחירי ה-API נחתכו בחצי

החיסכון עובר ישירות למשתמשים: המחירים למיליון טוקנים יורדים ב-50% לעומת מחירי הפרומו של GPT‑5.6. GPT‑6 Sol יורד מ-4 ל-2 דולר לקלט ומ-20 ל-10 דולר לפלט, ו-GPT‑6 Luna מ-0.20 ל-0.10 דולר לקלט ומ-1.20 ל-0.50 דולר לפלט.

תוצאות הבנצ'מרקים

ב-AutomationBench, שבוחן סוכנים על תהליכי עבודה עסקיים מקצה לקצה עם 47 כלים, GPT‑6 Sol ברמת reasoning גבוהה במיוחד מגיע ל-33.2% בעלות של 0.27 דולר למשימה. לדברי OpenAI, זה עולה על Claude Opus 5 ברמה המקסימלית (26.9%) ב-9% בלבד מעלותו, וגם עוקף את Claude Fable 5.1 במחיר נמוך בהרבה. GPT‑6 Luna ברמה גבוהה משפר את קודמו ב-5.4 נקודות אחוז בעלות נמוכה ב-58%.

גם בהערכות אחרות התמונה דומה: ב-Agents' Last Exam מגיע Sol ברמה המקסימלית ל-56.4%; בהערכת הדיוק העובדתי הפנימית הוא עושה כמחצית מהטעויות של קודמו ומתקרב לאמינות של Astra, ו-Luna ברמות גבוהות משתווה ל-GPT‑5.6 Sol בכמאית העלות. ב-DeepSWE v1.1 מגיע Sol ל-68.8% — במרחק 1.1 נקודות מ-69.9% של Claude Fable 5 — בעלות נמוכה בכ-80%, וב-OSWorld 2.0 הוא מגיע ל-60.5% בשימוש במחשב.

זמינות ו-caching

שני הדגמים זמינים ב-ChatGPT Work וב-Codex למשתמשי Plus, Pro, Business, Enterprise ו-Edu; GPT‑6 Luna יגיע גם למשתמשי Free ו-Go באפליקציית הדסקטופ, אך ב-Chat הם עדיין לא זמינים. ב-API הם מופיעים כ-gpt-6-sol ו-gpt-6-luna, וההפצה תתבצע בהדרגה במהלך היום. OpenAI מדווחת גם על שיפור ב-prompt caching עם שיעורי פגיעה גבוהים יותר והנחה של 90% בקריאת טוקני קלט מה-cache; לפי GitHub, חלק הטוקנים הנדרשים לעיבוד מחדש ירד ביותר מ-50%.