GPT-5.6 Terra i Luna: Równowaga i wolumen
Na tej stronie
Stan na 5 listopada 2026 r. Poniższa tabela odzwierciedla aktualne ceny: od 30 lipca 2026 r. Luna jest o 80% tańsza, a Terra o 20% tańsza niż w dniu premiery, kiedy ich stawki wynosiły odpowiednio 1 $ / 6 $ oraz 2,50 $ / 15 $. W przypadku nowych projektów rodzina GPT-6 jest jeszcze tańsza: GPT-6 Luna kosztuje 0,10 $ / 0,50 $, GPT-6.1 Terra 1 $ / 5 $, a GPT-6.1 Sol 2 $ / 10 $ – niewiele więcej niż GPT-5.6 Terra (Lekcja 9). GPT-5.6 Terra i Luna pozostają oficjalnymi zamiennikami modeli
gpt-5-miniigpt-5-nano, które wycofano 11 grudnia.
Latarnia morska nie nadaje się do każdego zadania. Płacenie stawki modelu Sol za klasyfikację zgłoszeń wsparcia czy ekstrakcję dat z faktur to marnotrawstwo. Właśnie dlatego rodzina GPT-5.6 składa się z trzech modeli. OpenAI pozycjonuje Terrę jako zrównoważony wybór do codziennej pracy, a Lunę jako najszybszą i najbardziej ekonomiczną opcję. Właściwy wybór nie zależy od hierarchii prestiżu, lecz od stosunku jakości do kosztu w przypadku każdego zadania z osobna.
Trzy modele obok siebie (stan na 5 listopada 2026 r.)
| Sol | Terra | Luna | |
|---|---|---|---|
| Rola | Latarnia: złożone zadania | Równowaga między inteligencją a kosztem | Wolumen, minimalny koszt |
| Identyfikator | gpt-5.6-sol | gpt-5.6-terra | gpt-5.6-luna |
| Wejście (za milion tokenów) | 4 $ (promocja) | 2 $ | 0,20 $ |
| Wyjście (za milion tokenów) | 20 $ | 12 $ | 1,20 $ |
| Wysiłek rozumowania | none do max | none do max | none do max |
Trzy zasady rozliczeń uzupełniają ten obraz. Po przekroczeniu 272 000 tokenów wejściowych całe żądanie przechodzi na stawkę „długi kontekst“: podwójną dla wejścia i 1,5-krotną dla wyjścia. Oznacza to odpowiednio 8 $ / 30 $ dla Sola, 4 $ / 18 $ dla Terry i 0,40 $ / 1,80 $ dla Luny. Przetwarzanie wsadowe (Batch) i elastyczne (Flex) kosztuje połowę ceny. Ponadto od wersji GPT-5.6 zapis do 30-minutowej pamięci podręcznej (cache) jest rozliczany według stawki 1,25-krotnej ceny wejścia, a do 12-godzinnego cache’u wprowadzonego 20 października – według stawki 2,5-krotnej; odczyt z pamięci podręcznej zachowuje 90-procentową zniżkę.
Ostatni wiersz tabeli jest identyczny we wszystkich trzech kolumnach. Wszystkie trzy modele przyjmują jako dane wejściowe tekst i obrazy, oferują to samo okno kontekstowe o pojemności 1,05 miliona tokenów i obsługują te same poziomy wysiłku rozumowania, od none do max. Różnica leży w stosunku wydajności do ceny, a nie w liście funkcji.
Jak wybrać
Terra to solidny punkt wyjścia do codziennej pracy: pisania, podsumowywania, asystowania i rutynowego kodowania. Przy cenie 2 $ za wejście i 12 $ za wyjście kosztuje połowę tego co Sol w przypadku wejścia i o 40% mniej w przypadku wyjścia. Prosta zasada: zacznij od Terry i płać stawkę Sola tylko wtedy, gdy Terra konkretnie zawiedzie w Twoich przypadkach użycia.
Sol zachowuje swoją pozycję, gdy priorytetem jest jakość: trudny kod, agenci działający przez długi czas oraz analizy, w których błąd jest kosztowny. Różnica w cenie jest tu uzasadniona, ponieważ ludzka praca poprawkowa – przeglądanie, korygowanie i restartowanie – kosztuje znacznie więcej niż kilka dolarów zaoszczędzonych na wywołaniu API.
Luna celuje w wysoki wolumen. Przy cenie 0,20 $ za wejście i 1,20 $ za wyjście za milion tokenów została stworzona do klasyfikacji, ekstrakcji, sortowania i masowych zadań przetwarzania, gdzie każde żądanie jest proste, ale wykonujesz ich dziesiątki tysięcy. Przy takich obciążeniach różnica cenowa względem Sola – czynnik od 17 do 20 – bezpośrednio przekłada się na Twój rachunek.
Strategia kaskady
Klasyczny wzorzec sprawdza się dobrze w przypadku tej rodziny: przetwarzaj główny strumień za pomocą Luny, eskaluj do Terry to, co się nie powiodło lub wymaga niuansów, a Sol zarezerwuj dla przypadków, które uzasadniają jego cenę. Ponieważ wszystkie trzy modele współdzielą to samo API, dane wejściowe i ustawienia wysiłku, przełączanie się między nimi sprowadza się do zmiany identyfikatora.
Szkielet routera kaskadowego mieści się w kilku liniach kodu:
def choose_model(task):
if task.complexity == "high":
return "gpt-5.6-sol"
if task.complexity == "medium":
return "gpt-5.6-terra"
return "gpt-5.6-luna"
W rzeczywistym systemie kryterium złożoności może być heurystyką biznesową (długość dokumentu, typ żądania), wynikiem wygenerowanym przez samą Lunę lub po prostu niepowodzeniem pierwszej próby. Zasada pozostaje ta sama: każde żądanie jest obsługiwane przez najtańszy model zdolny do wykonania zadania. Ta sama logika dotyczy rodziny GPT-6, z jej własnymi punktami odniesienia: dokumentacja OpenAI rekomenduje GPT-6 Luna do zadań wolumenowych, GPT-6.1 Sol do zadań wymagających równowagi, a GPT-6 Astra do zadań najbardziej wymagających.
Twoja kolej
Wycen kaskadę. Weź strumień 100 000 żądań miesięcznie, każde z 2000 tokenów wejściowych i 500 tokenów wyjściowych. Oblicz jego koszt, używając wyłącznie Sola, wyłącznie Terry, wyłącznie Luny, a następnie kaskady, która kieruje 80% żądań do Luny, 15% do Terry i 5% do Sola. Powinieneś otrzymać odpowiednio około 1800 $, 1000 $, 100 $ i 320 $. To obliczenie pomija tokeny rozumowania, które są rozliczane jako tokeny wyjściowe: wykonaj je ponownie dla swoich rzeczywistych wolumenów i planowanego poziomu wysiłku.
Źródła oficjalne: Karta specyfikacji GPT-5.6 Terra · Karta specyfikacji GPT-5.6 Luna · Cennik · Modele (dokumentacja API OpenAI) · Ogłoszenie obniżki cen z 30 lipca (OpenAI)
Kluczowe wnioski
- Terra (2 $ / 12 $) to równowaga do codziennego użytku; Luna (0,20 $ / 1,20 $) celuje w masowe obciążenia
- Ceny te uwzględniają obniżkę z 30 lipca; długi kontekst obowiązuje powyżej 272 000 tokenów; Batch i Flex są w połowie ceny
- Wszystkie trzy modele współdzielą to samo API, dane wejściowe, okno kontekstowe i poziomy wysiłku: zmienia się tylko identyfikator
- Kaskada Luna, Terra, Sol obniża koszty bez rezygnacji z trudnych przypadków; rodzina GPT-6 robi to jeszcze lepiej i taniej