GPT-5.6 Terra och Luna: Balans och volym
På denna sida
Status per den 5 november 2026. Tabellen nedan speglar gällande priser: sedan den 30 juli 2026 kostar Luna 80 % mindre och Terra 20 % mindre än vid lanseringen, då de debiterades med $1 / $6 respektive $2,50 / $15. För nya projekt är GPT-6-familjen ännu billigare: GPT-6 Luna till $0,10 / $0,50, GPT-6.1 Terra till $1 / $5 och GPT-6.1 Sol till $2 / $10 – knappt mer än GPT-5.6 Terra (lektion 9). GPT-5.6 Terra och Luna förblir de officiella ersättarna för
gpt-5-miniochgpt-5-nano, som togs ur bruk den 11 december.
Fyren är inte lösningen för varje jobb. Att betala Sol-pris för att klassificera supportärenden eller extrahera datum från fakturor är slöseri. Det är precis därför GPT-5.6-familjen finns i tre modeller. OpenAI positionerar Terra som det balanserade valet för dagligt arbete och Luna som dess snabbaste och mest ekonomiska alternativ. Det rätta valet beror inte på en prestigehierarki utan på förhållandet mellan kvalitet och kostnad, uppgift för uppgift.
De tre modellerna sida vid sida (per den 5 november 2026)
| Sol | Terra | Luna | |
|---|---|---|---|
| Roll | Fyr: komplext arbete | Balans mellan intelligens och kostnad | Volym, minimal kostnad |
| Identifierare | gpt-5.6-sol | gpt-5.6-terra | gpt-5.6-luna |
| Inmatning (per miljon tokens) | $4 (kampanj) | $2 | $0,20 |
| Utmatning (per miljon tokens) | $20 | $12 | $1,20 |
| Resonemangsinsats | none till max | none till max | none till max |
Tre faktureringsregler kompletterar denna bild. Utöver 272 000 inmatningstokens flyttas hela begäran till priset för “lång kontext”: dubbelt så dyrt för inmatning, 1,5× för utmatning. Det innebär $8 / $30 för Sol, $4 / $18 för Terra och $0,40 / $1,80 för Luna. Batch-bearbetning och Flex-bearbetning kostar halva priset. Slutligen, sedan GPT-5.6, debiteras skrivning till 30-minuterscachen med 1,25× inmatningspriset, och 2,5× för 12-timmarscachen som introducerades den 20 oktober; läsning från cachen behåller sin rabatt på 90 %.
Den sista raden i tabellen är identisk för alla tre kolumner. Alla tre modeller accepterar text och bilder som inmatning, erbjuder samma kontextfönster på 1,05 miljoner tokens och stöder samma nivåer av resonemangsinsats, från none till max. Skillnaden ligger i förhållandet mellan kapacitet och pris, inte i funktionslistan.
Hur du väljer
Terra är en solid utgångspunkt för dagligt arbete: skrivande, sammanfattning, assistans och rutinmässig kodning. Till $2 för inmatning och $12 för utmatning kostar det hälften så mycket som Sol för inmatning och 40 % mindre för utmatning. En enkel regel: börja med Terra, och betala bara Sol-priset när Terra konkret har svikit dig i dina egna fall.
Sol behåller sin plats när kvalitet kommer i första hand: svår kod, långkörande agenter och analys där ett fel är kostsamt. Prisskillnaden är motiverad här eftersom mänskligt omarbete – granskning, korrigering och omstart – kostar betydligt mer än de få dollar som sparas på API-anropet.
Luna riktar sig mot hög volym. Till $0,20 för inmatning och $1,20 för utmatning per miljon tokens är den byggd för klassificering, extraktion, sortering och massiva bearbetningsjobb där varje begäran är enkel men du kör tiotusentals av dem. På dessa arbetsbelastningar syns prisskillnaden gentemot Sol – en faktor på 17 till 20 – direkt på din faktura.
Kaskadstrategin
Det klassiska mönstret fungerar bra för denna familj: bearbeta huvudflödet med Luna, eskalera det som misslyckas eller behöver nyans till Terra, och reservera Sol för fall som motiverar dess pris. Eftersom alla tre modeller delar samma API, inmatningar och inställningar för insats, kokas växlingen mellan dem ner till att byta identifierare.
Skelettet för en kaskadrouter får plats på några rader:
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"
I ett riktigt system kan komplexitetskriteriet vara en affärsmässig heuristik (dokumentlängd, begärandetyp), ett poängtal som produceras av Luna själv, eller helt enkelt misslyckandet med ett första försök. Principen förblir densamma: varje begäran hanteras av den billigaste modell som klarar jobbet. Samma logik gäller för GPT-6-familjen, med sina egna riktmärken: OpenAI:s dokumentation rekommenderar GPT-6 Luna för volym, GPT-6.1 Sol för balans och GPT-6 Astra för de mest krävande uppgifterna.
Din tur
Prissätt en kaskad. Ta ett flöde på 100 000 begäranden per månad, var och en med 2 000 inmatningstokens och 500 utmatningstokens. Beräkna kostnaden genom att använda enbart Sol, enbart Terra, enbart Luna, och sedan en kaskad som skickar 80 % av begärandena till Luna, 15 % till Terra och 5 % till Sol. Du bör få fram ungefär $1 800, $1 000, $100 och $320. Denna beräkning ignorerar resonemangstokens, som debiteras som utmatningstokens: gör om den med dina faktiska volymer och den insatsnivå du planerar att använda.
Officiella källor: Specifikationsblad för GPT-5.6 Terra · Specifikationsblad för GPT-5.6 Luna · Prissättning · Modeller (OpenAI API-dokumentation) · Tillkännagivande om prissänkning den 30 juli (OpenAI)
Viktiga punkter
- Terra ($2 / $12) är balansen för vardagligt bruk; Luna ($0,20 / $1,20) riktar sig mot massiva arbetsbelastningar
- Dessa priser inkluderar sänkningen den 30 juli; lång kontext gäller utöver 272 000 tokens; Batch och Flex kostar halva priset
- Alla tre modeller delar samma API, inmatningar, kontextfönster och insatsnivåer: endast identifieraren ändras
- Kaskaden Luna, Terra, Sol sänker kostnaderna utan att offra svåra fall; GPT-6-familjen presterar bättre för mindre pengar