Редакция ПотокаGPT‑6 Sol и Luna: где более дешёвая модель выгоднее флагмана
OpenAI добавила к GPT‑6 Astra две модели для более массовых задач: Sol и Luna. Компания заявила о снижении стандартной цены API по сравнению с промоценой GPT‑5.6 Sol и Luna. Это хорошая новость для сервисов с большим числом запросов, но экономия на токенах не равна экономии процесса: более дешёвый ответ может потребовать больше ручной проверки.
Внедрим ИИ в работу вашей компании
Бесплатно разберём процессы и подготовим план запуска ИИ.
Цены и назначение моделей
В анонсе OpenAI для стандартного API указаны цены за миллион токенов: GPT‑6 Sol — 2 доллара за вход и 10 за выход, GPT‑6 Luna — 0,10 и 0,50 доллара соответственно. Astra остаётся самой сильной моделью семейства и предназначена для наиболее требовательных задач. Цены зависят от режима обработки и длины контекста, поэтому итоговый счёт следует считать по собственному профилю запросов.
Разница между моделями особенно заметна в потоке. Сервис, который каждую минуту классифицирует заявки, может получить выигрыш от дешёвого маршрута для обычных случаев и направлять спорные на более сильную модель. Но если ошибка классификации скрывает дорогую сделку, стоимость нескольких дополнительных токенов перестаёт быть главным фактором.
На узком экране таблицу можно прокрутить вправо.
| Модель | Вход / 1 млн токенов | Выход / 1 млн токенов |
|---|---|---|
| GPT‑6 Luna | $0,10 | $0,50 |
| GPT‑6 Sol | $2 | $10 |
Как провести сравнение без рейтинговой иллюзии
Соберите 60–100 обезличенных рабочих запросов. Разделите их на простые, пограничные и дорогие по последствиям ошибки. Для каждого задайте ожидаемый результат: правильное поле CRM, подтверждённую ссылку на пункт документа, корректный расчёт или безопасный отказ. Прогоните одинаковые входные данные через Luna, Sol и текущую рабочую модель. Проверяющий не должен видеть название модели в момент оценки.
Записывайте точность, время ответа, стоимость, долю запросов, отправленных человеку, и время его исправления. Например, модель, которая вдвое дешевле по API, но отправляет вдвое больше случаев на ручную доработку, может проиграть в общей экономике. Для длинных диалогов отдельно проверьте кэширование: OpenAI сообщает об улучшениях этой части, но эффект зависит от того, насколько повторяется начало запросов.
Где более дорогая модель оправдана
Отправляйте в Astra или на экспертную проверку вопросы с неполными исходными данными, финансовыми обязательствами, юридическими исключениями и действиями с внешними системами. Остальное можно маршрутизировать по измеренному качеству. Критерий маршрута должен быть воспроизводимым, а не объясняться только фразой «сложный вопрос».
После запуска пересматривайте набор тестов при смене продукта, документов и модели. Результат на опубликованном бенчмарке полезен как сигнал, но решение о внедрении принимается на ошибках вашего процесса. Такой подход позволяет использовать снижение цены GPT‑6 как возможность для эксперимента, а не как обещание автоматической экономии.
Пример расчёта маршрута
Предположим, у сервиса тысяча обращений в день. Восемьсот из них — обычные вопросы о статусе и условиях, сто пятьдесят требуют сверки нескольких записей, пятьдесят могут повлечь финансовое обещание. Это не измеренные пропорции, а пример сегментации. Простые обращения можно пробовать направлять Luna, средние — Sol, дорогие по ошибке — Astra или человеку. Затем пересчитайте маршруты на фактических данных: долю эскалаций, токены, минуты проверки и цену исправленной ошибки.
Не копируйте публичную цену в таблицу без даты и тарифного режима. Провайдеры меняют стоимость, а длинный ввод, кэш и пакетная обработка могут иметь отдельные условия. Храните в отчёте версию модели и тариф, иначе через квартал станет невозможно понять, почему расходы изменились.
О материале и источниках
Редакционный материал ЛИИТ. Учебные примеры вымышлены, иллюстрации созданы с помощью ИИ.
- openai.com — первичный материал
Первоисточник опубликован 2026-09-22; факты отделены от редакционных рекомендаций.
Опубликовано