OpenAI выпустила модели, которые врут вдвое меньше — и стоят вдвое дешевле. Разбираю Sol и Luna

Claude Opus 5.5 прожил полтора часа. Потом вышли GPT-6 Sol и Luna — и вот как теперь считать деньги.

Знаете это чувство, когда вы месяц пользуетесь самой крутой моделью на свете, а потом открываете биллинг и тихо закрываете ноутбук?

Вот у меня с Astra было ровно так. Модель гениальная, спорить не буду: она держит длинный контекст, не сыпется на многошаговых задачах, аккуратно правит код в чужой кодовой базе. Но когда твой агент за ночь наматывает десятки прогонов, а каждый прогон — это сотни тысяч токенов, ты начинаешь считать не «умность» модели, а стоимость одной доведенной до конца задачи. И вот тут эйфория заканчивается.

Поэтому 22 сентября, когда OpenAI выкатила GPT-6 Sol и GPT-6 Luna, я не пошел читать красивые графики. Я пошел смотреть прайс.

Что собственно случилось

Линейка GPT-6 превратилась в такое вот трио:

• Astra — когда нужно выжать максимум и плевать на цену. Сложные архитектурные решения, разбор легаси, задачи, где ошибка стоит дороже токенов.
• Sol — рабочая лошадка. Кодинг, агентные сценарии, аналитика, документы.
• Luna — быстрая и дешевая для всего массового: суммаризация, извлечение данных, прогон больших массивов однотипных задач.

И главное, что я вынес из анонса: Sol и Luna — это не обрезанные версии Astra. Их учили теми же методами, просто потом «ужали» в более дешевые веса. Разница в том, что раньше дешевая модель означала «ну, она иногда врет и путает шаги». Теперь — не обязательно.

Цифры, которые меня и зацепили

Снижение цены на 50% относительно GPT-5.6 — и это уже базовая цена, а не промо-акция, которая закончится в конце месяца, как это обычно бывает.

Sol: вход 2 доллара за миллион токенов вместо 4, выход 10 вместо 20. Luna: 10 центов за миллион входных и 50 центов за выходные вместо 20 центов и 1,2 доллара.

Звучит как скучная сноска из пресс-релиза, но для тех, кто гоняет агентов, это самое важное предложение всего анонса. Потому что счет растет не «за сообщение», а линейно от времени работы агента. Упала цена вдвое — и половина задач, которые ты раньше откладывал как «нерентабельные», внезапно становятся нормальными.

YouTube Telegram

Ваш менеджер

Агентские кабинеты

LEGOLD - Google Play Console Золотой стандарт качества для ваших прил ✅ 100% Инхаус-фарм | Никакого реселла ✅ Корпы UK $450 всегда в наличии Акки из КБ Кабы из КБ - топ за свои деньги! Blueaccs 🔷 Google Developer корпоративные и личные 🔷 Название с вашим брендом под заказ 🚀 Услуга гарантированной публикации

Все кабинеты Разместить

JetTon Partners 0

Норм партнерка, рекомендую

Изначально когда в тг их видел во времена ноткоина думал жуткий скам, но ребята смогли адекватное что-то построить за что респект.

Удалось как то налить им, 900~ фтд где-то вышло. До сих пор даже капает. Может чуть позже еще вернусь снова по ревшаре полить, а то в кейсах у коллег уж больно сладкие RD, надо проверить.

Ребята аффы написали вчера говорят вернуться траф дать)) ну отзыв попросили оставить, мне в целом не сложно, но вот как есть)

GorilaZZ

17 августа

А качество-то не просело?

Вот это я проверял первым делом, потому что «дешевле» обычно значит «хуже».

• Кодинг. В DeepSWE v1.1 (это задачи в реальных кодовых базах, а не учебные задачки) Sol на максимальных усилиях дает 68,8% — против 69,9% у лучшего результата Claude Fable 5. Разница в один процентный пункт, а по стоимости задачи Sol дешевле примерно на 80%. Скажу честно: если бы мне год назад сказали, что я буду выбирать модель, отстающую от топовой на процент, ради восьмидесятипроцентной экономии, я бы покрутил пальцем у виска. Сегодня — беру не задумываясь.
• Профессиональные задачи. AutomationBench (бизнес-процессы через 47 инструментов — от продаж до HR): Sol на максималках обходит Claude Opus 5 на максималках, тратя 9% от той суммы, которую сжигает Opus. Девять процентов. Не «чуть дешевле», а на порядок.
• Компьютер-юз. OSWorld 2.0: 60,5% против 60,3% у Opus 5 при примерно на 80% меньшей стоимости задачи. Тут вообще счет ровный.

А вот что реально заставило меня перечитать абзац дважды — достоверность фактов. На внутренних тестах OpenAI, собранных на реальных диалогах, где пользователи жаловались на ошибки, Sol ошибается примерно вдвое реже, чем GPT-5.6 Sol, и почти дотягивает до Astra. Luna на высоких усилиях догоняет GPT-5.6 Sol, тратя в сотню раз меньше.

Вот это, если честно, важнее всех бенчмарков. Потому что главная боль работы с ИИ — не «не смог», а «уверенно выдумал и ты это отправил клиенту». Модель, которая врет вдвое меньше и стоит при этом в разы дешевле, — это уже не улучшение, это смена правил.

Оговорку про «специально подобранные сложные промпты» я, конечно, прочитал. Но и в обычной жизни разница чувствуется.

Стиль ответов: стало меньше воды, и это кайф

Отдельный респект за то, что Sol и Luna унаследовали стиль Astra. Меньше жаргона, меньше «отличный вопрос!», меньше пересказа того, что ты только что написал сам, ответы короче, но не в ущерб содержанию.

OpenAI даже показала наглядный пример. Просят переделать сайт в «бенто»-стиль и добавить переключатель страниц. GPT-5.6 Sol с ходу заявляет: «React не нужен, обойдемся нативными переходами», потом рассказывает очевидное — что на сайте четыре страницы, — и в довесок делится промптом, который сам использовал для генерации картинок. Кому это надо? GPT-6 Sol просто уточняет план, проверяет, нужен ли React, делает работу и отчитывается: проверил на десктопе и на мобильном, включая кнопку «назад» в браузере.

Вот эта последняя фраза — про кнопку «назад» — стоит больше, чем тонна маркетинга. Модель не хвастается, а говорит, что именно проверила. Доверия к такому ответу в разы больше.

Про кэширование, о чем почти никто не написал

А теперь тот раздел, который все пролистали, а он, возможно, важнее всего остального.

Кэширование промптов в GPT-6 стало заметно лучше. Практический смысл: твой агент переиспользует уже обработанный контекст вместо того, чтобы каждый раз жевать его заново, и за чтение закэшированных входных токенов дают скидку до 90%.

Для тех, кто строит агентов с большим системным промптом, кучей инструкций и историей диалога, это спокойно может оказаться главной экономией — больше, чем само снижение прайса. Плюс появились нормальные инструменты: дашборд кэширования, диагностика промахов, возможность менять уровень «усилий» рассуждений и включать-выключать инструменты, не разрушая кэш. Мелкая на вид штука, а экономит часы отладки и денег.

GitHub, кстати, говорит, что за последние месяцы эти улучшения сократили долю токенов, которые нужно обрабатывать «с нуля», больше чем на 50% на миллиардах запросов. То есть это уже не теория.

А теперь ложка дегтя

Хорошую статью без этого писать нельзя, поэтому честно про то, что мне не понравилось.

• Первое: моделей нет в обычном чате. Только ChatGPT Work и Codex. То есть если вы привыкли просто болтать с ChatGPT в браузере — сегодня вы новых моделей там не увидите.
• Второе: раскатка постепенная, в течение дня. Плюс в корпоративных аккаунтах (Enterprise) новинки должен включить администратор, а он может быть занят. Так что если у вас «не появилось» — вы не один такой.
• Третье: Terra исчезла. В этой генерации ее нет, ее нишу закрывает Luna на максимальных усилиях. Любителям привычной модельной лесенки придется переучиваться.
• Четвертое, самое веселое: Anthropic представила Claude Opus 5.5 примерно за полтора часа до анонса OpenAI. Полтора часа, Карл. Это уже не конкуренция, это лазертаг. Anthropic, кстати, не согласна с методикой сравнения и говорит, что Opus 5.5 тратит меньше токенов на задачу, так что в реальной стоимости разрыв скромнее, чем в презентации OpenAI. Что тут скажешь — считайте на своих задачах, а не на чужих графиках.
• И пятое, чисто техническое: Sol — 1,05 млн токенов контекста (до 922 тысяч на вход, до 128 тысяч на выход), шесть уровней «усилий» от none до max, отсечка знаний 20 апреля 2026-го. У Luna отсечка — 18 мая, то есть у дешевой модели знания даже свежее. Мелочь, но приятно.

Как я этим пользуюсь из России

Это тот вопрос, который мне задают в личку чаще всех остальных, так что отвечу прямо здесь.

Напрямую сервисы OpenAI из России недоступны: нужен VPN, а для подписки — зарубежная карта, которая не у каждого есть. Лично я эту историю закрыл через агрегатор STIVA.ai, и там же уже доступны обе новые модели — вместе с Astra, Claude, Gemini и остальным зоопарком.

Как это выглядит на практике:

• Заходите на stiva.ai, регистрируетесь по почте — без VPN и без зарубежных карт.
• Оплата привычной рублевой картой, интерфейс на русском.
• В каталоге выбираете GPT-6 Sol, когда пилите код или тянете сложный рабочий сценарий, и GPT-6 Luna, когда надо прогнать поток однотипных задач.
• Если нужно сравнить с конкурентами — переключаетесь на Claude или Gemini в том же окне, не заводя три отдельных подписки.

Честно скажу, для меня ценность тут не только в «доступе без бубна». Ценность в том, что все модели живут в одном месте, и я не сравниваю качество по памяти, а просто переключаюсь и смотрю на результат.

Что я в итоге понял

Раньше выбор модели выглядел так: либо берешь лучшую и разоряешься, либо экономишь и живешь с галлюцинациями. В этом поколении схема сломалась. Sol при меньшей цене ошибается вдвое реже, чем предыдущая модель за те же деньги, — раньше такой фокус не проходил.

Я для себя развёл это так:

• Astra — редкие задачи, где цена ошибки выше цены токенов.
• Sol — дефолт для работы. Почти топовое качество за смешные деньги.
• Luna — все массовое, где важно пропустить объем, а не родить шедевр.

И еще один вывод, который я считаю главным. Перестаньте смотреть на цену за миллион токенов и смотрите на стоимость одной доведенной до конца задачи. Разница между «27 центов» и «в одиннадцать раз дороже» вот так, на бумаге, выглядит как маркетинг. А когда вы гоняете это месяцами — это уже ваша зарплата.