GPT-6 Sol e Luna: la nuova strategia di OpenAI

Introduzione

Il 22 settembre 2026 OpenAI ha annunciato l’ampliamento della famiglia GPT‑6 con due modelli, Sol e Luna, concepiti per ridurre i costi operativi senza sacrificare le capacità tecniche richieste da workflow complessi, coding avanzato e agenti software. La strategia punta a bilanciare capacità, velocità e prezzo, elementi sempre più critici quando i modelli vengono impiegati in ambienti aziendali ad alta intensità di token.

La famiglia GPT‑6

OpenAI descrive la nuova famiglia come composta da tre membri:

• GPT‑6 Astra: modello di punta, dedicato ai compiti più impegnativi, con il più alto livello di ragionamento e un prezzo superiore.
• GPT‑6 Sol: fascia intermedia, ottimizzata per il bilanciamento tra capacità e costo, ideale per coding e workflow agentici complessi.
• GPT‑6 Luna: modello focalizzato su carichi ad alto volume, dove il costo per richiesta è più determinante della massima capacità.

Tutti e tre supportano testo e immagini, hanno una finestra di contesto di 1,05 milioni di token e un output massimo di 128 mila token. Sol e Luna offrono diversi livelli di “reasoning effort”, dal funzionamento senza ragionamento esteso fino alle modalità più impegnative.

Dettagli sui prezzi

La novità più immediata riguarda la riduzione dei costi API. I prezzi standard al lancio sono:

• GPT‑6 Sol: 2 USD per milione di token in input e 10 USD per milione di token in output.
• GPT‑6 Luna: 0,10 USD per milione di token in input e 0,50 USD per milione di token in output.

OpenAI presenta questi valori come una diminuzione del 50 % rispetto alle tariffe promozionali dei corrispondenti modelli GPT‑5.6. Il changelog dell’API pubblicato lo stesso giorno conferma i prezzi e la disponibilità dei due nuovi modelli.

Strategia di posizionamento

Il nome dei modelli segue una logica latina: sol (sole), luna (luna) e astra (stelle). OpenAI ha scelto questa nomenclatura per creare una gerarchia più intuitiva rispetto alle etichette tecniche “mini” o “nano”. Tuttavia, l’azienda non attribuisce un significato simbolico gerarchico ai nomi; la gerarchia è definita dalle descrizioni di prodotto: Astra è il modello più potente, Sol è il compromesso tra performance e prezzo, Luna è l’opzione più economica per task ad alta frequenza.

Benchmark professionali

AutomationBench 1.0.6

Questo test valuta workflow end‑to‑end attraverso 47 strumenti in vendite, marketing, operations, assistenza, finanza e risorse umane. I risultati forniti da OpenAI mostrano:

• GPT‑6 Sol (modalità xhigh): punteggio 33,2 %.
• Claude Opus 5 (configurazione max): 26,9 %.
• Costi: un task con Sol costa 0,27 USD, contro 11,1 volte di più per Opus 5.

In modalità low, GPT‑6 Astra raggiunge il 30,3 % con un costo 3,9 volte superiore a Sol.

Agents’ Last Exam V1

Il test copre attività professionali di lunga durata in 55 sotto‑settori. GPT‑6 Sol (configurazione max) ottiene il 56,4 % e, secondo OpenAI, costa il 60 % in meno rispetto alla migliore configurazione di Claude Opus 5.

FrontierCode 1.1 Main

Questo benchmark misura non solo la correttezza del codice ma anche la “mergeability”, la qualità dei test, lo stile e il rispetto delle convenzioni del repository. OpenAI segnala che Sol supera GPT‑5.6 Sol e offre prestazioni comparabili a Claude Fable 5.1 xhigh a un costo inferiore.

DeepSWE 1.1

Destinato a problemi di software engineering su repository reali, i risultati sono:

• GPT‑6 Sol (modalità max): 68,8 % (Claude Fable 5 max: 69,9 %).
• Stima di riduzione del costo per task di circa 80 % rispetto a Claude.
• GPT‑6 Luna (modalità max): 66,6 %.
• Confronti: costo ridotto del 93 % rispetto a Claude Opus 5 e del 96 % rispetto a Claude Fable 5 (modalità medium).

Implicazioni per gli agenti software

Gli agenti di coding richiedono numerose iterazioni: lettura di repository, modifica di file, esecuzione di test e correzione di errori. OpenAI riporta che, valutando i token ai prezzi API, l’utilizzo quotidiano supera 600 USD per il ricercatore medio e 7 000 USD per i ricercatori al novantesimo percentile. Questi valori non rappresentano spese individuali tipiche, ma illustrano la potenziale crescita dei costi quando gli agenti vengono impiegati intensivamente.

Affidabilità e factuality

Un secondo focus del lancio riguarda la riduzione degli errori fattuali. In un test basato su conversazioni ChatGPT anonimizzate con errori segnalati in versioni precedenti, GPT‑6 Sol ha commesso circa la metà degli errori di GPT‑5.6 Sol, avvicinandosi alle prestazioni di Astra a costi inferiori. Luna, ai livelli più elevati di reasoning effort, ha mostrato un’affidabilità paragonabile a GPT‑5.6 Sol, ma con una differenza di costo molto più ampia. OpenAI avverte che il campione è stato costruito deliberatamente con conversazioni problematiche e non riflette la frequenza di errori nell’uso ordinario.

Conclusioni

Con Sol e Luna, OpenAI ha introdotto una strategia di pricing e di posizion