OpenAI llança GPT-6 Sol i Luna a meitat de preu i reobre la guerra de costos de la IA de frontera

24 de set. 2026 4 min de lectura 988 visualitzacions Tecnologia
Tecnologia

OpenAI va llançar el 22 de setembre de 2026 GPT-6 Sol i GPT-6 Luna, dos nous models l'argument principal dels quals no és només la capacitat, sinó el preu: tots dos costen aproximadament la meitat que GPT-5.6 a l'API. Sol passa a 2 $ per milió de tokens d'entrada i 10 $ per milió de sortida, i Luna, el model lleuger, es queda en 0,10 $ i 0,50 $ respectivament.

El llançament arriba només 19 dies després de GPT-6 Astra i en una setmana especialment carregada: Anthropic va publicar Opus 5.5 amb preus més baixos i Google va presentar Gemini 4 Argon, orientat al raonament complex i la ciberdefensa. La conclusió és clara: la competència en la IA de frontera ja no es juga només en els benchmarks, sinó en quant costa cada tasca resolta.

Context de la setmana

Segons MarkTechPost, Technology Org i Digital Applied, els dos models es van desplegar de manera gradual al llarg del 22 de setembre. Sol és el model principal, pensat per a tasques llargues d'agents i programació; Luna és la versió eficient per a volums alts. Tots dos ofereixen una finestra de context d'aproximadament un milió de tokens. Cal tenir en compte que les xifres de rendiment publicades provenen majoritàriament dels materials de llançament d'OpenAI i encara no tenen una verificació independent àmplia.

Què ha canviat

  • Preu a la meitat: Sol baixa de 4 $/20 $ a 2 $/10 $ per milió de tokens (entrada/sortida) respecte a GPT-5.6. L'entrada en memòria cau costa 0,20 $ per milió.
  • Luna, encara més barat: 0,10 $ d'entrada i 0,50 $ de sortida per milió de tokens, una rebaixa d'aproximadament el 58 % en la sortida.
  • Modificadors de preu: els modes Batch i Flex costen la meitat, el mode Fast el doble, i les peticions de més de 272.000 tokens d'entrada es facturen amb recàrrec (2× entrada i 1,5× sortida).
  • Programació: a DeepSWE v1.1, Sol arriba a un 68,8 % i Luna a un 66,6 %, a prop dels millors models de la competència segons OpenAI.
  • Ús d'ordinador i automatització: Sol obté un 60,5 % a OSWorld 2.0 i un 33,2 % a AutomationBench amb un cost per tasca molt inferior al dels seus rivals, sempre segons les dades d'OpenAI.

Impacte per a equips de desenvolupament i producte

Per a qui construeix productes sobre LLM, una rebaixa del 50 % canvia l'aritmètica de molts casos d'ús que fins ara no sortien a compte: agents que encadenen desenes de crides, processament massiu de documents o assistents de codi que treballen durant hores. Luna, en particular, fa viable fer servir un model raonablement capaç en tasques d'alt volum com classificació, extracció o encaminament. Alhora, amb tres grans llançaments la mateixa setmana, dependre d'un únic proveïdor és més arriscat que mai: els preus i les posicions relatives canvien en qüestió de dies, i els benchmarks publicats per cada laboratori no són directament comparables entre si.

Recomanacions pràctiques

  1. Recalcular el cost per tasca dels fluxos actuals amb els nous preus, incloent-hi memòria cau, Batch i el recàrrec per contextos llargs.
  2. Avaluar Sol i Luna amb un conjunt de proves propi abans de migrar: els benchmarks del fabricant són un punt de partida, no una garantia.
  3. Separar tasques per nivell de dificultat i encaminar les senzilles a Luna i les complexes a Sol (o a models d'altres proveïdors).
  4. Mantenir una capa d'abstracció sobre el proveïdor de models per poder canviar ràpidament segons preu i qualitat.
  5. Vigilar les peticions de més de 272.000 tokens: el recàrrec pot anul·lar bona part de l'estalvi si no es controla la mida del context.

Què cal vigilar a continuació

  • Avaluacions independents que confirmin (o no) les xifres de DeepSWE, OSWorld i AutomationBench.
  • La resposta de preus d'Anthropic i Google després del moviment d'OpenAI.
  • L'arribada de GPT-6.1, el successor previst de GPT-6 Astra.
  • Canvis en els límits d'ús i en la disponibilitat per regions dels nous models.

Conclusió: GPT-6 Sol i Luna no són només dos models més: són un senyal que la IA de frontera entra en una fase d'abaratiment agressiu. Per als equips tècnics, l'oportunitat és revisar quins casos d'ús passen a ser rendibles i dissenyar arquitectures que permetin aprofitar la competència entre proveïdors en lloc de quedar lligats a un de sol.

Fonts i documentació

Compartir