22 сентября 2026 года OpenAI выпустила GPT-6 Sol и GPT-6 Luna. Обе стали общедоступны в Vercel AI Gateway и Amazon Bedrock, а также через OpenAI-совместимые Chat Completions и Responses API.
В Vercel пишут, что Sol и Luna приносят улучшения GPT-6 в профессиональной работе, программировании и работе с компьютером при цене ниже, чем у GPT-6 Astra.
По данным Саймона Уиллисона, GPT-6 Luna стоит $0.10 за 1 млн входных токенов и $0.50 за 1 млн выходных, кэшированный вход — $0.01. GPT-6 Sol $2/$10, кэш $0.20. Это вдвое дешевле, чем GPT-5.6 Sol и GPT-5.6 Luna.
Уиллисон подчёркивает, что GPT-6 Luna одна из самых дешёвых моделей OpenAI. Дешевле только GPT-4.1 Nano и GPT-5 Nano.
Подключение идёт через AI SDK и Vercel CLI. В Amazon Bedrock модели доступны в консоли и через API, с управлением доступом через IAM, аудитом CloudTrail и приватными VPC-эндпоинтами. В Amazon Bedrock обе модели поддерживают явное кэширование промптов: статичные инструкции, схемы и описания инструментов можно пометить для переиспользования.
В Vercel отмечают, что Sol и Luna точнее своих предшественников: меньше фактических ошибок и реже вводят в заблуждение о выполненной работе. У Luna также улучшили фактическую надёжность и разрешили регулировать глубину рассуждений для каждого запроса.
Что это значит для агентов
Vercel и AWS прямо описывают Luna как модель для высоконагруженных агентских рабочих процессов: классификация запросов, извлечение данных, суммаризация, обработка больших коллекций документов.
По цене $0.10/$0.50 Luna становится кандидатом на роль дешёвого исполнителя в пайплайне. Там, где задача повторяется тысячи раз в день, накопление задержек и стоимости решает всё.
Sol позиционируется как модель для сложных и долгих задач: реализация функций, отладка, рефакторинг, ревью, многошаговые процессы с вызовами инструментов. Её логичнее ставить на шаги, где качество и умение верифицировать свою работу критичны. Например, на разбор сложных обращений после того, как Luna их уже отсортировала.
AWS предлагает такой сценарий: Luna классифицирует входящие запросы, Sol разбирает сложные случаи, Astra подключается там, где нужна максимальная глубина рассуждений. С кэшированием промптов в Amazon Bedrock статичные инструкции и описания инструментов не обрабатываются заново на каждом вызове.
Практический шаг: собрать свой набор агентских задач вроде классификации, суммаризации и разбора логов, и прогнать его на Luna как на дешёвом исполнителе. Sol оставить только там, где качество кода и верификации действительно меняют результат.