OpenAI aggiorna GPT‑6: Sol e Luna più economici ed efficienti

OpenAI dimezza il prezzo API di Sol e Luna nella serie GPT‑6 rispetto alla 5.6. L’azienda attribuisce il calo a miglioramenti nel caching e nell’inferenza e dichiara anche meno errori¹.

All’inizio del mese è arrivato GPT‑6 Astra, presentato come il modello più potente della casa per lavoro al computer e coding. L’aggiornamento di Sol e Luna prosegue su quell’asse, ma con un obiettivo pratico: efficienza e accessibilità, non solo potenza bruta¹.

I ruoli restano distinti. Sol è indicato per compiti complessi, incluso il coding. Luna punta a flussi ad alto volume con obiettivo chiaro: riassumere documenti, estrarre informazioni, rispondere rapidamente a domande puntuali¹.

Il prezzo è il punto centrale. La nuova serie 6 di Sol e Luna scende a metà del costo della 5.6 per l’accesso via API. Il merito, secondo OpenAI, va a interventi su caching e inferenza. In parallelo, la società afferma una riduzione degli errori. Il confronto resta interno alla lineup: non compaiono listini numerici, solo l’indicazione percentuale del taglio¹.

Le novità toccano i modelli più piccoli della serie GPT‑6. L’annuncio li descrive come eredi dei “benefici” introdotti da Astra, ma riorientati su efficienza e accessibilità. Qui si concentra il messaggio per chi integra via API: meno costo per token, promesse di maggiore affidabilità, ruoli invariati tra i due modelli¹.

Per evitare fraintendimenti conviene tenere insieme tre fatti dichiarati. Primo: il dimezzamento del prezzo riguarda il confronto tra Sol/Luna 6 e Sol/Luna 5.6, non l’intera offerta OpenAI. Secondo: l’origine del risparmio, per l’azienda, sta in ottimizzazioni tecniche (caching e inferenza), non in un cambiamento di posizionamento. Terzo: la distinzione d’uso non cambia; l’elenco degli esempi resta pratico e limitato a riassunti, estrazione di dati e risposte puntuali per Luna, mentre Sol copre i carichi più complessi¹.

Cosa farne in produzione. Un percorso operativo minimo:

• replicate un campione reale di richieste su serie 5.6 e serie 6, senza cambiare prompt né post‑processing;
• misurate costo effettivo in fattura per 1.000 token e per documento, tasso di errori bloccanti e latenza mediana;
• segmentate i test: compiti complessi su Sol, volumi ripetitivi su Luna;
• fissate soglie di regressione e un piano di rollback. Senza un listino numerico pubblico, la metrica che conta resta il costo per risultato utile sul vostro traffico. Se il taglio promesso si riflette in fattura e la qualità regge sui vostri casi, l’aggiornamento vale l’adozione. In caso contrario, la percentuale di risparmio dichiarata va trattata come ipotesi da verificare, non come dato acquisito¹.