A OpenAI ampliou a família GPT-6 com dois novos modelos de inteligência artificial: GPT-6 Sol e GPT-6 Luna. Os dois chegam como opções mais acessíveis para diferentes tipos de uso, enquanto o GPT-6 Astra continua como o modelo mais inteligente da linha. A principal distinção está no tipo de tarefa que cada um atende: o Sol para trabalhos que exigem raciocínio avançado, o Luna para volume elevado com custo reduzido.
Diferenças fundamentais entre Sol e Luna
O GPT-6 Sol foi desenvolvido para tarefas profissionais que exigem raciocínio complexo. Programação, automação e fluxos de trabalho nos quais a qualidade da resposta tem peso maior são o foco do modelo. Já o GPT-6 Luna prioriza velocidade e custo baixo para tarefas que podem ser executadas em grande quantidade, como resumir documentos, extrair informações e responder perguntas diretas.
Ambos apresentam avanços em confiabilidade factual. Segundo a OpenAI, o Sol reduziu pela metade a taxa de erros factuais em relação ao antecessor, aproximando-se da confiabilidade do Astra. O Luna alcança a mesma confiabilidade factual do antigo GPT-5.6 Sol em níveis de esforço mais elevados, mas com custo significativamente menor.
Na API, a diferença de preço é expressiva. O Sol custa US$ 2 por 1 milhão de tokens de entrada e US$ 10 por 1 milhão de tokens de saída. O Luna custa US$ 0,10 e US$ 0,50, respectivamente — uma redução de até 95% em relação ao Sol. Ambos representam uma redução de 50% em relação aos preços promocionais da série GPT-5.6.
Casos de uso para GPT-6 Sol
O GPT-6 Sol é indicado quando a tarefa exige raciocínio avançado e precisa ser executada com frequência. Os principais casos de uso incluem engenharia de software, programação avançada, automação de processos complexos e automação no computador.
Em testes de desempenho, o Sol apresenta resultados competitivos com economia significativa:
- Programação: atingiu 68,8% no benchmark DeepSWE 1.1, ficando apenas 1,1 ponto percentual abaixo do Claude Fable 5, com custo por tarefa aproximadamente 80% menor;
- Fluxos de trabalho empresariais: superou o Claude Opus 5 em esforço máximo usando apenas 9% do custo por tarefa do concorrente no AutomationBench;
- Agentes de IA complexos: teve desempenho superior às pontuações mais altas do Claude Opus 5 no Agents’ Last Exam, com economia de 60% no custo por tarefa;
- Automação no computador: alcançou resultados semelhantes aos de modelos de elite com custo 80% menor.
Para desenvolvedores e empresas que precisam executar tarefas técnicas com frequência, o Sol oferece um equilíbrio entre capacidade avançada e custo controlado, eliminando a necessidade de utilizar modelos mais caros como o Astra.
Casos de uso para GPT-6 Luna
O GPT-6 Luna é indicado para aplicações que precisam processar muitas tarefas com baixo custo, principalmente quando cada solicitação tem um objetivo claro. É o perfil de ferramentas que resumem milhares de documentos, extraem dados de arquivos ou respondem perguntas simples de usuários. Tarefas administrativas e processos repetitivos em grande escala são ideais para este modelo.
Contrário ao que o foco em custo pode sugerir, o Luna não fica limitado a tarefas simples. Quando necessário, é possível aumentar o nível de esforço para lidar com trabalhos complexos mantendo custos baixos:
- Confiabilidade factual: alcança a mesma precisão do antigo GPT-5.6 Sol por cerca de 1% do custo;
- Tarefas com computador: em esforço máximo, supera o antigo GPT-5.6 Sol em esforço médio por aproximadamente um décimo do preço, segundo o benchmark OSWorld 2.0;
- Engenharia de software: chega a 66,6% no DeepSWE v1.1 em esforço máximo, resultado comparável ao de modelos de topo avaliados em esforço médio;
- Automação de negócios: supera o GPT-5.6 Luna em 5,4 pontos percentuais, com custo por tarefa 58% menor no AutomationBench.
O Luna pode atender tanto tarefas repetitivas de alto volume quanto solicitações que pedem nível maior de raciocínio. A diferença está no nível de esforço utilizado em cada caso, mantendo como foco o baixo custo por tarefa.
Disponibilidade e acesso aos modelos
A disponibilidade varia de acordo com o modelo e a plataforma. O GPT-6 Sol e GPT-6 Luna já podem ser usados no ChatGPT Work e no Codex por assinantes dos planos Plus, Pro, Business, Enterprise e Edu. O GPT-6 Luna tem uma disponibilidade mais ampla no aplicativo para desktop e também pode ser acessado por usuários dos planos Free e Go. Vale ressaltar que nenhum dos modelos está disponível na interface de chat tradicional.
Para desenvolvedores que pretendem usar os modelos em aplicações próprias, os dois estão disponíveis na API. O Sol pode ser chamado pelo identificador gpt-6-sol e o Luna usa gpt-6-luna.
Otimização de custos com cache de prompts
A OpenAI também aprimorou o sistema de cache de prompts. A leitura de tokens de entrada armazenados em cache passou a ter 90% de desconto, o que reduz significativamente os custos de aplicações que reutilizam as mesmas informações ao longo de diferentes etapas de uma tarefa. Esta melhoria beneficia principalmente cenários onde grandes blocos de contexto são processados repetidamente, como em sistemas de análise de documentos ou assistentes que consultam bases de conhecimento frequentemente.
Análise Panorama IA
O lançamento de GPT-6 Sol e Luna marca uma estratégia clara da OpenAI em segmentar sua oferta para diferentes tipos de carga de trabalho. Enquanto o Astra permanece como opção premium para tarefas ultra-complexas, Sol e Luna democratizam o acesso a modelos avançados com redução de 50% nos preços em relação à geração anterior.
Para empresas e desenvolvedores, a decisão entre os modelos depende de dois fatores principais: complexidade das tarefas e volume esperado. Aplicações que envolvem engenharia de software, automação empresarial ou agentes de IA longos justificam o investimento no Sol. Operações de alto volume com objetivos pontuais — como processamento em lote de documentos ou extração de dados repetitiva — favorecem o Luna. A possibilidade de aumentar o nível de esforço do Luna sem mudar de modelo adiciona flexibilidade importante para casos borderline.
A melhoria no cache de prompts reforça o foco em redução de custo operacional, especialmente relevante para aplicações que automatizam pesquisas e processam grandes volumes de dados. O mercado observará se estes preços mais competitivos pressionarão rivais como Anthropic — cujo Claude Opus 5.5 também trouxe redução significativa de custos — a reagir com seus próprios modelos intermediários.
Fonte: Canaltech
Sobre o autor
