// SPIS TREŚCI
Co ogłosił OpenAI
Link z WhatsAppa o 7:37 rano. Komunikat OpenAI jest krótki: „Please welcome GPT-6 Sol and GPT-6 Luna to the GPT-6 universe”. Sol i Luna budują na tym, co stoi za Astrą, przenosząc „wiele z jej mocnych stron” do szybszych i tańszych modeli „do pracy na skalę”. Drugi akapit jest ważniejszy niż pierwszy: OpenAI poprawił wydajność cache’owania i wnioskowania i „przekazuje oszczędności bezpośrednio” — 50% niższe ceny API względem promocyjnych stawek GPT-5.6.
Modele są dostępne w API jako gpt-6-sol i gpt-6-luna oraz w ChatGPT i Codex dla planów Plus, Pro, Business i Enterprise. O Astrze — flagowym modelu z początku września — pisałem już w porównaniu z Claude Fable 5.1.
Trzy modele, trzy półki cenowe
| Model | Wejście / 1M tok. | Wyjście / 1M tok. | Do czego (wg OpenAI) |
|---|---|---|---|
| GPT-6 Luna | $0,10 | $0,50 | ekstrakcja, streszczenia, proste pytania, duże wolumeny |
| GPT-6 Sol | $2,00 | $10,00 | kod, debugowanie, analiza danych, powtarzalna praca agentów |
| GPT-6 Astra (standard) | $10,00 | $50,00 | złożone projekty, trudne problemy naukowe i matematyczne |
| GPT-6 Astra (fast) | $20,00 | $100,00 | to samo, szybciej |
Ceny za komunikatem OpenAI i relacją VentureBeat z 22.09.2026. Różnica między Luną i Astrą to 100× na wejściu i 100× na wyjściu.
// KOSZT WYJŚCIA ZA 1 MLN TOKENÓW — SKALA
Według VentureBeat, Sol jest „dokładnie o 50% tańszy w obu kierunkach” od GPT-5.6 Sol, a Luna o 50% tańsza na wejściu i o 58% na wyjściu od GPT-5.6 Luna. Benchmarki podawane dla Sol (AutomationBench 33,2%, DeepSWE 68,8%, OSWorld 60,5%) przepisuję dla porządku — dla sklepu z PDF-ami nie znaczą nic, dopóki nie zobaczę modelu na własnych opisach produktów.
Kalkulacja: ile kosztuje AI w małym sklepie
Założenia jawne, żeby można było je podmienić. Jeden opis produktu: ok. 600 tokenów promptu (instrukcja + dane produktu) i ok. 700 tokenów odpowiedzi. Jeden alt-tekst: 300 wejścia, 60 wyjścia. Jedna rozmowa czatu: 2 000 wejścia (historia + baza wiedzy), 300 wyjścia. Kurs dolara pomijam — liczę w dolarach.
| Zadanie (wolumen) | Tokeny łącznie | Luna | Sol | Astra (std) |
|---|---|---|---|---|
| 1 000 opisów produktów | 0,6M we / 0,7M wy | $0,41 | $8,20 | $41 |
| 5 000 alt-tekstów do zdjęć | 1,5M we / 0,3M wy | $0,30 | $6,00 | $30 |
| 10 000 rozmów czatu / mies. | 20M we / 3M wy | $3,50 | $70 | $350 |
| Tłumaczenie 1 000 opisów na 1 język | 0,7M we / 0,7M wy | $0,42 | $8,40 | $42 |
Czysta arytmetyka na cenach listowych, bez rabatów za cache, bez kosztów wdrożenia i bez kosztu poprawek po ludziach. Ta ostatnia pozycja bywa największa.
Wniosek z tabeli jest brutalnie prosty: przy tych cenach tokeny przestały być kosztem. Tysiąc opisów produktów za mniej niż pół dolara na Lunie albo za osiem na Solu to koszt jednego kliknięcia w kampanii Google Ads w konkurencyjnej branży. Kosztem jest teraz wszystko wokół: przygotowanie danych wejściowych, sprawdzenie wyników, wdrożenie do sklepu i — przede wszystkim — odpowiedzialność za to, co model napisze na karcie produktu.
Gdzie wystarczy Luna, gdzie potrzebny Sol
- Luna: klasyfikacja zapytań z Search Console, wyciąganie atrybutów z opisów, streszczenia opinii klientów, alt-teksty, tagowanie produktów, pierwsza linia czatu z prostymi pytaniami. Duży wolumen, niska stawka za błąd — bo błąd jest łatwo wyłapać.
- Sol: pisanie opisów, które mają sprzedawać (tu jakość języka jest produktem), analiza danych z kampanii, generowanie wariantów reklam, kod do sklepu, powtarzalne zadania agenta, który klika w panelach.
- Astra: rzadko. Strategia, trudna analiza, audyt, którego nie umiem sam zrobić. W małym sklepie to pojedyncze wywołania miesięcznie, nie strumień.
Zasada, której się trzymam: zaczynaj od najtańszego modelu i podnoś półkę dopiero, gdy błędy kosztują więcej niż różnica w cenie. Przy 100× rozpiętości między Luną i Astrą ta różnica jest zawsze policzalna.
Pułapki w liczeniu kosztów
- Tokeny wyjściowe są 5× droższe od wejściowych we wszystkich trzech modelach. Prompt, który każe modelowi „rozpisać wszystko szczegółowo”, kosztuje realnie więcej niż długi prompt z krótką odpowiedzią.
- Cache’owanie — OpenAI właśnie na nim oszczędził. Jeśli wysyłasz ten sam kontekst (baza wiedzy sklepu) do 10 000 rozmów, płacisz za niego wielokrotnie, chyba że korzystasz z cache promptu. Sprawdź zasady i ceny cache przed wdrożeniem.
- Poprawki po ludziach. Jeśli redaktorka poprawia 30% opisów po Lunie i 5% po Solu, to Sol jest tańszy — mimo 20× wyższej ceny tokenów. Tego nie policzysz bez testu.
- „Promocyjne” ceny GPT-5.6. Obniżka jest liczona względem stawek promocyjnych, nie listowych. To nie zmienia kwot w tabeli, ale zmienia nagłówki.
- Kurs i VAT. Faktura z API przychodzi w dolarach; przy większym wolumenie różnica kursowa i rozliczenie VAT-u to realne pozycje.
Co to znaczy dla wyścigu cen
Trzy tygodnie temu porównywałem Astrę z Claude Fable 5.1 pod kątem jakości. Dziś porównanie przesuwa się na cenę: rodzina trzech modeli w rozpiętości 100× pozwala dobrać koszt do zadania, a nie do dostawcy. Spodziewam się, że konkurenci odpowiedzą podobnie — i że za pół roku ta tabela będzie wyglądać jak cennik hostingu: nikt nie będzie o niej pisał, bo tokeny będą po prostu tanie. To dobra wiadomość dla małych sklepów i gorsza dla firm, które sprzedawały „dostęp do AI” jako produkt.
Plan testu w tym notatniku
Cen nie muszę testować — są w komunikacie. Muszę przetestować jakość na własnych zadaniach.
- Wybrać 30 produktów ze sklepu. Dla każdego wygenerować opis Luną, Solem i Astrą z identycznym promptem. Zapisać realne zużycie tokenów i koszt z panelu API — nie z mojej tabeli.
- Ślepa ocena: żona (która tworzy te materiały) ocenia 90 opisów bez wiedzy, który model je napisał. Skala 1–5 plus „czy trzeba poprawić”.
- Policzyć koszt całkowity: tokeny + czas poprawek × stawka godzinowa. Wskazać model, który wygrywa na koszcie całkowitym, nie na cenie tokenów.
- Wpis z tabelą i wnioskiem — także jeśli okaże się, że najtańszy model jest najlepszy, a cały ten arkusz był niepotrzebny.
FAQ
Ile kosztują GPT-6 Sol i Luna w API?
Według komunikatu OpenAI i relacji VentureBeat z 22.09.2026: Luna $0,10 za milion tokenów wejściowych i $0,50 za milion wyjściowych; Sol $2 i $10. Astra (standard) kosztuje $10 i $50.
Czym różnią się Sol i Luna od Astry?
To tańsze i szybsze modele zbudowane na tych samych postępach; OpenAI przeznacza Lunę do ekstrakcji i streszczeń przy dużym wolumenie, Sol do kodu, analizy danych i pracy agentów, Astrę do najtrudniejszych problemów.
Ile kosztuje wygenerowanie 1 000 opisów produktów?
Przy założeniu 600 tokenów wejścia i 700 wyjścia na opis: ok. $0,41 na Lunie, $8,20 na Solu i $41 na Astrze — bez kosztu poprawek i wdrożenia, które zwykle są większe niż tokeny.
Który model wybrać do sklepu internetowego?
Zacznij od najtańszego i podnoś półkę, gdy błędy kosztują więcej niż różnica w cenie. Dla tagowania i alt-tekstów zwykle wystarczy Luna; dla opisów sprzedażowych warto sprawdzić Sol.
Czy niższe ceny oznaczają niższą jakość?
Nie wiadomo bez testu na własnych danych. Benchmarki producenta nie mówią, jak model napisze opis zeszytu ćwiczeń dla klasy drugiej — dlatego w notatniku jest plan ślepego testu.
Źródła
- OpenAI na X, ogłoszenie GPT-6 Sol i Luna (22.09.2026)
- VentureBeat, OpenAI releases GPT-6 Sol and Luna models, slashing API costs 50% or more (22.09.2026)
- OpenAI, Advancing the price-performance frontier with GPT-5.6 (punkt odniesienia dla obniżki)
Powiązane w notatniku: GPT-6 Astra vs Claude Fable 5.1, reklamy w ChatGPT, agenci AI — odkrycie Claude’a.
— MK · wróć do notatnika
