GPT-6 Sol e GPT-6 Luna chegaram à API da OpenAI em 22 de setembro de 2026 com uma diferença de preço grande e uma divisão de uso relativamente clara. No processamento Standard, para requisições com até 272 mil tokens de entrada, o GPT-6 Sol custa US$ 2 por 1 milhão de tokens de entrada e US$ 10 por 1 milhão de tokens de saída. O GPT-6 Luna custa US$ 0,10 de entrada e US$ 0,50 de saída pelo mesmo volume.
Isso faz o Luna custar 20 vezes menos por token do que o Sol nesse nível de preço, tanto na entrada quanto na saída. A diferença de custo é objetiva, mas não significa que Luna seja a escolha automática. A própria OpenAI posiciona o Sol para fluxos complexos de programação e agentes, enquanto descreve o Luna como o modelo mais eficiente para tarefas focadas e de alto volume. A decisão prática depende de quanto a qualidade adicional do Sol muda o resultado do seu fluxo.
Preços do GPT-6 Sol e Luna na API
| Modelo | Entrada | Entrada em cache | Gravação em cache | Saída |
|---|---|---|---|---|
| GPT-6 Sol | US$ 2,00 | US$ 0,20 | US$ 2,50 | US$ 10,00 |
| GPT-6 Luna | US$ 0,10 | US$ 0,01 | US$ 0,125 | US$ 0,50 |
Os valores acima são por 1 milhão de tokens, no processamento Standard e com contexto curto, definido pela documentação atual como até 272 mil tokens de entrada. A página oficial de preços e as fichas dos modelos também listam custos diferentes para contexto longo e para outros modos de processamento. Consulte a tabela oficial de preços da OpenAI, além das fichas do GPT-6 Sol e do GPT-6 Luna.
Quanto a geração GPT-6 reduziu frente à GPT-5.6
No GPT-5.6 Sol, a tabela promocional usada como referência pelo anúncio era de US$ 4 por milhão de tokens de entrada e US$ 20 por milhão de saída. No GPT-6 Sol, os dois valores caíram pela metade, para US$ 2 e US$ 10.
No GPT-5.6 Luna, a referência era US$ 0,20 por milhão de entrada e US$ 1,20 por milhão de saída. No GPT-6 Luna, a entrada caiu para US$ 0,10 e a saída para US$ 0,50. Portanto, a entrada foi reduzida em 50% e a saída caiu cerca de 58%. O anúncio de lançamento resume a nova geração como 50% mais barata em relação aos preços promocionais anteriores, enquanto a tabela detalhada mostra os valores exatos por categoria.
Exemplo de custo sob uma carga hipotética
Considere uma aplicação que, em um mês, envie 10 milhões de tokens de entrada e receba 2 milhões de tokens de saída, sem uso de cache e sem ultrapassar 272 mil tokens de entrada em nenhuma requisição.
- GPT-6 Sol: 10 x US$ 2 + 2 x US$ 10 = US$ 40.
- GPT-6 Luna: 10 x US$ 0,10 + 2 x US$ 0,50 = US$ 2.
Nesse exemplo, o Luna reduz a conta de tokens de US$ 40 para US$ 2, uma diferença de US$ 38. Como as tarifas de entrada e de saída do Luna são ambas 20 vezes menores que as do Sol nesse nível, a proporção de custo se mantém para qualquer combinação equivalente de tokens de entrada e saída, desde que as duas cargas estejam sujeitas às mesmas regras de processamento.
Quando o GPT-6 Sol faz mais sentido
O Sol é descrito pela OpenAI como um modelo construído para programação complexa e fluxos de agentes. Isso aponta para cenários em que erros custam caro, a tarefa tem várias etapas, há uso intensivo de ferramentas ou o resultado precisa sustentar raciocínio e execução mais exigentes.
- agentes que planejam e executam sequências longas de ações;
- programação complexa, revisão de código e mudanças em repositórios;
- tarefas profissionais em que uma diferença pequena de qualidade pode poupar retrabalho humano;
- fluxos em que você já mediu ganho de qualidade suficiente para compensar o custo maior.
A justificativa para pagar mais deve vir de teste no seu próprio conjunto de tarefas. Sem benchmark próprio, não é seguro transformar o posicionamento oficial em uma promessa de que o Sol será melhor em toda aplicação.
Quando o GPT-6 Luna faz mais sentido
O Luna é apresentado como o modelo mais eficiente para tarefas focadas e de alto volume. O preço favorece aplicações que fazem muitas chamadas, processam lotes grandes ou têm valor unitário baixo por requisição.
- classificação, extração e transformação estruturada de texto;
- resumos e respostas curtas com critérios bem definidos;
- pré-processamento antes de encaminhar casos difíceis a um modelo mais caro;
- operações em grande escala nas quais custo e vazão são parte central da decisão.
Uma arquitetura comum a testar é usar Luna como padrão e encaminhar apenas casos de maior dificuldade para Sol. Essa estratégia não é uma recomendação universal: ela precisa de uma regra de roteamento mensurável e de validação para evitar queda de qualidade silenciosa.
Os dois modelos têm limites técnicos parecidos em vários pontos
As fichas oficiais listam janela de contexto de 1,05 milhão de tokens e saída máxima de 128 mil tokens para Sol e Luna. Os dois aceitam texto e imagem como entrada e geram texto. Também oferecem níveis de esforço de raciocínio de none até max, embora custo real e latência dependam do uso efetivo e do modo de processamento.
Essa semelhança de limites ajuda a migrar arquiteturas, mas não elimina a necessidade de teste de qualidade. Mesma janela de contexto não significa mesmo desempenho em raciocínio, programação, uso de ferramentas ou seguimento de instruções.
Contexto longo, cache e modos de processamento mudam a conta
Os preços de US$ 2/US$ 10 para Sol e US$ 0,10/US$ 0,50 para Luna não cobrem todos os cenários. Segundo a documentação, prompts com mais de 272 mil tokens de entrada são cobrados, para a requisição inteira, a 2 vezes a tarifa de entrada e cache e a 1,5 vez a tarifa de saída.
O cache também tem preços próprios. A entrada em cache custa US$ 0,20 por milhão no Sol e US$ 0,01 no Luna. Gravações em cache custam US$ 2,50 no Sol e US$ 0,125 no Luna. A OpenAI informa ainda que Batch e Flex custam 50% das tarifas Standard, enquanto o modo Fast custa 2 vezes a tarifa aplicável. Processamento regional pode adicionar 10% onde estiver disponível.
Como escolher sem benchmark próprio
Se você ainda não tem um conjunto de avaliação, comece separando as tarefas por risco e valor. Para tarefas de alto volume e baixo impacto por chamada, o Luna tem uma vantagem de custo muito grande. Para fluxos complexos, especialmente programação e agentes, o Sol é o modelo que a OpenAI posiciona para esse tipo de trabalho.
Depois, crie um benchmark interno com exemplos reais e meça pelo menos quatro itens: taxa de sucesso, necessidade de correção humana, latência e custo total por tarefa concluída. O indicador importante não é apenas o preço por milhão de tokens, mas o custo para alcançar um resultado aceitável.
O que a comparação de preços não prova
Esta comparação usa preços oficiais e descrições de posicionamento publicadas pela OpenAI em 22 e 23 de setembro de 2026. Ela não inclui benchmark independente produzido para este artigo. Portanto, os preços permitem afirmar quanto custa cada volume de tokens sob regras equivalentes, mas não permitem concluir, sozinhos, qual modelo terá melhor qualidade, menor latência ou maior taxa de sucesso na sua aplicação.
Para uma migração segura, a escolha entre GPT-6 Sol e Luna deve combinar a tabela de custos com testes em dados representativos do seu produto. O Luna oferece a rota de menor custo por token; o Sol é direcionado a trabalho mais complexo. O ponto de corte entre os dois precisa ser definido pelos resultados do seu próprio sistema.
