У OpenAI теперь три GPT-6 с очень разной ценой, и я бы точно не выбирал их по принципу «самая мощная должна быть лучшей». Для большинства повседневных задач я бы сначала пробовал GPT-6 Luna, для серьёзной работы брал GPT-6 Sol, а Astra оставлял для случаев, где сложность задачи или цена ошибки действительно оправдывают дорогую модель.
Разница в тарифах огромная. В API миллион входных токенов GPT-6 Astra стоит $10, Sol $2, Luna всего $0,10. Выход стоит соответственно $50, $10 и $0,50. Получается, Astra в сто раз дороже Luna по базовой цене токена. Но есть нюанс. Цена токена и цена готового результата не всегда совпадают. Если Luna ошибается три раза, а Astra с первого раза правильно разбирает сложный проект, дорогая модель может в итоге сэкономить деньги. Поэтому выбирать я советую не «самую умную» модель, а самую дешёвую модель, которая стабильно решает конкретную задачу.
Astra, Sol и Luna на практике
OpenAI сама разделяет семейство примерно по сложности работы. Astra предназначена для самых тяжёлых задач с неоднозначными требованиями, глубоким анализом, программированием и работой через инструменты. Sol должна закрывать большую часть серьёзной повседневной работы. Luna рассчитана на хорошо сформулированные, повторяемые и массовые задачи. Такое разделение мне кажется полезнее любых абстрактных рейтингов.
| Модель | Ввод за 1 млн токенов | Вывод за 1 млн токенов | Для чего я бы использовал |
|---|---|---|---|
| GPT-6 Luna | $0,10 | $0,50 | Извлечение данных, классификация, краткие пересказы, массовая обработка, простые правки, автоматизация |
| GPT-6 Sol | $2 | $10 | Тексты, исследования, программирование, фактчекинг, агенты, работа с документами |
| GPT-6 Astra | $10 | $50 | Сложные исследования, архитектура, большие проекты, неоднозначные задачи, работа через несколько инструментов |
У всех трёх моделей заявлено контекстное окно 1,05 млн токенов и максимальный ответ до 128 тысяч токенов. Поэтому покупать Astra ради одного только «огромного контекста» бессмысленно. Sol и Luna получают такой же максимальный объём входных данных. :chatgpt-
Большой контекст вообще легко переоценить. Возможность отправить модели миллион токенов не означает, что модель одинаково хорошо сопоставит каждую деталь огромного проекта. Кроме того, в API запросы длиннее 272 тысяч входных токенов переходят на повышенный тариф. Для GPT-6 Astra вход становится $20 за миллион токенов, для Sol $4, для Luna $0,20, а вывод тоже дорожает. Поэтому иногда дешевле сначала найти нужные документы, сократить контекст и лишь потом обращаться к модели.
Luna я бы ставил первой для задач с понятным входом и понятным ожидаемым результатом. Например, достать из тысячи документов фамилии и даты, разложить обращения пользователей по категориям, превратить текст в JSON, сделать краткие описания товаров, исправить форматирование, подготовить варианты заголовков или выполнить небольшое изменение кода по точному техническому заданию.
Особенно сильно Luna меняет экономику автоматизации. Допустим, один запрос получает 10 тысяч входных токенов и возвращает тысячу. Без учёта кеширования и дополнительных инструментов такой запрос обойдётся примерно в $0,0015 на Luna, $0,03 на Sol и $0,15 на Astra. Тысяча одинаковых операций превращаются примерно в $1,50, $30 и $150. Разница уже не косметическая.
Sol я считаю наиболее разумной рабочей моделью для задач, где нужен не просто форматированный ответ, а нормальное суждение. Анализ документов, написание статьи по нескольким источникам, исследование рынка, большой фрагмент кода, поиск ошибки, подготовка отчёта, работа агента с файлами и браузером. Именно с Sol я бы начинал большинство профессиональных задач, если Luna уже недостаточно надёжна.
Astra нужна не потому, что хочется «самое лучшее». Я бы включал её, когда задача плохо формализована, состоит из многих зависимых этапов или требует долго удерживать цель при работе с кодом, браузером, файлами и программами. Ещё один хороший критерий связан с ценой ошибки. Если неверный ответ заставит специалиста два часа всё переделывать, экономия нескольких центов на модели выглядит довольно странно.
Но маркетинговое «самая мощная модель» не означает, что Astra окажется лучшей абсолютно везде. Разница между моделями сильно зависит от теста и типа работы. Даже результаты Astra показывают, что лидерство в сложном программировании, работе с инструментами или математике не превращается автоматически в лидерство в каждом текстовом или аналитическом тесте. Для короткого пересказа, классификации или простой правки запускать Astra примерно так же рационально, как ездить за хлебом на карьерном самосвале.
Главная ловушка ChatGPT. Модели в чате и API не совпадают
Здесь названия OpenAI способны окончательно запутать пользователя. GPT-6 Astra, Sol и Luna доступны разработчикам через API, но в обычном разговоре ChatGPT нельзя просто открыть меню и выбрать любую из трёх моделей.
На момент публикации GPT-6 Sol и GPT-6 Luna работают в ChatGPT Work и Codex и отдельно доступны через API. OpenAI прямо указывает, что Sol и Luna в Work и Codex отделены от моделей обычного ChatGPT. Новые модели начали развёртывать 22 сентября для Plus, Pro, Business, Enterprise и Edu.
С Astra ситуация другая. В обычном ChatGPT модель появляется как GPT-6 Pro на подходящих тарифах Pro, Business и Enterprise. В Work и Codex доступ к Astra шире, в том числе модель включена для Plus в рамках доступного лимита. Поэтому фраза «Plus даёт GPT-6 Astra» и фраза «для GPT-6 Pro нужен Pro» могут одновременно быть правдой. Речь идёт о разных режимах ChatGPT.
Обычный ChatGPT на платных тарифах при этом продолжает активно использовать GPT-5.6 Sol, а Free и Go используют GPT-5.6 Luna. Название уровня модели без номера поколения легко вводит в заблуждение. GPT-5.6 Sol и GPT-6 Sol относятся к разным поколениям, как и две Luna. Поэтому при сравнении всегда смотрю на полное название модели.
Есть ещё одна частая ошибка. Подписка ChatGPT Plus или Pro не включает оплату API. Plus сейчас стоит $20 в месяц, но запросы с вашим API-ключом тарифицируются отдельно. Если программа, бот или сервер отправляет запросы напрямую к gpt-6-sol, расходы пойдут по API-тарифу независимо от подписки ChatGPT.
Для обычного пользователя я бы поэтому не покупал дорогой Pro только ради ощущения, что Astra обязана отвечать лучше на каждый вопрос. Pro имеет смысл, если GPT-6 Pro регулярно нужен именно в обычном чате или если повышенные лимиты Work, Codex и других профессиональных функций окупаются реальной работой. Причём GPT-6 Pro даже на Pro имеет собственные ограничения и не является безлимитным.
Как я бы снижал расходы без заметной потери качества
Самая рабочая схема напоминает лестницу. Я начинаю с дешёвой модели и повышаю класс только после реальной проблемы с качеством.
- Повторяемую и чётко описанную задачу сначала отдаю Luna.
- Если Luna пропускает связи, плохо проверяет факты или требует слишком много повторных запросов, переключаюсь на Sol.
- Astra подключаю, когда Sol систематически не справляется или цена человеческой перепроверки становится выше цены модели.
Такой подход особенно полезен для программ и агентов. Не обязательно заставлять одну модель выполнять весь процесс. Luna может классифицировать входящие данные и отсеивать простые случаи, Sol обрабатывать основную массу сложных запросов, Astra получать только несколько процентов действительно трудных задач.
Настройка reasoning effort тоже влияет на экономику. Sol и Luna позволяют использовать уровни от none до max, Astra начинается с low. Для извлечения полей из документа глубокое рассуждение обычно не нужно. Для анализа архитектуры программы высокий уровень может дать больше пользы. Запуск max по умолчанию превращает экономичную модель в вычислительно тяжёлую без гарантии, что результат улучшится пропорционально расходам.
Я бы вообще не сравнивал модели на пяти случайных вопросах. Для рабочего проекта лучше взять 20-50 реальных заданий, заранее определить критерий хорошего результата и прогнать одинаковый набор через Luna, Sol и Astra. Считать нужно не только стоимость API, но и долю успешных ответов, повторные попытки, время сотрудника на проверку и исправления.
Например, Luna может стоить в сто раз меньше Astra, но если редактор час исправляет каждую статью, экономия существует только в бухгалтерской таблице OpenAI. Обратная ситуация тоже встречается постоянно. Astra даёт чуть более красивый ответ на задачу, которую Luna уже решает достаточно хорошо. В таком случае пользователь фактически платит за качество, которое никак не использует.
Мой выбор получился бы таким. Для массовых операций и простых автоматизаций я бы начинал с GPT-6 Luna. Для основной профессиональной работы, текстов, исследований и разработки брал GPT-6 Sol. GPT-6 Astra оставлял бы для небольшого числа действительно тяжёлых задач. Если речь идёт не об API, а об обычном ChatGPT, сначала проверил бы, нужен ли вообще Pro. Пользователь Plus уже получает сильные модели и доступ к GPT-6 в Work и Codex, а переплачивать за Astra ради вопросов уровня «перепиши абзац» смысла почти нет.
FAQ
Какая GPT-6 самая мощная?
OpenAI позиционирует GPT-6 Astra как наиболее мощную модель семейства. Но превосходство зависит от задачи, а высокая цена не делает Astra рациональным выбором для простой обработки текста, классификации или массовой автоматизации.
Какая модель лучше всего подходит для написания статей?
Я бы начинал с GPT-6 Sol. Luna подходит для коротких и хорошо формализованных текстов. Astra имеет смысл для сложных материалов с большим количеством источников, противоречивыми требованиями и многоэтапным исследованием.
Какая GPT-6 лучше для программирования?
Для повседневной разработки разумно начинать с Sol. Luna подходит для небольших правок и чётких заданий. Astra полезнее при сложной архитектуре, больших изменениях, поиске нетривиальных ошибок и длительной работе с несколькими инструментами.
Почему я не вижу GPT-6 Sol и Luna в обычном ChatGPT?
GPT-6 Sol и GPT-6 Luna сейчас относятся к моделям ChatGPT Work и Codex и не предлагаются как отдельный выбор в обычных разговорах ChatGPT. Через API обе модели доступны разработчикам.
GPT-6 Astra и GPT-6 Pro являются разными моделями?
В обычном ChatGPT название GPT-6 Pro относится к продуктовой конфигурации на базе GPT-6 Astra. В API модель называется GPT-6 Astra и имеет идентификатор
gpt-6-astra.
Включает ли ChatGPT Plus бесплатный доступ к API?
Нет. Подписка ChatGPT и использование OpenAI API оплачиваются отдельно. Наличие Plus или Pro не отменяет тарификацию запросов, отправленных через API-ключ.
Нужно ли всегда выбирать максимальный reasoning?
Нет. Чем проще и точнее сформулирована задача, тем меньше пользы обычно даёт максимальный уровень рассуждения. Для сложной аналитики и программирования повышенный уровень полезнее, чем для классификации, извлечения данных и простого редактирования.
Как понять, какая модель дешевле именно для моего проекта?
Возьмите несколько десятков реальных задач и прогоните одинаковые запросы через Luna, Sol и Astra. Сравните стоимость, процент приемлемых ответов, число повторных попыток и время человека на исправления. Самая дешёвая модель по тарифу не всегда даёт самый дешёвый готовый результат.
