OpenAI
OpenAI leva GPT-6 Sol e Luna ao trabalho cotidiano com IA
Os novos modelos buscam tornar programação e agentes mais rápidos e acessíveis na API e no Codex.
A OpenAI apresentou GPT-6 Sol e GPT-6 Luna como opções mais rápidas e econômicas da família GPT-6. Segundo a empresa, os modelos levam avanços em programação, uso de computadores, precisão factual e trabalho profissional a tarefas que não exigem toda a capacidade do Astra.
Os dois modelos estão disponíveis na API e no Codex. A OpenAI informa que os preços da API são 50% menores que os preços promocionais dos equivalentes GPT-5.6, enquanto melhorias no cache de prompts podem reduzir ainda mais o custo do contexto repetido em agentes de longa duração.
Dois trabalhos diferentes, um lançamento
A OpenAI posiciona o Sol para programação complexa e fluxos com agentes e o Luna para tarefas focadas e de alto volume. As páginas dos modelos mostram preços padrão de US$ 2 por milhão de tokens de entrada e US$ 10 de saída para o Sol, contra US$ 0,10 e US$ 0,50 para o Luna. Ambos apresentam janela de contexto de 1,05 milhão de tokens, mas uma janela maior não torna uma tarefa mal definida mais barata ou confiável.
O artigo de lançamento relata avanços em avaliações de programação e agentes e compara o custo por tarefa com modelos rivais. Esses benchmarks vêm da própria OpenAI; ajudam a orientar, mas não substituem testes com seus prompts, ferramentas, latência e modos de falha. O histórico da API confirma os IDs e a disponibilidade nas APIs Responses e Chat Completions.
O que eu testaria
Execute o mesmo conjunto de tarefas reais nos dois modelos. Acompanhe qualidade da tarefa concluída, tentativas extras, chamadas de ferramentas, tempo total e custo final, não apenas preço por token. Uma chamada barata que exige cinco tentativas pode sair cara. Sol pode fazer sentido para trabalhos ambíguos e de várias etapas; Luna pode vencer quando a tarefa é estreita e repetida em escala. A resposta está na sua carga de trabalho, não no nome do modelo.
Fontes e leituras complementares
Conteúdos relacionados
- NotíciasCanvases do Copilot transformam o trabalho dos agentes em interfacesO GitHub mostra como criar superfícies interativas compartilhadas para planejar e acompanhar tarefas com agentes.
- NotíciasCache de prompts do GPT-6 ganha diagnósticos e pontos de controleNovas ferramentas ajudam a encontrar falhas no cache e controlar o contexto reutilizado por agentes de longa duração.
- NotíciasGitHub Copilot ganha novos modelos e mais controle sobre agentesA atualização traz mais opções de modelos, sandbox local e novidades no VS Code, JetBrains, Slack e Teams.
Comentários
Dúvidas, correções ou sua própria visão são todas bem-vindas. Entre com o GitHub para participar.