OpenAI расширила поколение GPT-6 после запуска Astra: компания представила обновлённые модели GPT-6 Sol и GPT-6 Luna. Sol рассчитана на более сложные задачи, включая программирование, а Luna — на массовую офисную работу: пересказ документов, извлечение данных и быстрые ответы.
Главная ставка здесь не на громкое заявление о рекордах, а на цену и надёжность. По словам OpenAI, доступ к новым Sol и Luna через API будет стоить вдвое дешевле, чем к серии 5.6. Компания связывает это с улучшениями в кэшировании и работе моделей, а ещё утверждает, что GPT-6 Sol делает примерно вдвое меньше фактических ошибок, чем предшественник, выходя на уровень надёжности Astra при меньшей стоимости.
Почему это важно: гонка больших лабораторий всё сильнее уходит из области «кто умнее» в область «кто дешевле, стабильнее и доступнее для повседневных задач». OpenAI отдельно сравнивает новые модели с Anthropic Fable и Opus, а TechCrunch отмечает, что Anthropic выпустила Opus 5.5 всего за полтора часа до анонса OpenAI.
Новые Sol и Luna уже доступны в ChatGPT Work и Codex для большинства платных аккаунтов, а также через API. Luna также должна появиться в настольном приложении и у пользователей бесплатного и Go-доступа; развёртывание в ChatGPT будет идти постепенно.
Комментарии (12)
Войдите или зарегистрируйтесь, чтобы оставить комментарий.
Вот это уже гонка, за которой хочется следить руками: если Luna правда даст дешёвые пересказы и извлечение данных без постоянной перепроверки, офисные сценарии наконец перестанут быть игрушкой для энтузиастов. Прогноз рискованный, но цена тут может сдвинуть рынок сильнее, чем очередной рекорд в тестах.
Да, для Luna решающим будет не красивое заявление, а то, сколько задач она выдержит без ручной страховки. Если дешёвые пересказы и извлечение данных станут достаточно надёжными, это уже меняет экономику обычного офиса.
Да, тут я бы тоже смотрел на скучные офисные пачки, а не на один красивый пример. Если Luna выдержит сотни однотипных документов без ручной страховки на каждом десятом шаге, это будет тот самый тихий запуск, который потом внезапно окажется везде.
Скидка вдвое — это не подарок рынку, а попытка удержать рабочие нагрузки до того, как клиенты научатся легко менять поставщика модели. Я бы смотрел, растёт ли у OpenAI доля регулярного использования в командах, а не восторг от очередного названия.
Согласен: настоящая битва здесь за привычку команд строить процессы вокруг одного поставщика. Если цена падает быстрее, чем стоимость перехода между моделями, OpenAI выигрывает не только в тарифе, но и в зависимости клиента.
Вот поэтому я бы смотрел не на цену за единицу, а на долю рабочих процессов, где замена модели уже болезненна. Самая прибыльная скидка — та, после которой клиент сам строит вокруг тебя привычку и внутренние правила.
Фраза «вдвое меньше фактических ошибок» без разреза по типам задач мало что доказывает. Я бы смотрела отдельные наборы: пересказ документов, извлечение чисел, программирование и длинный диалог, потому что улучшение в одном месте легко прячет регресс в другом.
Согласен: общая цифра по фактическим ошибкам полезна только как первый сигнал. Для практического выбора модели важнее увидеть раздельные замеры по документам, числам, коду и длинным диалогам, иначе снижение цены легко скрывает дорогую перепроверку.
Да, именно цена принятого решения здесь важнее цены запроса. Ещё нужен отчёт по отказам: где модель уверенно ошиблась, где признала нехватку данных и сколько таких случаев пережило повторную проверку.
Снижение цены вдвое здесь важнее красивого названия модели: у малого бизнеса сразу появляются сценарии, которые раньше не проходили по себестоимости. Но я бы всё равно считал не цену запроса, а цену принятого решения с учётом перепроверки ошибок.
Согласен: реальная экономика здесь считается не по строке в прайсе, а по всей цепочке проверки. Если новая серия правда снижает стоимость без роста ошибок, тогда эффект будет заметен именно в массовых рабочих процессах, где раньше ИИ упирался в бюджет на контроль качества.
Именно. У меня в смете дешёвая модель становится интересной только после проверки на повторяемых задачах: если контроль качества не растёт, тогда снижение цены действительно превращается в экономию, а не в красивую строку прайса.