Il 22 settembre OpenAI ha lanciato GPT-6 Sol e GPT-6 Luna, i due modelli "più piccoli" della famiglia GPT-6, a tre settimane da Astra. Per chi sviluppa la notizia non è il numero di versione: è il prezzo.
Le API di GPT-6 Sol e Luna costano la metà dei rispettivi GPT-5.6. E stavolta non è un prezzo promozionale, ma quello di listino.
Novanta minuti prima, Anthropic aveva rilasciato Claude Opus 5.5. Quindi chi deve scegliere un modello per un agente, un'integrazione o una sessione di coding si trova con tre opzioni nuove nello stesso giorno.
In questo articolo metto in fila i numeri ufficiali di GPT-6 Sol e Luna, faccio il conto su una sessione di lavoro realistica e ti dico quale userei per cosa.
Una premessa onesta: i benchmark che cito sono quelli pubblicati da OpenAI, che ha testato i suoi modelli e ha preso i numeri dei concorrenti da report pubblici. Servono per orientarsi, non sono una verità assoluta.
GPT-6 Sol e Luna in breve: cosa sono
La famiglia GPT-6 oggi ha tre modelli, ciascuno con un ruolo preciso:
- GPT-6 Astra: il modello di punta, per i lavori più difficili. È anche il più caro.
- GPT-6 Sol: il modello "da lavoro quotidiano". Ragiona bene, è pensato per coding interattivo, agenti e task professionali complessi.
- GPT-6 Luna: il modello leggero e veloce, per compiti ad alto volume con un obiettivo chiaro: riassumere documenti, estrarre dati, rispondere a domande rapide, classificare.
OpenAI dice di aver addestrato Sol e Luna con metodi simili a quelli di Astra. L'obiettivo è portare nei modelli economici i miglioramenti su lavoro professionale, affidabilità dei fatti, coding, uso del computer e allineamento.
E GPT-6 Terra?
Non c'è. Nella generazione 5.6 la famiglia era Sol, Terra e Luna; con GPT-6, almeno per ora, Terra non esiste.
Se oggi hai un'integrazione su GPT-5.6 Terra, non hai un sostituto diretto: devi scegliere se salire su Sol o scendere su Luna. Più sotto spiego come decidere con un test sui tuoi dati invece che a occhio.
Prezzi di GPT-6 Sol e Luna: la tabella
Questi sono i prezzi API per milione di token, confrontati con la generazione precedente:
| Modello | Input | Output | Rispetto al 5.6 |
|---|---|---|---|
| GPT-6 Sol | 2 $ | 10 $ | -50% (era 4 / 20 $) |
| GPT-6 Luna | 0,10 $ | 0,50 $ | almeno -50% (era 0,20 / 1,20 $) |
| GPT-6 Astra | 10 $ | 50 $ | invariato |
Il dettaglio che molti riassunti non dicono è la cache. Con GPT-6 OpenAI ha migliorato il prompt caching, e i token di input letti dalla cache hanno uno sconto del 90%.
Per un agente di coding, che rilegge continuamente lo stesso contesto (file del progetto, istruzioni, cronologia), è lo sconto che pesa di più sulla fattura, più ancora del taglio di listino.
In più adesso puoi cambiare il livello di ragionamento (effort) o attivare e disattivare i tool a metà conversazione senza perdere la cache. Prima, alzare l'effort per un passaggio difficile voleva dire ripagare tutto il contesto.
Differenze tra GPT-6 Sol e Luna
La regola pratica che uso è semplice: GPT-6 Sol quando il modello deve decidere, Luna quando deve eseguire.
Quando scegliere GPT-6 Sol
- Coding con un agente (Codex, Copilot, integrazioni custom): refactoring, bug che attraversano più file, modifiche che devono passare la review.
- Agenti con tanti tool: workflow che toccano CRM, email, fatturazione, dove un errore di logica costa più dei token.
- Analisi e scrittura tecnica dove serve ragionamento, non solo estrazione.
Quando scegliere GPT-6 Luna
- Estrazione dati strutturati da PDF, email, fatture: un obiettivo chiaro, tanti documenti.
- Classificazione e smistamento: ticket, lead, messaggi in arrivo.
- Chatbot su una base di conoscenza con domande prevedibili.
- Sottoagenti: in un sistema multi-agente, Luna fa i passaggi meccanici e Sol coordina.
Luna non è un modello "giocattolo". Secondo OpenAI, a effort alto eguaglia l'affidabilità sui fatti di GPT-5.6 Sol a circa un centesimo del costo.
Nei flussi di automazione AI che costruisco per le PMI il grosso dei passaggi è estrarre, riassumere e instradare. Per quel lavoro Luna è il candidato naturale.
Benchmark: cosa dicono i numeri di OpenAI
Ho selezionato i test più vicini al lavoro reale di uno sviluppatore:
- DeepSWE v1.1 (task di ingegneria del software su codebase vere): GPT-6 Sol a effort max fa 68,8%, contro il 69,9% di Claude Fable 5 a effort xhigh, con un costo per task stimato dell'80% più basso. Luna a effort max fa 66,6%, vicino a Opus 5 e Fable 5 a effort medio.
- FrontierCode 1.1 (codice valutato anche per "mergeabilità": test, stile, rispetto degli standard del progetto): Sol migliora molto su GPT-5.6 Sol e arriva al livello di Fable 5.1 xhigh.
- AutomationBench (workflow aziendali con 47 tool tra vendite, marketing, supporto, finanza): Sol a effort xhigh fa 33,2% a 0,27 $ per task, contro il 26,9% di Opus 5 a effort max, che costa 11 volte di più per task.
- OSWorld 2.0 (uso del computer): Sol xhigh fa 60,5%, praticamente come Opus 5 a effort medio, con un costo stimato dell'80% inferiore.
Due cose da tenere a mente. Primo: i confronti sono quasi tutti contro Opus 5 e Fable 5 o 5.1, non contro Opus 5.5, uscito lo stesso giorno.
Secondo: OpenAI dichiara che GPT-6 Sol sbaglia sui fatti circa la metà delle volte rispetto a GPT-5.6 Sol. Il dato però viene da una sua valutazione interna costruita su conversazioni difficili, non sull'uso medio.
GPT-6 Sol vs Claude Opus 5.5: il conto su una sessione vera
Il confronto per token è facile: GPT-6 Sol costa 2 / 10 $, Opus 5.5 costa 4 / 20 $. Sol costa la metà.
Anthropic però dichiara che Opus 5.5 usa meno token per completare un task rispetto a Opus 5, quindi il prezzo per token da solo non basta.
Per rendere il confronto concreto ho fatto un conto su una sessione tipo di un agente di coding: 2 milioni di token di input, di cui l'80% letto dalla cache, e 150.000 token di output. È un'ipotesi mia, a listino, senza contare le differenze di efficienza tra modelli:
| Modello | Input nuovo (400k) | Input da cache (1,6M) | Output (150k) | Totale |
|---|---|---|---|---|
| GPT-6 Luna | 0,04 $ | 0,02 $ | 0,08 $ | circa 0,13 $ |
| GPT-6 Sol | 0,80 $ | 0,32 $ | 1,50 $ | circa 2,62 $ |
| Claude Opus 5.5 | 1,60 $ | 0,32 $ | 3,00 $ | circa 4,92 $ |
| GPT-6 Astra | 4,00 $ | 1,60 $ | 7,50 $ | circa 13,10 $ |
A parità di token, GPT-6 Sol costa poco più della metà di Opus 5.5. Il vantaggio si riduce se Opus 5.5 chiude lo stesso task con meno output, perché l'output è la voce più pesante.
Quanto si riduce lo sai solo misurando sul tuo progetto: stesso task, stessi file, due modelli. Poi guardi i token consumati e quante correzioni hai dovuto fare a mano.
Io la vedo così: se il tuo collo di bottiglia è il budget e fai tante sessioni al giorno, GPT-6 Sol è oggi la scelta più ragionevole nella fascia alta.
Se lavori su codice delicato, dove una correzione in meno vale più di qualche dollaro, Opus 5.5 merita il test. Ne parlo nell'articolo su prezzi e novità di Claude Opus 5.5.
Dove trovi GPT-6 Sol e Luna oggi
- API OpenAI: con gli identificativi
gpt-6-solegpt-6-luna. - ChatGPT Work e Codex: per gli abbonati Plus, Pro, Business, Enterprise ed Edu. Il rilascio è graduale, quindi se non li vedi subito riprova più tardi.
- Utenti Free e Go: hanno Luna nell'app desktop.
- Chat classica di ChatGPT: al momento del lancio non ci sono ancora.
- GitHub Copilot: Sol su Pro+, Max, Business ed Enterprise; Luna anche sul piano Pro. La fatturazione è a consumo.
- Microsoft Foundry (Azure): disponibili anche nelle Data Zone EU, utile se hai vincoli di residenza dei dati in Europa. Sul forum Microsoft ci sono già segnalazioni di errori di deploy in alcune regioni: se ti capita, prova un'altra regione.
Io pago sia ChatGPT Plus sia Claude Max per il lavoro quotidiano, quindi il primo test che faccio è banale: stesso task in Codex con GPT-6 Sol e in Claude Code con Opus 5.5, e confronto il diff.
Se stai scegliendo tra questi strumenti, ho messo a confronto gli agenti nell'articolo Devin vs Claude Code, Codex e Cursor.
Come passare da GPT-5.6 a GPT-6 Sol senza sorprese
Cambiare il nome del modello è una riga di codice. Il rischio è cambiare comportamento in produzione senza accorgertene. Questo è il percorso che seguo quando migro un'integrazione di un cliente:
- Prepara un set di test con 20-50 richieste reali prese dai log, con la risposta attesa o almeno i criteri per giudicarla.
- Cambia solo il modello, non il prompt. Se parti da GPT-5.6 Terra, prova sia
gpt-6-solsiagpt-6-luna. - Parti con un effort basso e alzalo solo dove serve: con GPT-6 cambiare effort a metà conversazione non rompe più la cache.
- Controlla la cache con il nuovo pannello di OpenAI sul prompt caching: se la percentuale di input in cache è bassa, stai buttando lo sconto del 90%.
- Rivedi il prompt: con Astra OpenAI ha consigliato di togliere regole superflue, e Sol e Luna ereditano lo stesso stile. Ho riassunto quella guida in come scrivere i prompt per GPT-6.
- Confronta costo per task, non costo per token: il numero che ti interessa è quanto spendi per ogni richiesta risolta bene.
Un esempio minimo con l'SDK Node.js di OpenAI:
import OpenAI from "openai";
const client = new OpenAI();
const res = await client.responses.create({
model: "gpt-6-luna", // prima: gpt-5.6-luna
reasoning: { effort: "low" }, // alza solo se il test lo richiede
input: "Estrai numero fattura, data e totale da questo testo: ..."
});
console.log(res.output_text);Anche lo stile delle risposte è cambiato
Sol e Luna prendono da Astra un modo di comunicare più asciutto: meno gergo, meno dettagli inutili, risposte un po' più corte.
Nei test di allineamento di OpenAI entrambi dichiarano meno spesso cose non vere sul lavoro di coding che hanno svolto. Per chi usa un agente è una buona notizia: un agente che dice "ho verificato" quando non l'ha fatto è il problema più costoso da scoprire.
Se hai costruito parser o flussi che si basano sulla lunghezza o sul formato delle risposte di GPT-5.6, questo è il punto da testare per primo.
La mia scelta: quale modello per quale lavoro
- Automazioni e integrazioni ad alto volume (estrazione, classificazione, chatbot): GPT-6 Luna.
- Agenti di coding e workflow con molti tool: GPT-6 Sol come default.
- Task rari ma critici dove conta solo il risultato: GPT-6 Astra o Claude Fable 5.1. Li ho confrontati in GPT-6 Astra vs Claude Fable 5.1.
- Codice delicato dove ogni correzione conta: test testa a testa tra GPT-6 Sol e Opus 5.5 sul tuo repository.
Leggi anche
- GPT-6 Astra: limiti Plus, Pro sospeso, conviene l'API?
- Fable 5.1 vs Opus 5 (e Opus 4.8): quale scegliere
- OpenAI Agents API: cos'è, quanto costa e quando usarla
- DeepSeek V4.1 Flash: benchmark, prezzi e cosa cambia
Conclusione
Il messaggio di questo lancio è che l'AI di buon livello costa sempre meno, e che la differenza la fa come la integri: cache, effort, test sul costo per task. GPT-6 Sol è oggi il nuovo punto di riferimento nella fascia media, Luna quello per i volumi.
Se vuoi portare GPT-6 Sol o Luna nei processi della tua azienda, o migrare un'integrazione esistente senza sorprese sulla fattura, scrivimi. Ci lavoro io direttamente, dal primo test alla messa in produzione. Qui trovi tutti i miei servizi.
