OpenAI выпустила GPT-6 Sol и GPT-6 Luna — модели для ежедневных задач и больших объёмов

Вслед за флагманом GPT-6 Astra компания OpenAI выпустила ещё две модели семейства — GPT-6 Sol и GPT-6 Luna, и обе уже доступны в Amazon Bedrock. Смысл не в наращивании мощности любой ценой, а в разделении труда: Astra остаётся для самых амбициозных задач, где важнее всего качество результата, а Sol и Luna — для того, что происходит каждый день и должно окупаться на масштабе.

GPT-6 Sol рассчитан на рутину, которая на самом деле не рутинная: реализовать фичу, найти баг, отрефакторить код, проверить чужие изменения, обработать данные, довести многошаговый процесс из нескольких инструментов до конца. По внутренним замерам OpenAI на фактологию, Sol ошибается в фактах примерно вдвое реже, чем предыдущий GPT-5.6 Sol, — для агента, который самостоятельно проходит путь от постановки задачи до готового решения, это едва ли не важнее сырой мощности.

GPT-6 Luna — противоположный полюс: модель для задач, которые повторяются тысячи раз в день и потому обязаны быть дешёвыми. Извлечение данных из больших массивов документов, суммаризация входящих материалов, классификация запросов, ответы на узкие вопросы в потоке — ровно то, что незаметно по отдельности, но складывается в основную статью расходов при работе с реальным объёмом пользователей. OpenAI сообщает об улучшениях в фактической точности и чёткости ответов и здесь, а расход на рассуждения можно регулировать под конкретный запрос — переплачивать за глубокие рассуждения там, где хватило бы короткого ответа, больше не нужно.

Обе модели стоят заметно дешевле своих предшественников из линейки GPT-5.6 — по данным AWS, речь о существенном снижении цены API. К этому добавлено явное кэширование промптов на Bedrock: разработчик может пометить часть запроса как переиспользуемую, и система не будет заново обрабатывать инструкции, описания инструментов и справочные материалы при каждом обращении — полезно для ассистентов, которые постоянно опираются на один и тот же контекст репозитория или регламента.

Названия тоже неслучайны: если Astra — про масштаб и амбицию, то Sol и Luna явно метят в противоположность друг другу — постоянство дневного светила против переменчивости ночного, стабильная рабочая лошадка против лёгкой и быстрой модели для потока задач.

Идея выстраивать конвейер из разных моделей под разные шаги — Luna сортирует входящий поток, Sol разбирается со сложными случаями, Astra подключается там, где нужна максимальная глубина рассуждений — выглядит взрослее, чем гонка за одной самой мощной моделью на все случаи жизни. Похоже, именно экономика вызова, а не рекорд в очередном бенчмарке, теперь определяет, какая модель на самом деле доедет до продакшена.