GPT-5.6: чем отличаются Sol, Terra и Luna и какую модель выбрать

GPT-5.6 Sol, Terra и Luna в одной таблице

Цены указаны для обычного текстового ввода и вывода. Кэшированный ввод дешевле; запросы с очень большим контекстом тарифицируются по повышенному коэффициенту. Перед расчётом промышленной нагрузки проверьте актуальную карточку конкретной модели.

Что нового в GPT-5.6

Три постоянных уровня вместо одного универсального флагмана

Номер 5.6 обозначает поколение, а Sol, Terra и Luna — уровни возможностей. Это делает выбор понятнее: не нужно использовать самую дорогую модель для каждой классификации и не нужно отправлять сложное исследование в минимальную модель ради небольшой экономии.

Контекст больше миллиона токенов

Карточки моделей указывают контекстное окно 1 050 000 токенов и до 128 000 токенов вывода. Большое окно позволяет передать крупную кодовую базу, набор документов или историю задачи, но само по себе не гарантирует хороший ответ. Документы всё равно нужно структурировать, удалять дубли и явно задавать критерий результата.

Новые уровни reasoning effort

Для сложных задач доступны повышенные уровни рассуждения. max даёт модели больше вычислительного бюджета. Режим ultra координирует несколько параллельных рабочих потоков и предназначен для наиболее тяжёлых задач; его доступность зависит от продукта и тарифа.

Программное управление инструментами

В Responses API GPT‑5.6 может писать и выполнять код в памяти, координирующий вызовы инструментов и обработку промежуточных результатов. OpenAI называет эту возможность Programmatic Tool Calling. Она особенно полезна, когда агенту нужно обработать много однотипных объектов или связать несколько источников данных.

Предсказуемое кэширование промптов

Для GPT‑5.6 заявлены явные точки кэша и минимальное время жизни кэша 30 минут. Запись в кэш стоит 1,25 от обычного ввода, чтение получает скидку 90% от цены ввода. Это имеет смысл для длинной неизменной инструкции или базы контекста, которая повторяется во многих запросах.

Чем отличаются модели на практике

GPT-5.6 Sol

Sol выбирают, когда стоимость ошибки выше стоимости токенов:

• архитектурное решение и рефакторинг большого проекта;
• исследование с несколькими источниками и проверками;
• поиск сложной причины сбоя;
• длинная агентная задача с браузером, терминалом и файлами;
• критичный документ, который требует нескольких циклов проверки.

Для простого извлечения полей из тысячи обращений Sol обычно избыточна. Её преимущество раскрывается там, где нужно удерживать цель, пересматривать гипотезы и доводить результат до рабочего состояния.

GPT-5.6 Terra

Terra — базовый выбор для большинства компаний:

• подготовка и редактирование контента;
• анализ таблиц и отчётов;
• ответы клиентам по базе знаний;
• создание и ревью обычного кода;
• SEO-кластеризация и разметка запросов;
• внутренние ассистенты.

Она вдвое дешевле Sol и сохраняет большой контекст. Поэтому сначала имеет смысл проверить Terra на реальном наборе задач, а сложные или неуверенные случаи маршрутизировать в Sol.

GPT-5.6 Luna

Luna рассчитана на скорость и объём:

• классификация лидов;
• определение тематики и тональности;
• извлечение имени, телефона, артикула и других полей;
• краткие резюме;
• нормализация текста;
• первичный черновик ответа по строгому шаблону.

Её удобно ставить первым уровнем в автоматизации. Если данных недостаточно, конфликтуют правила или запрос относится к высокому риску, система передаёт задачу Terra, Sol или человеку.

Где доступна GPT-5.6

По состоянию на 29 июля 2026 года:

• в обычном ChatGPT пользователи Plus, Pro, Business и Enterprise получают доступ к Sol на средних и высоких уровнях рассуждения;
• Sol Pro доступна пользователям Pro и Enterprise для особенно сложных задач;
• в ChatGPT Work и Codex пользователи Free и Go получают Terra;
• пользователи Plus, Pro, Business и Enterprise могут выбирать Sol, Terra и Luna;
• через OpenAI API доступны все три модели.

Развёртывание функций может зависеть от региона, тарифа и интерфейса. Если модель не видна в списке, проверьте официальный раздел моделей и настройки рабочего пространства.

Как посчитать стоимость API

Формула для одного запроса:

стоимость = входные токены × цена ввода / 1 000 000
          + выходные токены × цена вывода / 1 000 000

Пример: 1000 обращений, в каждом 2 000 входных и 300 выходных токенов.

Это стоимость только токенов модели. Поиск, выполнение кода, хранение данных, сервер, сторонние API и разработка считаются отдельно.

Что показывают официальные тесты

OpenAI публикует результаты GPT‑5.6 на профессиональных, научных, кодовых и агентных оценках. Например, в таблице релиза указаны:

Эти результаты полезны для общего сравнения, но не заменяют тест на ваших данных. У оценки может быть собственный набор инструментов, лимит времени и режим рассуждения. Число из таблицы нельзя напрямую переводить в процент качественных ответов клиентам или рост продаж.

Как протестировать GPT-5.6 на русском

Подготовьте 30–50 реальных задач без персональных данных и оцените все модели одинаково.

Тест для текста

Дайте исходный материал, аудиторию и ограничения. Оцените:

• точность фактов;
• сохранение смысла;
• конкретность;
• соответствие тону;
• количество правок редактора.

Тест для кода

Используйте задачи из вашего репозитория: исправление ошибки, тест, небольшой рефакторинг. Проверяйте прохождение тестов, размер изменений и отсутствие регрессий.

Тест для анализа

Передайте одну таблицу и список бизнес-вопросов. Проверьте вычисления независимо. Отдельно фиксируйте случаи, когда модель уверенно сделала вывод без достаточных данных.

Тест для автоматизации

Измеряйте:

• долю успешно завершённых задач;
• среднюю стоимость одной успешной задачи;
• время ответа;
• долю передачи человеку;
• количество критичных ошибок.

Выбирайте конфигурацию с лучшей стоимостью надёжного результата.

Какую модель выбрать

Практичная архитектура — каскад. Luna обрабатывает понятные массовые задачи, Terra принимает большинство содержательных запросов, Sol получает сложные исключения. Так бизнес платит за максимальную модель только там, где она действительно повышает вероятность успеха.

GPT-5.6 для SEO и контента

Модель может ускорить сбор структуры, классификацию запросов, анализ страниц и редактуру. Она не подтверждает поисковый спрос и не знает автоматически данные вашей Метрики или Вебмастера. Рабочий процесс выглядит так:

1. Выгрузить реальные запросы и страницы.
2. Сгруппировать их по интенту.
3. Проверить пересечение будущей статьи с существующими URL.
4. Сформировать структуру по фактическим вопросам.
5. Написать материал по первичным источникам.
6. Проверить факты, ссылки и соответствие видимого текста разметке.
7. После публикации менять заголовки по фактическим показам и кликам.

Для массовой классификации подойдёт Luna или Terra. Для финального решения о каннибализации и структуре нужен более сильный режим и человеческая проверка.

Три готовых теста перед внедрением

Запускайте один и тот же запрос на Luna, Terra и Sol с одинаковыми настройками. Сохраняйте исходные данные, ответ, число токенов, время и оценку проверяющего.

Тест 1. Классификация обращений

Подготовьте 50 обезличенных обращений и ожидаемый результат для каждого. Пример задания:

Ты классифицируешь входящие обращения агентства.

Верни JSON:
{
  "topic": "seo|telegram_bot|integration|support|other",
  "urgency": "low|normal|high",
  "lead": true,
  "missing_fields": [],
  "summary": ""
}

Правила:
- lead=true, если человек описывает задачу или спрашивает стоимость;
- urgency=high только при явно названном сроке до 3 рабочих дней;
- не додумывай телефон, бюджет и срок;
- summary — одно предложение до 140 символов.

Обращение:
«Нужен бот для записи в салон, два мастера, хотим запуститься в августе».

Проверяйте валидность JSON, правильность темы, отсутствие выдуманных полей и долю обращений, которые пришлось исправлять вручную.

Тест 2. Ответ клиенту по базе знаний

Передайте правила услуги и попросите модель ссылаться только на них:

Составь ответ клиенту по приведённой базе знаний.

Требования:
- сначала дай прямой ответ;
- используй только факты из базы;
- если данных недостаточно, задай один уточняющий вопрос;
- не обещай срок и стоимость, которых нет в базе;
- объём — до 700 знаков.

База знаний:
[вставить утверждённый фрагмент]

Вопрос клиента:
[вставить вопрос]

В набор обязательно включите вопросы, на которые в базе нет ответа. Именно они показывают, умеет ли конфигурация признавать недостаток данных.

Тест 3. Задача по коду

Дайте модели небольшой реальный дефект вместе с тестами и критериями готовности:

Исправь дефект в приложенном проекте.

Готово, когда:
1. воспроизводящий тест до исправления падает;
2. после исправления проходят новый и существующие тесты;
3. публичный интерфейс не изменён;
4. в ответе перечислены изменённые файлы и причина изменения.

Не меняй зависимости и форматирование несвязанных файлов.

Оценивайте прохождение тестов и размер побочных изменений. Длинное объяснение при сломанных тестах считается неуспешным результатом.

Практическая маршрутизация между Luna, Terra и Sol

Для первой версии достаточно прозрачных правил:

1. Строгая классификация, извлечение полей, короткое резюме → Luna.
2. Ответ по базе знаний, анализ документа, обычная задача по коду → Terra.
3. Архитектура, расследование ошибки, многошаговая работа с инструментами → Sol.
4. Низкая уверенность, конфликт правил или высокий риск → человек.
5. Неудача Luna → одна повторная попытка на Terra.
6. Неудача Terra в сложной задаче → Sol.

Система должна сохранять причину повышения уровня. Через месяц станет видно, какие темы действительно требуют Sol, а какие можно вернуть на Terra или Luna.

Пример функции выбора

если risk in ["legal", "medical", "security"]:
    отправить человеку
иначе если task in ["classify", "extract", "short_summary"]:
    выбрать Luna
иначе если complexity == "high" или tools_count > 3:
    выбрать Sol
иначе:
    выбрать Terra

В производственной системе добавьте лимит стоимости, таймаут и резервный сценарий. Название модели храните в конфигурации, чтобы смена версии не требовала изменения бизнес-логики.

Чек-лист пилота на семь дней

1. Выберите один повторяющийся процесс и владельца результата.
2. Соберите не менее 50 реальных примеров с эталонной оценкой.
3. Удалите персональные и секретные данные.
4. Прогоните три модели с одинаковым промптом.
5. Посчитайте стоимость успешной задачи, время и критичные ошибки.
6. Зафиксируйте случаи обязательной передачи человеку.
7. Запустите пилот только на части потока.
8. Каждый день просматривайте ошибки, неудачные повышения уровня и расходы.
9. Через неделю закрепите модель, промпт и порог эскалации.

Результат пилота должен звучать измеримо: например, «Terra корректно обработала 91 из 100 обращений, средняя стоимость — $0,012, девять обращений переданы сотруднику». Формулировка «ответы выглядят лучше» не позволяет принять решение.

Частые вопросы

Когда вышла GPT-5.6?

Общий релиз семейства состоялся 9 июля 2026 года после ограниченного предварительного доступа.

Какая модель GPT-5.6 самая сильная?

Sol — флагман линейки. Terra оптимизирует баланс качества и стоимости, Luna — скорость и цену массовых операций.

Есть ли GPT-5.6 в API?

Да. Sol, Terra и Luna доступны через OpenAI API. Точные идентификаторы, лимиты и цены нужно брать из актуальных карточек моделей.

Сколько стоит GPT-5.6?

На 29 июля 2026 года за миллион токенов ввод/вывод: Sol — $5/$30, Terra — $2,50/$15, Luna — $1/$6. Подписка ChatGPT и использование API оплачиваются отдельно.

Какой контекст у GPT-5.6?

В официальных карточках моделей указано 1 050 000 токенов контекста и до 128 000 токенов вывода.

Terra лучше GPT-5.5?

OpenAI позиционирует Terra как более дешёвую модель с конкурентной относительно GPT‑5.5 производительностью. Для конкретной задачи ответ даёт только одинаковый тест на ваших данных.

Источники

• Официальный релиз GPT‑5.6
• Каталог моделей OpenAI API
• Карточка GPT‑5.6 Sol
• Карточка GPT‑5.6 Terra
• Карточка GPT‑5.6 Luna

Материалы по теме

Что изучить дальше