Novo Cadastre-se grátis, 10 chamadas por nossa conta. Até US$ 1, sem cartão.

GPT-6 Luna vs GPT-6 Sol

vs

Qual usar, quando

O gpt-6-luna e o gpt-6-sol têm a mesma configuração no papel: ambos possuem um contexto de 1050000 tokens, saída máxima de 128000 tokens, entrada de texto e imagem com saída de texto, as mesmas flags de chat/visão/código/ferramentas/raciocínio, pensamento opcional, e um lançamento em 2026-09-22. A diferença é o preço: o gpt-6-sol custa 20x mais em cada linha ($2 vs $0.1 na entrada, $10 vs $0.5 na saída, $0.2 vs $0.01 nas leituras de cache), portanto faça do gpt-6-luna o padrão para trabalhos de alto volume e contexto longo. Recorra ao gpt-6-sol apenas quando testes em seus próprios prompts justificarem o custo 20x maior; o gpt-6-luna tem inclusive o limite de conhecimento mais recente, 2026-05 contra 2026-04.

Benchmarks

Acima da médiaGPT-6 Lunaapenas 1 comparáveisGPT-6 Solapenas 4 comparáveis
GPT-6 Luna GPT-6 Sol outros modelos medidos média dos modelos comparados nenhum outro modelo pontuou mais alto
DeepSWE 1.1
66.6%
68.8%
OSWorld 2.0 offline set, partial
N/A
60.5%
Agents' Last Exam
N/A
56.4%

Publicado pelos fornecedores: Alibaba (Qwen) Anthropic DeepSeek Google OpenAI Z.ai

Preços

GPT-6 Luna GPT-6 Sol Δ
Entrada / 1M tokens $0.1 $2 0.05×
Saída / 1M tokens $0.5 $10 0.05×
Leitura de cache / 1M tokens $0.01 $0.2 0.05×
Escrita de cache sem cobrança separada sem cobrança separada -

Tarifas do catálogo em tempo real no momento do build; a página de cada modelo contém o cartão atual.

Onde eles se posicionam - preço de entrada por 1M tokens entre todos os 74 modelos de chat nesta unidade de cobrança (escala logarítmica)

GPT-6 Luna · $0.1 GPT-6 Sol · $2
$0.05 · Qwen3 VL Flash $30 · GPT-5.4 Pro

Capacidades

GPT-6 Luna GPT-6 Sol
Uso de ferramentas sim sim
Controle de raciocínio configurável configurável
Saída estruturada sim sim
Cache de prompt implícito (automático) implícito (automático)
Tempo de vida do cache 5-10m, up to 1h 5-10m, up to 1h
Prefixo mínimo em cache 1024 tokens 1024 tokens

Especificações

GPT-6 Luna GPT-6 Sol
Modalidades de entrada texto imagem texto imagem
Modalidades de saída texto texto
Lançamento 2026-09-22 2026-09-22
Corte de conhecimento 2026-05 2026-04
Janela de contexto 1.1M 1.1M
Saída máxima 128K 128K
Parâmetro de raciocínio reasoning.effort reasoning.effort
Valores aceitos
reasoning.effort
  • none
  • low
  • medium
  • high
  • xhigh
  • max
reasoning.effort
  • none
  • low
  • medium
  • high
  • xhigh
  • max
Padrão medium medium

As especificações são transcritas da documentação de cada fornecedor; uma linha que um fornecedor não publica é omitida em vez de ser inferida. Fontes completas: GPT-6 Luna · GPT-6 Sol

Um prompt, ambos os modelos - medidos pelo gateway

PROMPT Explain to a CFO, in exactly three sentences, why our LLM bill doubled after we enabled reasoning. VERIFICAR exatamente 3 frases

GPT-6 Luna passou · 3 sentences

Enabling reasoning typically makes the model process more information and generate more internal tokens before producing its answer. Because usage is billed by tokens—and reasoning may also route requests to a more expensive model—the cost per request can rise sharply. If request volume stayed similar, that higher cost per request could explain why the bill doubled.

saída 117 tok (+48 pensamento) latência 3.4 s

GPT-6 Sol passou · 3 sentences

Enabling reasoning made the model generate extra internal tokens to work through each request, and those tokens are billed even though users don’t see them. If request volume stayed roughly the same, more billed tokens per request could explain why the bill doubled. We should check the usage breakdown to confirm, then lower reasoning effort or limit it to tasks that need it.

saída 188 tok (+111 pensamento) latência 5.0 s

Cumprimento da instrução (exatamente três frases - contáveis), ajuste ao público (registro de CFO), e a lacuna de cobrança do pensamento oculto que os medidores de tokens abaixo expõem.

PROMPT This function is supposed to return the longest run of consecutive equal items, but callers report it is off by one on single-element inputs and misses runs that end at the last index. Fix it and explain the bug in one paragraph. VERIFICAR a correção passa nos testes

GPT-6 Luna passou · 8/8 cases

```python def longest_run(xs): if not xs: return 0 best = cur = 1 for i in range(1, len(xs)): if xs[i] == xs[i - 1]: cur += 1 else: cur = 1 best = max(best, cur) return best ``` The original code counted matching *adjacent pairs* rather than items, so a run of length `n` was reported as `n - 1`, and a single-item input returned `0`. This version counts the current item as part of each run and updates `best` at every index, including the last; it returns `0` for an empty input.

saída 514 tok (+356 pensamento) latência 6.9 s

GPT-6 Sol passou · 8/8 cases

```python def longest_run(xs): if not xs: return 0 best = cur = 1 for i in range(1, len(xs)): if xs[i] == xs[i - 1]: cur += 1 else: cur = 1 best = max(best, cur) return best ``` The original `cur` counted matching *adjacent pairs*, not items, so every run was one too short—including a single-element input, which returned 0. Starting each run at 1 counts its first item, and updating `best` on every iteration ensures a run that reaches the last index is included.

saída 206 tok (+59 pensamento) latência 5.9 s

Se a correção é de fato certa (executável), a densidade da explicação, e a eficiência em tokens numa tarefa delimitada.

PROMPT Extract a JSON object with fields {company, quarter, revenue_usd_m, growth_pct, guidance} from this text. Use null for anything not stated; add no other fields. VERIFICAR JSON válido, esquema exato

GPT-6 Luna passou · 5/5 fields, guidance "Withheld pending the Q4 close"

{"company":"Meridian Robotics","quarter":"September quarter","revenue_usd_m":412,"growth_pct":null,"guidance":"Withheld pending the Q4 close"}

saída 161 tok (+119 pensamento) latência 21.7 s

GPT-6 Sol passou · 5/5 fields, guidance "Withheld pending the Q4 close"

{"company":"Meridian Robotics","quarter":"September quarter","revenue_usd_m":null,"growth_pct":null,"guidance":"Withheld pending the Q4 close"}

saída 227 tok (+185 pensamento) latência 5.2 s

Obediência ao esquema (sem campos inventados), pressão de alucinação (guidance é explicitamente retida), e diferenças no caminho de saída estruturada.

PROMPT Write a 120-word product announcement for an API gateway feature that caches prompts across providers. Forbidden words: "seamless", "unlock", "game-changer", "revolutionize", "empower". Exactly one sentence must be a question. VERIFICAR 120 palavras, 0 palavras proibidas

GPT-6 Luna passou · 120 words, 0 banned, 1 question

Introducing Prompt Cache, a new API gateway feature that recognizes repeat prompt prefixes and reuses provider-side cached context across supported models. Teams can route requests to different AI providers while preserving eligible cache hits, reducing redundant input processing and helping lower latency and token costs. Configure cache policies in one place, monitor hit rates by provider, and keep existing client integrations unchanged. The gateway applies provider-specific rules automatically, so developers do not need to build separate caching logic for each endpoint. Which workflows could benefit from faster responses and predictable spend? Prompt Cache is available today in preview for eligible accounts, with usage details, supported providers, and setup guidance in the dashboard. Start with one route, compare results, then expand.

saída 959 tok (+813 pensamento) latência 14.6 s

GPT-6 Sol passou · 120 words, 0 banned, 1 question

Today, we’re introducing cross-provider prompt caching for our API gateway, helping teams reuse repeated prompt content when routing requests among supported AI providers. The gateway identifies eligible prompt prefixes, stores cache references, and applies them to subsequent requests where provider capabilities allow. Why send the same context again if it can be reused? With fewer duplicate input tokens, applications can reduce costs and improve latency without changing how developers call the gateway. Configure caching by route, monitor hit rates and savings in your dashboard, and keep existing provider fallback rules in place. Availability and cache behavior vary by provider, so the gateway reports eligibility and usage for each request. Get started today with our documentation and test your existing workloads.

saída 586 tok (+443 pensamento) latência 7.7 s

Obediência às restrições (orçamento de palavras, lista de palavras proibidas, a única pergunta), impressão digital de estilo, e controle de comprimento.

Alterne entre eles com uma linha

Ambos os IDs estão em todas as abas abaixo - o par de linhas destacado é a única edição. Mesmo endpoint, mesma chave, mesmo formato de requisição.

from openai import OpenAI

client = OpenAI(
    base_url="https://synthorai.io/v1",
    api_key="sk-syn-...",
)

resp = client.chat.completions.create(
    model="gpt-6-luna",
    # model="gpt-6-sol",  # descomente esta linha, comente a linha acima
    messages=[{"role": "user", "content": "Summarize this diff"}],
    reasoning_effort="medium",
)
print(resp.choices[0].message.content)

Obtenha sua chave API →

FAQ

Qual é mais barato, GPT-6 Luna ou GPT-6 Sol?

GPT-6 Luna é mais barato em entrada / 1m tokens ($0.1 vs $2, com 20× de diferença). Outras linhas podem apontar para o outro lado - a tabela acima traz o quadro completo, e o custo real depende do seu mix.

Posso fazer um teste A/B de GPT-6 Luna contra GPT-6 Sol sem duas integrações?

Sim. Ambos são servidos pelo mesmo endpoint compatível com OpenAI com uma única chave de API - a troca é uma alteração de uma linha na string do modelo, de modo que você pode rotear uma fração do tráfego para cada um e comparar as faturas diretamente.

GPT-6 Luna e GPT-6 Sol suportam prompt caching?

Sim - ambos cobram leituras em cache abaixo da sua taxa de entrada, então cargas de trabalho com warm-prefix custam menos do que as taxas listadas sugerem. As linhas exatas de leitura em cache estão na tabela de preços acima.

Comparações relacionadas