Sol ou Luna? Entenda a diferença entre os novos modelos da OpenAI e saiba qual escolher

A OpenAI ampliou a família GPT-6 com dois novos modelos de inteligência artificial: GPT-6 Sol e GPT-6 Luna. Os dois chegam como opções mais acessíveis para diferentes tipos de uso, enquanto o GPT-6 Astra continua como o modelo mais inteligente da linha para projetos complexos.

A diferença entre Sol e Luna está principalmente no tipo de tarefa que cada um atende. O Sol foi desenvolvido para trabalhos complexos, como programação e automação. Já o Luna prioriza velocidade e custo baixo, sendo adequado para tarefas simples e repetitivas em grande escala.

Os preços também mudam bastante. Na API, o Sol custa US$ 2 por 1 milhão de tokens de entrada e US$ 10 por 1 milhão de tokens de saída. No Luna, os valores caem para US$ 0,10 e US$ 0,50, respectivamente. Os dois representam uma redução de 50% em relação aos preços promocionais da série GPT-5.6.

A OpenAI também aprimorou o cache de prompts. A leitura de tokens de entrada armazenados em cache passa a ter 90% de desconto, o que reduz os custos de aplicações que reutilizam as mesmas informações ao longo de diferentes etapas de uma tarefa.

A seguir, tire suas dúvidas sobre:

• Qual é a diferença entre os modelos Sol e Luna?

• Quando é indicado usar o modelo Sol?

• Quando usar o GPT-6 Luna?

• Onde os modelos estão disponíveis?

Qual é a diferença entre os modelos Sol e Luna?

A forma mais simples de entender a diferença é pensar no tipo de trabalho que cada modelo precisa executar. O GPT-6 Sol fica mais próximo de um modelo para tarefas profissionais que exigem raciocínio complexo. Ele foi desenvolvido para lidar com programação, automação e fluxos de trabalho nos quais a qualidade da resposta tem um peso maior.

Já o GPT-6 Luna segue outra proposta. Ele prioriza velocidade e custo baixo para tarefas que podem ser executadas em grande quantidade, como resumir documentos, extrair informações e responder perguntas de forma mais direta.

Os dois também apresentam avanços em facticidade. Segundo a OpenAI, o Sol reduziu pela metade a taxa de erros factuais em relação ao antecessor e se aproximou da confiabilidade do Astra. O Luna alcança a mesma confiabilidade factual do antigo GPT-5.6 Sol em níveis de esforço mais elevados, mas com uma fração do custo.

Quando é indicado usar o modelo Sol?

O GPT-6 Sol faz sentido quando a tarefa exige raciocínio avançado e precisa ser executada com frequência. O modelo foi desenvolvido para trabalhos profissionais e fluxos complexos, com custo inferior ao da opção de maior capacidade da família. 

Um dos principais exemplos está na programação. No benchmark DeepSWE 1.1, o Sol atingiu 68,8%, ficando a 1,1 ponto percentual do melhor resultado do Claude Fable 5. O custo por tarefa foi aproximadamente 80% menor.

A mesma lógica aparece em fluxos de trabalho empresariais. No AutomationBench, o Sol superou o Claude Opus 5 em esforço máximo usando 9% do custo por tarefa do concorrente. Para agentes de IA que precisam lidar com tarefas longas e complexas, o modelo também teve desempenho superior às pontuações mais altas do Claude Opus 5 no Agents' Last Exam, com economia de 60% no custo por tarefa.

O Sol também pode ser usado em tarefas de automação no computador. Nesse cenário, o modelo alcançou resultados semelhantes aos de modelos de elite com custo 80% menor. Por isso, os principais casos de uso incluem engenharia de software, programação avançada, automação de processos complexos e uso do computador. 

Quando usar o GPT-6 Luna?

O GPT-6 Luna é indicado para aplicações que precisam processar muitas tarefas com baixo custo, principalmente quando cada solicitação tem um objetivo claro. É o perfil de ferramentas que resumem milhares de documentos, extraem dados de arquivos ou respondem perguntas simples de usuários.

A mesma lógica vale para tarefas administrativas e processos repetitivos. Como essas operações podem se repetir em grande escala, o preço por tarefa ganha peso na escolha do modelo. O Luna custa menos e foi desenvolvido justamente para esse tipo de cenário.

Isso não significa, porém, que o modelo fique limitado a tarefas simples. Quando necessário, é possível aumentar o nível de esforço para lidar com trabalhos complexos. Em testes de confiabilidade factual, por exemplo, o Luna alcança a mesma precisão do antigo GPT-5.6 Sol por cerca de 1% do custo.

Em tarefas que envolvem computador, o Luna em esforço máximo supera o antigo GPT-5.6 Sol em esforço médio por cerca de um décimo do preço, segundo o benchmark OSWorld 2.0. Em engenharia de software, o modelo chega a 66,6% no DeepSWE v1.1 em esforço máximo, resultado comparável ao de modelos de topo da concorrência avaliados em esforço médio.

No AutomationBench, voltado para automação de negócios, o Luna supera o GPT-5.6 Luna em 5,4 pontos percentuais, com custo por tarefa 58% menor.

Assim, o Luna pode atender tanto tarefas repetitivas de alto volume quanto solicitações que pedem um nível maior de raciocínio. A diferença está no nível de esforço usado em cada caso, mantendo como foco o baixo custo por tarefa.

Onde os modelos estão disponíveis?

A disponibilidade varia de acordo com o modelo. O GPT-6 Sol e GPT-6 Luna já podem ser usados no ChatGPT Work e no Codex por assinantes dos planos Plus, Pro, Business, Enterprise e Edu.

Já o GPT-6 Luna tem uma disponibilidade mais ampla no aplicativo para desktop e também pode ser acessado por usuários dos planos Free e Go. Vale ressaltar, porém, que nenhum dos modelos está disponível na interface de chat.

Para quem pretende usar os modelos em aplicações próprias, os dois estão disponíveis na API. O Sol pode ser chamado pelo identificador gpt-6-sol e o Luna usa gpt-6-luna.

Se você gostou do conteúdo, talvez também se interesse por conferir “Como usar Agentes de IA para automatizar pesquisas e planilhas em segundo plano”. 

{{WHATSAPP_CHANNEL}}