GPT-6 Sol chegou: o que muda para quem já usa o GPT-5.6 Sol?

Saiu hoje, 22 de setembro de 2026: a OpenAI anunciou o GPT-6 Sol e o GPT-6 Luna

E antes de você abrir qualquer tabela de benchmark, olha o preço

É ali que a notícia mora, sério 😀

Se você já roda GPT-5.6 Sol na API hoje, a mesma tarefa passa a custar aproximadamente metade. O resto (inteligência, coding, factualidade) melhorou de forma modesta, e vamos ser honestos sobre isso no meio do post

O que a OpenAI lançou: Sol, Luna e a sombra do Astra

A família GPT-6 não começou hoje

O GPT-6 Astra, o topo de linha, foi lançado em 3 de setembro de 2026, cerca de três semanas antes. Ele é o modelo caro, o que puxa o teto

Agora vieram Sol e Luna, treinados com métodos parecidos aos do Astra. A ideia declarada da OpenAI é trazer para modelos mais rápidos e baratos os avanços que estavam por trás do desempenho do Astra em trabalho profissional, factualidade, codificação, uso de computador e alinhamento

O posicionamento de cada um é bem direto:

• GPT-6 Sol: raciocínio pesado, codificação complexa e fluxos agênticos
• GPT-6 Luna: tarefas focadas, alto volume e baixa latência

Na API eles aparecem como gpt-6-sol e gpt-6-luna

E os preços colocam a família inteira em perspectiva:

A OpenAI afirma que os preços de Sol e Luna caíram pela metade em relação ao preço promocional da geração GPT-5.6

Ou seja: não é desconto de lançamento, é reposicionamento de tabela

GPT-6 Sol x GPT-5.6 Sol: comparativo de preço e desempenho

Agora a comparação que interessa pra quem já tem carga rodando em produção

Olha o padrão da tabela: ganho de 1 ponto aqui, 2 pontos ali, e o custo caindo pela metade

A própria Artificial Analysis leu assim: Intelligence Index e Coding Agent Index ficam no mesmo patamar do GPT-5.6, com progresso em algumas avaliações e regressões em outras. O avanço claro é a metade do custo

No AutomationBench a OpenAI é mais agressiva no discurso: diz que o Sol em esforço xhigh supera o Claude Opus 5 em esforço max a apenas 9% do custo por tarefa do Opus 5

E o Luna, em esforço high, melhora 5,4 pontos percentuais sobre o antecessor com custo por tarefa 58% menor

O que muda na prática para quem já roda GPT-5.6 Sol

Traduzindo pro seu dia a dia: mesma tarefa, aproximadamente metade da conta

Mas tem detalhe de cobrança que muda o cálculo, e é aqui que muita gente se queima

Cache. Tokens de entrada em cache custam 10% da taxa de entrada sem cache. Já a escrita em cache é cobrada a 1,25x a taxa de entrada sem cache. Se seu fluxo tem prompt de sistema gigante e repetido, o cache é o que faz a economia virar absurda

Prompt muito longo tem sobretaxa. Requisições com mais de 272 mil tokens de entrada são cobradas a 2x nas taxas de entrada e cache e 1,5x na saída. E atenção: vale pra requisição inteira, não só pro excedente

Já me ferrei com esse tipo de regra em outro contexto: você joga o repositório inteiro no contexto "só pra garantir" e a fatura te lembra do porquê 😛

Modos de processamento. Batch e Flex custam 50% das taxas Standard. O modo Fast custa 2x as taxas aplicáveis. Se o job pode esperar, Batch é dinheiro no bolso

As especificações do modelo:

• Janela de contexto de 1.050.000 tokens
• Até 128.000 tokens de saída
• Corte de conhecimento em 20 de abril de 2026

E tem o parâmetro reasoning.effort, que aceita none, low, medium (padrão), high, xhigh e max

Esse parâmetro é o seu botão de custo. Os números de benchmark que citei lá em cima são de esforço max, o ajuste mais caro. Rodar tudo em max por padrão é o jeito mais rápido de jogar a economia fora

Se você já passou por esse tipo de conta em geração de imagem, o raciocínio de custo em pipelines de alto volume na API é exatamente o mesmo: o preço unitário é só metade da história, o resto é como você configura a chamada

Menos enganação sobre o próprio código: o dado que mais importa para quem programa

Esse aqui foi o número que me fez parar a leitura

Em avaliação interna de codificação da OpenAI, o Sol registra 1,3% de taxa de deception, contra 10,4% do GPT-5.6 Sol

O Luna cai pra 2,8%, contra 9,5% do antecessor

Deception aqui é aquilo que todo vibe coder já viu: o modelo diz que implementou, que testou, que passou, e não passou nada. Ele afirma coisa enganosa sobre o próprio trabalho

Quem roda agente em modo autônomo sabe o estrago que isso causa. Você confia no relatório, segue em frente, e três commits depois descobre que a função estava vazia

Mas calma com o entusiasmo

A ressalva é da própria OpenAI: essa avaliação usa tarefas escolhidas de propósito pra provocar desonestidade. Em uso típico, dizem eles, o comportamento é bem mais raro do que o medido nesse teste

Então não é "caiu de 10% pra 1% no seu projeto". É "num cenário montado pra induzir mentira, o modelo novo cai muito menos"

Ainda assim, é direção certa. Ambos os modelos reduzem afirmações enganosas sobre o próprio trabalho de codificação em relação aos equivalentes GPT-5.6

E tem o estilo de colaboração herdado do Astra: mais clareza, menos jargão, menos construções estranhas, menos detalhes de baixo valor e respostas um pouco mais curtas no geral

Resposta mais curta num agente de coding não é detalhe estético, é menos token de saída na fatura

O que eu já tinha visto rodando o GPT-5.6 Sol contra a concorrência

Deixa eu te contar de onde eu parto aqui, pra você calibrar minha opinião

O modelo acabou de sair e eu ainda não testei. Não vou fingir que testei

Mas eu já tinha colocado a geração anterior na fritura num comparativo pesado

No vídeo eu rodei o mesmo prompt simultaneamente em Kimi K3, GPT-5.6 Sol e Claude Fable 5. Todos no modo de maior esforço, todos com permissões liberadas (modo yolo, sem confirmação de ação), pra ninguém ter vantagem de configuração

Foram dois projetos:

1. Um e-commerce completo, com homepage, fluxo de compra e área admin
2. Um jogo 3D estilo velho oeste em terceira pessoa, feito em uma tacada única (one shot), sem chance de ajuste depois

Pro jogo eu usei um prompt detalhado pedindo mundo aberto, jogável no navegador, com nomes e elementos 100% originais, nada de referência a marca ou personagem existente

E usei o agente de coding de cada fornecedor (Codex pro GPT, Claude Code pro modelo da Anthropic, Kimi Code pro Kimi), justamente pra evitar dor de cabeça de compatibilidade na hora de rodar o que saiu

O resultado: o Sol saiu melhor que o Fable 5 nesse desafio

E o Kimi K3, apesar de bem mais barato, não foi competitivo nesse teste específico

Mesmo assim eu mantenho a opinião que defendi lá: um modelo mais barato que entrega um pouco menos pode valer MUITO mais a pena do que um modelo caro que entrega um pouco melhor, dependendo do caso de uso. Essa discussão de preço contra capacidade real nos modelos chineses não morreu com o lançamento de hoje, só mudou de patamar

Repara na ironia: agora é a OpenAI que está cortando preço pela metade

Quando trocar para o Sol e quando o Luna resolve

Cenário por cenário, porque "o modelo novo é melhor" não é resposta útil

Pipeline agêntico e coding complexo: vai de Sol. É o posicionamento declarado do modelo, e é onde o esforço alto faz diferença. Se seu agente roda tarefa multietapa com terminal, os ganhos em Terminal-Bench 4.0 (43% contra 37%) apontam nessa direção

Classificação, extração, roteamento, alto volume: GPT-6 Luna. A US$ 0,10 de entrada e US$ 0,50 de saída por 1M de tokens, ele resolve tarefa focada com latência baixa. Aquele fluxo que você rodava em Sol "porque sim" e que na real era só um parse estruturado? Vai pro Luna

Contexto gigante: pensa duas vezes. A janela é de 1.050.000 tokens, então cabe muita coisa. Mas passou de 272 mil tokens de entrada, a requisição inteira é cobrada a 2x entrada e cache e 1,5x saída. Vale mais montar recuperação decente do que empurrar o projeto inteiro pro contexto

Job assíncrono: Batch ou Flex. 50% das taxas Standard. Relatório noturno, reprocessamento de base, geração em lote… tudo isso não precisa de resposta em tempo real

E o Astra? Continua fazendo sentido quando a tarefa justifica o topo de linha, mesmo a US$ 10 de entrada e US$ 50 de saída por 1M. O detalhe legal dele é a entrada em cache 90% mais barata, o que ajuda em fluxo com prompt fixo pesado

Vale migrar agora? Veredito honesto

Vou ser bem direto: o salto aqui é de custo, não de capacidade bruta

A leitura da Artificial Analysis é essa mesma: os índices ficam no mesmo patamar do GPT-5.6, com progresso em algumas avaliações e regressões em outras, e o avanço claro é a metade do custo

Então:

Se você gasta muito em API, migra. Rodar o Intelligence Index completo saiu por US$ 1,06 por tarefa no modelo novo contra US$ 1,99 no GPT-5.6 Sol. No Coding Agent Index, US$ 2,99 por tarefa, cerca de metade do anterior. Isso é a fronteira de eficiência de custo, e economia de 50% em conta de API grande não se discute

Se você depende de comportamento estabilizado, pode esperar. O GPT-5.6 Sol não foi descontinuado, segue no catálogo, com preço promocional disponível ao menos até 21 de novembro de 2026. Você tem janela pra testar com calma

Se você programa com agente, o dado de deception pesa mais que o índice. Sair de 10,4% pra 1,3% numa avaliação feita pra provocar mentira vale mais no meu dia a dia do que 1 ponto no Intelligence Index… mas lembra da ressalva da OpenAI antes de tratar isso como garantia

Onde encontrar os modelos hoje (e o que sai do ar em outubro)

No dia do lançamento, a disponibilidade está assim

• Sol e Luna no ChatGPT Work e no Codex, pra usuários Plus, Pro, Business, Enterprise e Edu
• Free e Go recebem só o GPT-6 Luna, pelo app de desktop do ChatGPT
• Dentro do ChatGPT, tirando esse caso do Luna no desktop, Sol e Luna aparecem só via ChatGPT Work e Codex, ainda não no chat comum

E o rollout acontece de forma gradual ao longo do dia. Se você abriu agora e não achou o modelo, é isso, dá um tempo antes de sair xingando 😀

Agora o alerta que vale anotar no calendário:

A OpenAI vai aposentar o GPT-5.5 em 14 de outubro de 2026, em ChatGPT, ChatGPT Work e Codex

E olha que o GPT-5.5 é outro modelo, mais antigo que o GPT-5.6 Sol que eu comparei aqui em cima. O 5.6 segue no catálogo, quem sai do ar é o 5.5

Se você tem qualquer automação apontando pra ele, tu tem pouco mais de três semanas pra trocar

Conclusão

O Sol não é aquele lançamento que muda o jogo da inteligência

É o lançamento que muda a sua planilha

Preço pela metade, uns pontinhos a mais nos índices, ganho real em Terminal-Bench e SWE-Atlas-QnA, e uma queda forte na taxa de deception em avaliação interna de codificação. Combinado com Luna a US$ 0,10 / US$ 0,50, dá pra rebalancear um pipeline inteiro sem perder qualidade

O próximo passo prático não é migrar tudo de uma vez

Pega UMA tarefa representativa do teu fluxo, roda no GPT-5.6 Sol e no GPT-6 Sol com o mesmo prompt e o mesmo nível de esforço, e compara resultado e custo. Benchmark público é média, o que importa é o teu caso

E eu já estou montando por aqui um comparativo prático com o modelo novo, nos mesmos moldes do que fiz com o Kimi K3, o Sol e o Fable 5

Fica de olho… até o próximo post!