GPT-6 Sol vale a pena na sua tarefa ou o GPT-6 Luna já resolve?

Pagar 20x mais caro por uma tarefa que o modelo barato já resolvia é o jeito mais silencioso de queimar orçamento com IA

Fala aí, beleza? A OpenAI anunciou em 22/09/2026 o GPT-6 Sol e o GPT-6 Luna, dois modelos que trazem avanços do GPT-6 Astra pra opções mais rápidas e baratas

O Sol foi posicionado pra coding complexo e workflows agênticos

O Luna, pra tarefas focadas e de alto volume

Até aí, tudo bonito no anúncio. O problema real aparece depois: a maioria das pessoas fixa o tier mais caro como padrão e nunca mais olha pra trás, mesmo quando a maior parte do trabalho é classificar texto e reescrever parágrafo 😅

Então bora montar um guia de decisão de verdade, com número e critério, pra você saber quando a capacidade extra vira resultado e quando vira só custo

GPT-6 Sol x GPT-6 Luna x GPT-6 Astra: preço, contexto e desempenho

Se liga no que a tabela está gritando

A janela de contexto é IGUAL nos dois. Mesmos 1.050.000 tokens, mesma entrada máxima de 922.000, mesma saída máxima de 128.000

Ou seja: se você ia pagar Sol só pra caber um repositório grande no prompt, esse motivo acabou

Os valores de esforço de raciocínio também são os mesmos nos dois modelos, de none até max. O Luna não é uma versão capada de botões, é uma versão mais barata do mesmo painel de controle

E a diferença de qualidade? No DeepSWE v1.1, que mede tarefas longas de engenharia de software em repositórios reais, o Sol fez 68,8% e o Luna 66,6%, os dois em esforço max. Na mesma avaliação, o melhor resultado do Claude Fable 5 foi 69,9% em esforço xhigh

Agora compara: pouco mais de 2 pontos de diferença entre Sol e Luna, contra uma diferença de 20x no preço

No Artificial Analysis a distância é maior (48 contra 37 pontos no Intelligence Index v4.3.2), e aí vale saber o que esse índice mistura: são 10 avaliações (AA-Briefcase v1.1, GDPval-AA v2.1, AutomationBench-AA, Terminal-Bench 4.0, SciCode, Humanity’s Last Exam, GDP.pdf, CritPt, AA-Omniscience e AA-LCR v1.1)

É um retrato amplo, não a sua tarefa. Guarda isso

Ah, e o Luna gera mais rápido: 157,2 tokens por segundo contra 104 do Sol (as medianas de modelos de raciocínio na faixa são 109,8 e 75, respectivamente)

Sinais de que sua tarefa não precisa do GPT-6 Sol

Minha régua de decisão tem três eixos: complexidade, número de ferramentas envolvidas e duração da tarefa

É tipo escolher carro pra ir na padaria da esquina. Dá pra ir de caminhonete? Dá. Mas você tá pagando combustível de caminhonete pra andar 300 metros

Eixo 1: complexidade (a tarefa tem UM passo lógico?)

Se a tarefa cabe numa frase do tipo "pega isso e devolve aquilo", é trabalho de Luna

• Classificação de texto (sentimento, categoria, roteamento de ticket)
• Extração estruturada (tirar campos de nota fiscal, de currículo, de e-mail)
• Reescrita e normalização (padronizar descrição de produto, ajustar tom)
• Resumo de documento que já está no prompt
• Tradução e geração de variações de copy

Nada disso exige o modelo construir um plano. Exige seguir uma instrução bem escrita

Eixo 2: ferramentas envolvidas (quantas chamadas até terminar?)

Tarefa de zero ou uma chamada de ferramenta raramente justifica o tier caro

Agora, quando a execução vira uma cadeia (lê arquivo, roda comando, lê o erro, corrige, roda de novo, valida), cada decisão errada no meio contamina tudo que vem depois. É aí que o modelo melhor começa a pagar o próprio preço

Eixo 3: duração (a tarefa cabe numa resposta ou é uma maratona?)

Tarefa curta e de alto volume é o habitat natural do Luna

Pensa em pipeline: 500 mil chamadas por mês classificando comentário. Trocar o tier ali não muda o resultado, muda a fatura

Tarefa longa em repositório real, com múltiplas etapas de validação, é outro campeonato

E se o barato não der conta?

Essa é a pergunta honesta, e vale o caminho inverso também: existem sinais claros de que o modelo pequeno travou e insistir nele só queima retries

O teste prático é simples: roda o Luna com esforço mais alto primeiro. Se ele resolve em high ou max, você ainda está pagando US$ 0,10 por 1M de entrada. Se ele erra o MESMO ponto de forma consistente mesmo no esforço máximo, aí sim é hora de subir de modelo

Tome cuidado com um erro comum aqui: trocar de modelo antes de arrumar o prompt. Muita falha que parece "falta de inteligência" é instrução ambígua 😛

Onde a capacidade extra do Sol vira resultado (e não só custo)

Agora o contraponto, porque não existe modelo barato que resolve tudo

O GitHub Copilot descreve o GPT-6 Sol como modelo equilibrado pra coding interativo e agêntico, indicado justamente pra tarefas que exigem validação em múltiplas etapas. Já o Luna é descrito como leve, econômico, a opção de menor custo da família GPT-6

Esse posicionamento bate com o que os eixos acima dizem. O Sol compensa quando:

• A tarefa é agêntica de verdade: o modelo planeja, executa, lê o resultado e se corrige sozinho por vários ciclos
• A cadeia de ferramentas é longa: cada passo depende do anterior e um erro no meio derruba a sequência inteira
• O trabalho é engenharia de software longa: refatoração num repositório real, migração, caça a bug que atravessa vários arquivos
• Errar sai mais caro que o token: conteúdo que vai direto pro cliente, resposta que vira decisão, código que vai pra produção sem revisão humana

E tem um dado que pesa mais do que benchmark de código aqui: na avaliação interna da OpenAI, o Sol comete cerca de metade dos erros do antecessor em factualidade, se aproximando da confiabilidade do Astra a um custo bem menor

Essa avaliação usa conversas reais desidentificadas em que usuários sinalizaram erros. Não é prova de laboratório, é reclamação de gente de verdade virando métrica. Acho isso MUITO mais interessante que score de prova fechada

Metade dos erros não importa nada quando você está classificando comentário de Instagram

Importa muito quando a saída vira um relatório que alguém vai assinar

A leitura de custo por tarefa

Benchmark isolado engana. O que decide é quanto custa resolver a tarefa inteira, incluindo as tentativas que falharam

Nas comparações do Artificial Analysis com modelos concorrentes de pontuação comparável, o Luna custa 93% menos por tarefa que o Claude Opus 5 e 96% menos que o Fable 5

É um número que muda a conversa: não é "o barato é pior", é "o barato entrega quase a mesma coisa por uma fração". Se você quiser aprofundar essa lógica de custo por tarefa resolvida, o raciocínio vale pra família inteira, não só pro tier de baixo

O que vi testando os modelos na prática

Agora sai um pouco da planilha e bora pro mundo real, porque benchmark é ótimo pra escolher a lista de finalistas e péssimo pra decidir sozinho

No vídeo abaixo eu coloco Kimi K3, GPT-5.6 Sol e Claude Fable 5 no mesmo prompt e o setup foi propositalmente cruel: todos rodando no nível máximo de esforço, com permissões totalmente liberadas, exatamente o mesmo prompt pra cada um e ZERO intervenção manual durante a execução

Os critérios que defini pro projeto de e-commerce foram qualidade do design da homepage, tempo de criação, completude do fluxo de compra (produto, carrinho, checkout, confirmação) e se a área administrativa funcionava de verdade

Depois joguei um segundo desafio: um jogo 3D de mundo aberto jogável no navegador, em one shot, a partir de um único prompt detalhado, sem chance de ajuste posterior

E aqui vai o ponto que interessa pra este post

Numa comparação de código que fiz antes desse vídeo, o Kimi ficou tão atrás em qualidade de entrega que ele nem estava na jogada, mesmo sendo o mais barato dos três. Nessa mesma comparação, o GPT-5.6 Sol superou o Fable 5 em qualidade de código

Ou seja: preço baixo NÃO compensa quando a diferença de qualidade é gritante

Mas o meu critério pessoal continua o mesmo, e é o oposto do que o marketing vende: um modelo mais barato que entrega uma nota um pouco menor pode compensar MUITO mais que um caro com nota máxima, dependendo do caso de uso

"Um pouco menor" é a palavra-chave. A distância entre Sol e Luna no DeepSWE é um pouco menor. Ficar fora da jogada não é

Como cortar custo sem trocar de modelo

Antes de descer de tier, tem alavanca de preço que funciona em qualquer modelo da família. Essa parte quase ninguém olha e é dinheiro na mesa

Cache de prompt

A leitura de prompt em cache custa 10% da taxa normal de entrada

A escrita do prefixo no cache custa 1,25x a taxa normal de entrada

Traduzindo: se o começo do seu prompt é sempre igual (system prompt gigante, documentação, esquema de banco), você paga caro UMA vez e barato nas seguintes. Estruture o prompt com a parte estável na frente e a parte variável no fim

Batch e Flex

Batch e Flex são cobrados a 50% das tarifas Standard

Se a tarefa não precisa de resposta agora (classificar o backlog da noite, processar exportação, gerar descrições em lote), você está literalmente pagando o dobro por uma pressa que não existe

O sobrepreço acima de 272K tokens

Esse aqui é traiçoeiro: acima de 272K tokens de entrada, a requisição INTEIRA passa a ser cobrada a 2x as taxas de entrada e cache e 1,5x a taxa de saída

Não é só o excedente. É tudo

A janela é de 1.050.000 tokens, mas o preço muda bem antes disso. Jogar o repositório inteiro no contexto "porque cabe" é o tipo de decisão que aparece na fatura no fim do mês. Já me ferrei com esse tipo de conta antes, e dói 😬

O reasoning.effort como botão de custo

Raciocínio vira token de saída, e token de saída é a parte cara da conta

Os dois modelos aceitam none, low, medium (padrão), high, xhigh e max

O padrão é medium, então se a sua tarefa é extração de campo, você pode estar pagando raciocínio que não precisava

{
  "model": "gpt-6-luna",
  "reasoning": { "effort": "low" }
}

O caminho inverso também vale: antes de trocar Luna por Sol, sobe o esforço do Luna e mede de novo

Onde você acessa cada modelo hoje

Depende do produto e do plano, então presta atenção nessa parte

No ChatGPT e no Codex: os dois modelos estão disponíveis no ChatGPT Work e no Codex pra usuários Plus, Pro, Business, Enterprise e Edu. Usuários Free e Go acessam o GPT-6 Luna no app desktop. O rollout é gradual, então se não apareceu ainda, respira

Trocando de modelo: no Work ou no Codex dentro do app desktop do ChatGPT, o controle de modelo e de esforço de raciocínio fica abaixo do campo de composição. Os identificadores são gpt-6-sol e gpt-6-luna, selecionáveis no seletor de modelo ou na configuração salva

No GitHub Copilot: o Sol está em Copilot Pro+, Max, Business e Enterprise. O GPT-6 Luna está em Copilot Pro, Pro+, Max, Business e Enterprise. A cobrança é por uso (usage-based billing) e o rollout também é gradual

Na API, um detalhe que pega gente desprevenida: no Chat Completions, o function calling do Sol só funciona com reasoning_effort=none. Pra usar built-in tools e function calling com raciocínio ligado, o caminho é a Responses API

Caso suas tool calls estejam sumindo misteriosamente, começa a depuração por aí 😉

E tem a variante Sol Pro: segundo a página do OpenRouter, é o mesmo modelo base servido com reasoning.mode definido como pro, pelo mesmo preço de US$ 2,00 entrada e US$ 10,00 saída por 1M de tokens

Veredito: qual escolher por padrão

Minha regra de bolso, sem enrolação

Deixe o GPT-6 Luna como padrão. Mesma janela de contexto, mesma escala de esforço de raciocínio, 20x mais barato e ainda gera mais rápido. Pra classificação, extração, reescrita, resumo e qualquer coisa de alto volume, ele é o daily driver

Escale pro GPT-6 Sol quando a tarefa for agêntica, longa e com muitas ferramentas. Coding interativo, refatoração em repositório real, validação em múltiplas etapas e tudo que exige factualidade alta, já que ele comete cerca de metade dos erros do antecessor nessa avaliação

Considere o GPT-6 Astra quando o erro for inaceitável. É o tier acima na mesma família, a US$ 10,00 entrada e US$ 50,00 saída por 1M de tokens, então precisa de um motivo forte pra ir até lá

E agora a parte honesta sobre essa diferença no DeepSWE

O que essa diferença SIGNIFICA: em tarefas longas de engenharia em repositórios reais, o Sol acerta um pouco mais que o Luna, e ambos ficam abaixo do melhor resultado do Fable 5 na mesma avaliação (69,9% em xhigh)

O que ela NÃO significa: que essa mesma margem vai se repetir na SUA tarefa. Benchmark agregado não prevê comportamento em caso específico, e a distância maior no Intelligence Index (48 contra 37) mostra que a diferença entre os dois varia MUITO conforme o tipo de trabalho

Por isso a decisão não sai de tabela, sai de medição no seu fluxo

Ah, e vale lembrar: esses preços representam corte de 50% frente à geração anterior e são permanentes, não promocionais. O GPT-5.6 Sol custava US$ 4 entrada e US$ 20 saída por 1M de tokens. Se você fez a sua conta de viabilidade meses atrás, ela está desatualizada…

Conclusão

A escolha de tier virou uma decisão de engenharia, não de marketing

O GPT-6 Sol é um modelo forte e tem hora que ele é exatamente o que a tarefa pede. Só que "tem hora" é diferente de "sempre", e o padrão da maioria das equipes hoje é o tier caro rodando trabalho de tier barato

Próximo passo prático, e é bem chato de fazer mas vale cada minuto: pega as suas 3 tarefas de maior volume, roda cada uma no Luna e no Sol com o mesmo prompt e o mesmo esforço, e anota duas colunas apenas: taxa de acerto e custo total (incluindo as tentativas que falharam)

Com esses dois números na mão você para de escolher modelo por sensação

Se der diferença grande, ótimo, você achou o lugar onde o Sol se paga. Se der empate, você acabou de cortar um pedaço enorme da sua conta de API sem perder nada

Faça o teste e me conta o resultado, tô curioso pra ver quem mais está pagando caminhonete pra ir na padaria 😀

até o próximo post!