OpenAI, GPT-6 Sol ve Luna'yı yayımladı: fiyatlar, benchmarklar ve erişim

OpenAI, kodlama ve agent iş akışları için GPT-6 Sol ve Luna’yı yayımladı.

Kodlama asistanı işleten ekipler için asıl soru, tamamlanmış ve kabul edilebilir bir görevin maliyeti. Daha ucuz token, daha fazla denemeye alan açabilir; fakat tekrarlar, cache yazma ve inceleme süresi, geçişin karşılığını belirlemeye devam ediyor. Bu yazıda yayımlanmış teknik bilgileri kendi kullanım değerlendirmemizden ayırıyoruz.

Nerede kullanılabiliyor?

Plus, Pro, Business, Enterprise ve Edu kullanıcıları Work/Codex’te iki modele de; Free/Go kullanıcıları masaüstünde Luna’ya erişebiliyor. Normal Chat henüz kapsamda değil; dağıtım kademeli. Ayrıntılar erişim duyurusunda.

API kimlikleri gpt-6-sol ve gpt-6-luna. Sol ve Luna belgeleri, iki model için de 1.050.000 token bağlam, en fazla 922.000 giriş token’ı ve 128.000 çıkış token’ı belirtiyor. Modeller metin ve görsel alıp metin üretiyor.

API fiyatları: okuma, yazma ve çıktı

Aşağıdaki standart ücretler iki modelin belgesinden alınmıştır; birim milyon token başına ABD dolarıdır.

Token türü	GPT-6 Sol	GPT-6 Luna
Cache dışı giriş	$2.00	$0.10
Cache’ten giriş okuma	$0.20	$0.01
Cache’e yazma	$2.50	$0.125
Çıkış	$10.00	$0.50

Önceki GPT-5.6 Sol tarifesi giriş/çıkış için $4/$20, GPT-5.6 Luna tarifesi $0.20/$1.20 idi. Sol’un iki ücreti yarıya iniyor. Luna’nın girişi yarılanırken, $1.20’den $0.50’ye düşen çıkışta hesaplanan indirim %58,3. Tek bir yüzde bütün ücret kalemlerini anlatmıyor.

Eşit token örneğimiz, cache yazma ve araç ücreti olmadan 100.000 cache dışı giriş token’ı ve toplam 20.000 faturalandırılan çıkış token’ı:

Model	Hesaplanan token maliyeti
GPT-6 Sol	$0.40
GPT-5.6 Sol	$0.80
GPT-6 Luna	$0.02
GPT-5.6 Luna	$0.044

Bu bir iş yükü benchmarkı değil, aritmetik hesap. Token sayılarının aynı kaldığını varsayıyor; yanıt kalitesinin aynı olduğunu varsaymıyor. Görünen yanıtta yer almasalar da reasoning token’ları çıkış ücretine dahil.

İki fiyat sınırına dikkat etmek gerekiyor. 272 bin giriş token’ını aşan isteklerde, iki modelin belgesine göre isteğin tamamına giriş/cache için 2 kat, çıkış için 1,5 kat tarife uygulanıyor. Batch/Flex, Standard’ın yarı fiyatında; Fast ise geçerli tarifenin iki katı. Desteklendiği yerlerde bölgesel işleme %10 ek ücret getiriyor; AB veri yerleşimi Standard işlemeyi gerektiriyor. Küçük istek tablosunu her göreve uygulamadan önce kullanacağınız dağıtımın tarifesini kontrol edin.

Lansman benchmarkları neyi ölçüyor?

Aşağıdakiler OpenAI’nin duyurusundan seçilen sonuçlar; canberk.me ölçümü değil.

Değerlendirme	Model / efor	Açıklanan sonuç
AutomationBench 1.0.6	Sol / xhigh	%33,2; $0.27/görev
Agents’ Last Exam V1	Sol / max	%56,4
DeepSWE 1.1	Sol / max	%68,8
DeepSWE 1.1	Luna / max	%66,6
OSWorld 2.0 offline, kısmi	Sol / xhigh	%60,5

Bu yüzdeler farklı sorulara yanıt veriyor:

• AutomationBench, agent’ın birden fazla uygulamayı kullanarak simüle edilen işletmeyi doğru son duruma getirip getirmediğini ölçüyor. Ana skor için ilgili kontrollerin tamamı geçmeli; kısmi ilerleme ayrı bir tanı metriği.
• FrontierCode, testleri, kapsamı ve kod stili dahil bir değişikliğin proje sorumlusu tarafından kabul edilip edilmeyeceğini inceliyor. 1.1 sürümü, internette çözümü doğrudan içeren kaynaklara başvurulmasını da cezalandırıyor. Bu ayrım, darboğazı kod üretmekten çok değişiklikleri incelemek olan ekipler için değerli.
• DeepSWE, özgün mühendislik görevlerini elle yazılmış davranış kontrolleriyle değerlendiriyor. OSWorld ise tam/offline görev kümelerini ve kısmi/ikili başarı ölçülerini ayırıyor. Kısmi puan yüzdesi, bütünüyle tamamlanan iş akışlarının oranı gibi sunulmamalı.

Bizim değerlendirmemiz, uygulama denemelerinde bu ayrımları korumak gerektiği yönünde. Çalıştırmaları karşılaştırırken model, efor, agent araçları, test sürümü ve kabul ölçütlerini sabit tutun. Aksi halde agent’ın çevresindeki bir değişiklik, modelin gelişmesi gibi görünebilir.

Duyurunun rakip referansları arasında Opus 5 ve Fable sürümleri bulunuyor; bu tablo yeni yayımlanan Opus 5.5 ile doğrudan karşılaştırma değil.

Resmî doğruluk ve davranış grafikleri

Olgusal doğruluk kümesi, önceki modellerin hata yaptığı için seçilen konuşmalardan oluşuyor. Bu bir zorlayıcı test; gündelik bütün isteklerin ortalama hata oranını ölçmüyor. Eksenleri, örneklerin nasıl seçildiğiyle birlikte okumak gerekiyor.

Sistem kartı, daha kısa yanıtlarla birlikte HealthBench ve HealthBench Hard’da gerilemeler de bildiriyor. Dolayısıyla yalnızca nesil numarasından genel bir iyileşme sonucu çıkarmak yerine, kullanacağınız görevi ayrıca kontrol etmek gerekiyor.

Cache: tekrar kullanılan bağlamı ölçmek

Cache belgesi, otomatik sınır noktalarıyla geliştiricinin seçtiği önekleri ayırıyor. Cache’e yazma normal giriş işlemenin 1,25 katı, sonraki okuma 0,1 katı. Cache özelliğinin varlığından çok, içeriğin kaç kez tekrar kullanıldığı önemli.

Her incident ile gönderilen bir runbook için bizim tercihimiz, sabit runbook’u değişen loglardan ve olay ayrıntılarından ayırmak olurdu. Runbook sonuna açık bir sınır noktası koymak, her yeni log satırını sabit bağlam gibi değerlendirmeden tekrar kullanılabilir bölümü belirler. Mümkün olduğunda konuşmanın önceki kısmını değiştirmeden yeni mesaj ekleyin ve bunun isabet oranını gerçekten artırıp artırmadığını ölçün.

OpenAI’nin tanı aracı, prompt_cache_options.comparison_response_id üzerinden güncel yanıtı önceki bir yanıt kimliğiyle karşılaştırabiliyor. Cache kaçırmalarını araştırmak için prompt_cache_diagnostics, gerçekleşen kullanım için usage.input_tokens_details.cached_tokens alanına bakılmalı. Tanı istemek, önceki bağlamı kendiliğinden yüklemiyor veya cache isabetini zorlamıyor.

Operasyon panelinde yeni giriş, cache okuma, cache yazma, toplam çıkış ve kabul edilen görev sayılarını birlikte izlerdik. Yüksek cache isabeti tek başına agent’ın işe yarar bir sonuç ürettiğini göstermiyor.

Mevcut entegrasyonu değiştirmeden önce

Model belgeleri, araç kullanımı için Responses API’yi öneriyor. Chat Completions’ta function calling, reasoning_effort: "none" gerektiriyor. İki modelde de none ile max arasında efor seçenekleri var; varsayılan medium. Bu nedenle geçiş, yalnızca model kimliğini değiştirmekten önce API uyumluluğunu kontrol etmeyi de gerektiriyor.

İlk denememizi küçük ve tekrarlanabilir bir repository düzeltme ve incident analizi kümesiyle yapardık. Modelleri çalıştırmadan kabul kontrollerini belirleyin, tekrarları ve gecikmeyi kaydedin, üretimde sonuç doğuran işlemleri mevcut onay sınırında tutun. Luna’yı sınırları net görevlerde, Sol’u çok adımlı muhakeme ve inceleme kalitesinin öne çıktığı işlerde değerlendirin. En pahalı modeli otomatik seçmek yerine gözlemlediğiniz başarısızlıklara göre üst modele geçin.

Karşılaştırmak için mevcut modelin sonuçlarını saklayın. Daha ucuz çalıştırmanın ürettiği değişiklik, başka bir mühendisin daha uzun süre düzeltmesini gerektiriyorsa, bu emek de maliyet hesabına girmeli.

Birincil kaynaklar 22 Eylül 2026’da kontrol edildi. Dört görsel, kaynak gösterilen özgün OpenAI dosyalarıdır; benchmark tablosu seçilmiş sayısal sonuçları aktarır. Bu haber için bağımsız model benchmarkı çalıştırılmadı.