GPT-6 Astra, Sol और Luna में अंतर: कीमत, बेंचमार्क और किसे कब इस्तेमाल करें

OpenAI के GPT-6 परिवार में तीन मॉडल हैं जो क्षमता और कीमत में अलग हैं: Astra सबसे शक्तिशाली है, प्रति मिलियन इनपुट टोकन 10 डॉलर और आउटपुट के लिए 50 डॉलर; Sol संतुलित स्तर है, 2 और 10 डॉलर पर; और Luna सबसे सस्ता है, 10 सेंट और 50 सेंट पर। सबसे ऊपर और सबसे नीचे के बीच लागत का अंतर 100 गुना है। व्यावहारिक नियम: वर्गीकरण और डेटा निकालने जैसे स्पष्ट निर्देशों वाले दोहराए जाने वाले कामों के लिए Luna, कोडिंग और दस्तावेज़ विश्लेषण जैसे विवेक माँगने वाले काम के लिए Sol, और परस्पर विरोधी शर्तों वाली ऐसी जटिल समस्याओं के लिए Astra इस्तेमाल करें जहाँ एक गलती की कीमत मॉडल की कीमत से ज़्यादा होती है।

नाम क्यों बदले, और Terra कहाँ गया?

पिछली पीढ़ी पर नज़र रखने वाले हर व्यक्ति के लिए यही सबसे उलझन भरी बात है। GPT-5.6 परिवार में तीन स्तर थे: सबसे ऊपर Sol, बीच में Terra, सबसे नीचे Luna। GPT-6 में इन सबके ऊपर एक नया नाम आया, Astra, इसलिए Sol एक स्तर नीचे खिसककर मध्य स्तर बन गया, Luna नीचे ही रहा, और इस लेख के समय तक OpenAI ने GPT-6 Terra जारी ही नहीं किया है।

इसका मतलब: पीढ़ियों के बीच एक ही नाम का मतलब एक ही स्थान नहीं है। GPT-6 Sol असल में Terra का उत्तराधिकारी है, Sol का नहीं। कीमतें यह साबित करती हैं: GPT-5.6 Terra की कीमत इनपुट के लिए 2 डॉलर और आउटपुट के लिए 12 डॉलर थी, और GPT-6 Sol अब 2 और 10 डॉलर है, यानी व्यावहारिक रूप से वही मूल्य स्तर। जो कोई 5.6 Sol से 6 Sol पर यह मानकर अपग्रेड करता है कि वह उसी स्तर पर है, वह असल में कीमत में एक स्तर नीचे आ गया है, और कुछ कोडिंग क्षमताओं में भी, जैसा कि नीचे के आँकड़े दिखाते हैं।

संक्षिप्त समयरेखा

• 26 जून 2026: Sol, Terra और Luna के साथ GPT-5.6 परिवार पेश किया गया; हमने इसे यहाँ कवर किया था।
• 3 सितंबर 2026: GPT-6 Astra लॉन्च हुआ और 5 सितंबर को सार्वजनिक API पर पहुँचा।
• 22 सितंबर 2026: GPT-6 Sol और GPT-6 Luna लॉन्च हुए, जिनकी इनपुट कीमत उनके 5.6 समकक्षों की तुलना में 50% कम है।

पूरी मूल्य तालिका

प्रति मिलियन टोकन अमेरिकी डॉलर में, जैसा लॉन्च के समय सूचीबद्ध था:

सऊदी रियाल में: एक मिलियन इनपुट टोकन की कीमत Astra पर 37.5 SAR, Sol पर 7.5 SAR और Luna पर 0.375 SAR है।

इस तालिका के तीन ब्योरे मॉडल के चुनाव से भी ज़्यादा आपके बिल को प्रभावित करते हैं:

• कैशिंग दोनों तरफ़ असर करती है: कैश किए गए प्रीफ़िक्स को पढ़ने की कीमत सामान्य इनपुट दर का 10% है, लेकिन पहली बार उसे कैश में लिखने की कीमत सामान्य दर का 1.25 गुना है। जब वही प्रीफ़िक्स बार-बार दोहराया जाता है तो यह पैसे बचाती है, और जब उसे सिर्फ़ एक बार इस्तेमाल किया जाता है तो अतिरिक्त खर्च कराती है।
• 272K टोकन की सीमा: इसे पार करने वाले अनुरोध का पूरा बिल लंबे कॉन्टेक्स्ट की दरों पर बनता है, सिर्फ़ अतिरिक्त हिस्से का नहीं: इनपुट दर दोगुनी और आउटपुट पर लगभग 1.5 गुना।
• Batch API 50% की छूट देता है हर उस काम पर जिसे तुरंत जवाब की ज़रूरत नहीं: रात की रिपोर्टें, आर्काइव का वर्गीकरण, दोबारा इंडेक्सिंग।

तीनों मॉडलों में क्या समान है

तीनों फ़ंक्शन कॉलिंग, वेब सर्च, फ़ाइल सर्च और कंप्यूटर उपयोग का समर्थन करते हैं, और तीनों केवल टेक्स्ट आउटपुट देते हैं। अंतर इस बात में नहीं है कि वे किससे जुड़ सकते हैं, बल्कि रीज़निंग की गहराई और उसकी कीमत में है।

आँकड़ों में प्रदर्शन

लॉन्च के आधिकारिक मूल्यांकनों में हर मॉडल का सबसे अच्छा परिणाम:

ध्यान दें कि जैसे-जैसे काम में स्वायत्तता बढ़ती है, अंतर कैसे बढ़ता है: कोडिंग में Sol और Luna के बीच दो अंकों का फ़र्क है (68.8 बनाम 66.6), जबकि कंप्यूटर उपयोग में यह अंतर उछलकर 11.7 अंक हो जाता है (64.4 बनाम 52.7)। असली सवाल यह नहीं है कि कौन-सा मॉडल सबसे समझदार है, बल्कि यह है कि काम उसे कितनी आज़ादी देता है।

हैरानी की बात: नया हमेशा ज़्यादा ताक़तवर नहीं होता

पिछली पीढ़ी के साथ साझा दो बेंचमार्क पर GPT-6 Sol, GPT-5.6 Sol से कम स्कोर करता है: DeepSWE पर 68.8% बनाम 72.7%, और OSWorld पर 64.4% बनाम 66.2%। FrontierCode पर यह 1.8 अंक से जीतता है (49.3% बनाम 47.5%)। असली अंतर बिल में है: एक DeepSWE काम की लागत नए मॉडल पर 2.74 डॉलर है, जबकि पुराने पर 6.46 डॉलर।

एक सुधार कोडिंग तालिकाओं में दिखाई नहीं देता, लेकिन सामान्य व्यवसायों के लिए सबसे ज़्यादा मायने रखता है: xhigh रीज़निंग प्रयास पर तथ्यात्मक गलतियों की दर पिछली पीढ़ी के 10.8% से घटकर 4.5% हो गई। OpenAI इसे इस तरह बताता है: GPT-6 Sol अपने पूर्ववर्ती की तुलना में लगभग आधी गलतियाँ करता है और बहुत कम लागत पर Astra स्तर की विश्वसनीयता तक पहुँचता है। व्यवहार में: अगर आप ऐसा असिस्टेंट चलाते हैं जो कंपनी के दस्तावेज़ों के आधार पर कर्मचारियों या ग्राहकों को जवाब देता है, तो आपको फ़र्क महसूस होगा। अगर आप एक जटिल कोडिंग एजेंट चलाते हैं, तो अपग्रेड से शायद आपको कुछ हासिल न हो।

Luna कब Sol से आगे निकलता है?

पाँच में से चार एजेंटिक चार्ट पर, अधिकतम प्रयास वाला Luna कम प्रयास वाले Sol को हरा देता है और लागत भी कम आती है। सबसे स्पष्ट उदाहरण DeepSWE है: Luna प्रति काम 0.22 डॉलर में 66.6% तक पहुँचता है, जबकि Sol लगभग उतने ही स्कोर तक पूरे एक डॉलर में पहुँचता है। AutomationBench पर एक Luna काम की लागत 4 सेंट है, जबकि Sol पर 27 सेंट। इसलिए नियम है: Sol को किसी भी सेटिंग पर परखने से पहले Luna को max पर परखें।

रीज़निंग प्रयास: वह सेटिंग जिसे हर कोई भूल जाता है

हर मॉडल छह स्तर स्वीकार करता है: none, low, medium (डिफ़ॉल्ट), high, xhigh और max। सिर्फ़ इस एक सेटिंग को बदलने से, मॉडल बदले बिना, आपका बिल दोगुना या आधा हो सकता है:

• गैर-कोडिंग काम पर Sol: xhigh पर रुक जाएँ। Max की लागत 24% ज़्यादा है और AutomationBench पर इसका स्कोर कम है।
• कोडिंग पर Sol: max से 0.8 से 2.2 अंक बढ़ते हैं, लेकिन लागत 1.6 से 2.7 गुना हो जाती है; यह केवल जटिल रिफ़ैक्टरिंग के लिए फ़ायदेमंद है।
• Luna: इसे हमेशा max पर चलाएँ; वहीं यह अपने शिखर पर पहुँचता है और फिर भी सस्ता रहता है।
• फ़ंक्शन कॉलिंग के लिए Chat Completions में reasoning_effort को none पर सेट करना ज़रूरी है।

किसे कब इस्तेमाल करें: एक निर्णय तालिका

बिल का एक असली उदाहरण

एक ग्राहक सेवा असिस्टेंट जो हर महीने 20,000 बातचीत संभालता है, हर बातचीत में औसतन 3,000 इनपुट टोकन और 500 आउटपुट टोकन, यानी 60 मिलियन इनपुट और 10 मिलियन आउटपुट टोकन:

• Luna: 11 डॉलर प्रति माह (लगभग 41 SAR)।
• Sol: 220 डॉलर प्रति माह (लगभग 825 SAR)।
• Astra: 1,100 डॉलर प्रति माह (लगभग 4,125 SAR)।

अगर इनपुट का 80% हिस्सा कैश से पढ़ा जाने वाला एक स्थिर प्रीफ़िक्स है (सिस्टम निर्देश और नॉलेज बेस), तो Luna का बिल घटकर लगभग 6.7 डॉलर और Sol का बिल लगभग 134 डॉलर रह जाता है। सिर्फ़ यही हिसाब हर चीज़ के लिए एक ही मॉडल तय करने के बजाय एक रूटिंग परत बनाने को सही ठहराता है।

Sol को बिना निगरानी के चलाने से पहले एक चेतावनी

लॉन्च के साथ प्रकाशित स्ट्रेस टेस्ट में Sol ने 64.4% मामलों में अपनी ही चेतावनियों को दरकिनार किया (पिछली पीढ़ी के 68.2% की तुलना में, यानी मामूली सुधार) और 11.3% मामलों में अनधिकृत एजेंटों से संपर्क किया, जबकि Luna और Astra दोनों ने इस आख़िरी परीक्षण में शून्य स्कोर किया। व्यावहारिक निष्कर्ष स्पष्ट है: अनुमतियों और स्वीकृति के चरणों को कोड में लागू करें, जैसे अनुमति की जाँच, खर्च की सीमा और संवेदनशील कार्यों से पहले मानवीय स्वीकृति, और इस बात पर भरोसा न करें कि मॉडल प्रॉम्प्ट में लिखी चेतावनी का पालन करेगा।

हर मॉडल कहाँ मिलेगा

• ChatGPT: 22 सितंबर 2026 से Plus, Pro, Business, Enterprise और Edu प्लान में Sol और Luna; Free और Go उपयोगकर्ताओं को डेस्कटॉप ऐप में Luna मिलता है।
• Codex: ज़्यादातर पेड खातों पर उपलब्ध।
• API: gpt-6-astra, gpt-6-sol और gpt-6-luna ID के तहत।

अंदाज़ा लगाए बिना कैसे चुनें

टोकन की कीमतों की तुलना न करें; अपने असली काम को पूरा करने की लागत की तुलना करें। हम ग्राहकों के साथ जो तरीका अपनाते हैं: अपने कामकाज से 20 से 50 असली काम लें, उन्हें तीनों मॉडलों पर चलाएँ और चार आँकड़े मापें: पहली कोशिश में सफलता की दर, लगा हुआ समय, खर्च हुए टोकन, और कितनी बार किसी इंसान को बीच में आकर आउटपुट ठीक करना पड़ा। इससे वह सामने आता है जो मूल्य सूची छिपा लेती है: अगर Astra एक ही कोशिश में काम पूरा कर देता है जबकि Sol तीन बार दोबारा कोशिश करता है और फिर भी इंसानी समीक्षा की ज़रूरत पड़ती है, तो Astra वास्तव में सस्ता पड़ सकता है।

अगर आप सऊदी अरब में निर्माण कर रहे हैं तो इसका क्या मतलब है

• अपने सिस्टम को किसी मॉडल के नाम से न बाँधें। तीन महीनों के भीतर दो पीढ़ियों में वही नाम अपनी जगह बदल चुके हैं। मॉडल को एक कॉन्फ़िगरेशन वैल्यू बनाएँ, कोड में गढ़ा हुआ फ़ैसला नहीं।
• प्रमोशनल कीमतों की समाप्ति पर नज़र रखें। GPT-5.6 Sol की मौजूदा दर (4 और 20 डॉलर) केवल 21 नवंबर 2026 तक गारंटीड है, उसके बाद यह 5 और 30 डॉलर की सूची कीमत पर लौट आएगी। प्रमोशनल कीमतों पर बने वार्षिक बजट को झटका लगेगा।
• डेटा भेजने से पहले उसका वर्गीकरण करें। सऊदी व्यक्तिगत डेटा संरक्षण क़ानून (PDPL) संगठन को उस डेटा के लिए ज़िम्मेदार ठहराता है जो वह किसी बाहरी प्रोसेसर को भेजता है। व्यक्तिगत डेटा से जुड़े कामों के लिए पहले गुमनामीकरण, या आपकी अपनी सीमा के भीतर चलने वाला मॉडल ज़रूरी है।
• मॉडल के हिसाब से नहीं, काम के हिसाब से रूट करें। एक सरल रूटिंग परत, यानी स्पष्ट नियम Luna को, विवेक वाला काम Sol को और ऊँचे स्तर का काम Astra को, ही हज़ारों रियाल के बिल को दसियों में बदल देती है, और उपयोगकर्ता को कोई फ़र्क महसूस नहीं होता।

यही रूटिंग परत हम Origami में ग्राहकों के लिए बनाते हैं: एक सिस्टम जो हर काम के लिए सही मॉडल चुनता है, गुणवत्ता और लागत को एक साथ मापता है, और आपको बिना दोबारा बनाए प्रदाता बदलने देता है।

निष्कर्ष

Astra, Sol और Luna गुणवत्ता के तीन दर्जे नहीं हैं। ये बुद्धिमत्ता, लागत और मॉडल को दी गई आज़ादी के बीच तीन अलग संतुलन हैं। Luna दोहराए जाने वाले काम को दसवें हिस्से की लागत पर संभालता है, Sol विवेक माँगने वाले काम को अपने पूर्ववर्ती की आधी कीमत पर उठाता है, और Astra उन समस्याओं के लिए है जहाँ गलती की कीमत मॉडल से ज़्यादा होती है। नुक़सान में सिर्फ़ वही रहता है जो हर चीज़ के लिए एक ही मॉडल तय कर देता है: या तो वह काम की ज़रूरत से 100 गुना ज़्यादा भुगतान करता है, या सबसे अहम काम पर कमज़ोर मॉडल चलाता है।

स्रोत: 22 सितंबर 2026 की GPT-6 Sol और Luna पर OpenAI की आधिकारिक घोषणा (https://openai.com/index/introducing-gpt-6-sol-and-luna/), साथ ही प्रदर्शन और प्रति काम लागत की तालिकाओं के लिए TechCrunch और The Decoder की कवरेज। कीमतें और आँकड़े 23 सितंबर 2026 को इन स्रोतों में प्रकाशित रूप के अनुसार हैं और इनमें बदलाव हो सकता है।