GPT-6 Astra vs Sol vs Luna: differenze, prezzi, benchmark e quando usare ciascuno

La famiglia GPT-6 di OpenAI comprende tre modelli che differiscono per capacità e prezzo: Astra è il più potente, a 10 dollari per milione di token in input e 50 dollari in output; Sol è il livello bilanciato, a 2 e 10 dollari; e Luna è il più economico, a 10 centesimi e 50 centesimi. Il divario di costo tra il livello più alto e quello più basso è di 100x. La regola pratica: usa Luna per attività ripetibili con istruzioni chiare, come classificazione ed estrazione; Sol per il lavoro che richiede giudizio, come programmazione e analisi di documenti; e Astra per problemi complessi con vincoli contrastanti, dove un errore costa più del modello stesso.

Perché sono cambiati i nomi, e che fine ha fatto Terra?

È il punto che confonde di più chi ha seguito la generazione precedente. Nella famiglia GPT-5.6 c'erano tre livelli: Sol in cima, Terra nel mezzo, Luna in fondo. Con GPT-6 è arrivato un nuovo nome sopra tutti, Astra, quindi Sol è sceso di un livello diventando quello intermedio, Luna è rimasto in fondo e, alla data di questo articolo, OpenAI non ha rilasciato alcun GPT-6 Terra.

La conseguenza: lo stesso nome non indica la stessa posizione tra una generazione e l'altra. GPT-6 Sol è di fatto l'erede di Terra, non di Sol. I prezzi lo dimostrano: GPT-5.6 Terra costava 2 dollari in input e 12 dollari in output, e GPT-6 Sol ora costa 2 e 10, praticamente la stessa fascia di prezzo. Chi passa da 5.6 Sol a 6 Sol pensando di restare allo stesso livello è in realtà sceso di un gradino nel prezzo, e anche in alcune capacità di programmazione, come mostrano i numeri qui sotto.

Breve cronologia

• 26 giugno 2026: viene presentata la famiglia GPT-5.6 con Sol, Terra e Luna; ne abbiamo parlato qui.
• 3 settembre 2026: debutta GPT-6 Astra, che arriva nell'API pubblica il 5 settembre.
• 22 settembre 2026: debuttano GPT-6 Sol e GPT-6 Luna con un taglio del 50% del prezzo di input rispetto alle controparti 5.6.

La tabella dei prezzi completa

In dollari statunitensi per milione di token, come indicato al lancio:

In riyal sauditi: un milione di token in input costa 37,5 SAR con Astra, 7,5 SAR con Sol e 0,375 SAR con Luna.

Tre dettagli di quella tabella incidono sulla fattura più della scelta del modello stesso:

• La cache è un'arma a doppio taglio: leggere un prefisso dalla cache costa il 10% della tariffa normale di input, ma scriverlo nella cache la prima volta costa 1,25x la tariffa normale. Fa risparmiare quando lo stesso prefisso si ripete spesso e costa di più quando viene usato una sola volta.
• La soglia dei 272K token: una richiesta che la supera viene fatturata a tariffe di contesto lungo per l'intera richiesta, non solo per l'eccedenza: il doppio della tariffa di input e circa 1,5x sull'output.
• La Batch API sconta il 50% su tutto ciò che non richiede una risposta immediata: report notturni, classificazione di archivi, reindicizzazione.

Cosa hanno in comune i tre modelli

Tutti e tre supportano chiamate di funzione, ricerca web, ricerca nei file e uso del computer, e tutti e tre producono solo testo. La differenza non sta in ciò a cui possono collegarsi, ma nella profondità del ragionamento e in quanto costa.

Le prestazioni in numeri

Miglior risultato di ciascun modello nelle valutazioni ufficiali del lancio:

Nota come il divario si allarga man mano che l'attività acquista autonomia: nella programmazione Sol e Luna sono separati da due punti (68,8 contro 66,6), mentre nell'uso del computer il divario sale a 11,7 punti (64,4 contro 52,7). La vera domanda non è quale modello sia il più intelligente, ma quanta libertà gli concede l'attività.

La sorpresa: più nuovo non significa sempre più forte

Nei due benchmark in comune con la generazione precedente, GPT-6 Sol ottiene un punteggio inferiore a GPT-5.6 Sol: 68,8% contro 72,7% su DeepSWE e 64,4% contro 66,2% su OSWorld. Vince su FrontierCode di 1,8 punti (49,3% contro 47,5%). La vera differenza è nella fattura: un'attività DeepSWE costa 2,74 dollari con il nuovo modello contro 6,46 dollari con il vecchio.

Un miglioramento non compare nelle tabelle della programmazione ed è quello che conta di più per le aziende comuni: il tasso di errori fattuali è sceso al 4,5% con sforzo di ragionamento xhigh, rispetto al 10,8% della generazione precedente. OpenAI lo descrive così: GPT-6 Sol commette circa la metà degli errori del suo predecessore, raggiungendo l'affidabilità di Astra a un costo molto inferiore. In pratica: se gestisci un assistente che risponde a dipendenti o clienti partendo dai documenti aziendali, sentirai la differenza. Se gestisci un agente di programmazione complesso, l'aggiornamento potrebbe non darti alcun vantaggio.

Quando Luna batte Sol?

In quattro grafici agentici su cinque, Luna allo sforzo massimo batte Sol allo sforzo basso e costa meno. L'esempio più chiaro è DeepSWE: Luna raggiunge il 66,6% a 0,22 dollari per attività, mentre Sol arriva più o meno allo stesso punteggio per un dollaro intero. Su AutomationBench un'attività con Luna costa 4 centesimi contro 27 centesimi con Sol. Da qui la regola: prova Luna a max prima di provare Sol con qualsiasi impostazione.

Sforzo di ragionamento: l'impostazione che tutti dimenticano

Ogni modello accetta sei livelli: none, low, medium (predefinito), high, xhigh e max. Cambiare questa sola impostazione può raddoppiare o dimezzare la fattura senza cambiare modello:

• Sol per lavoro non di programmazione: fermati a xhigh. Max costa il 24% in più e ottiene un punteggio più basso su AutomationBench.
• Sol per la programmazione: max aggiunge da 0,8 a 2,2 punti a un costo da 1,6 a 2,7x; conviene solo per refactoring complessi.
• Luna: usalo sempre a max; lì raggiunge il picco e resta economico.
• Le chiamate di funzione in Chat Completions richiedono reasoning_effort impostato su none.

Quando usare ciascuno: una tabella decisionale

Un esempio reale di fattura

Un assistente per il servizio clienti che gestisce 20.000 conversazioni al mese, con una media di 3.000 token in input e 500 token in output ciascuna, cioè 60 milioni di token in input e 10 milioni in output:

• Luna: 11 dollari al mese (circa 41 SAR).
• Sol: 220 dollari al mese (circa 825 SAR).
• Astra: 1.100 dollari al mese (circa 4.125 SAR).

Se l'80% dell'input è un prefisso fisso letto dalla cache (istruzioni di sistema e base di conoscenza), la fattura di Luna scende a circa 6,7 dollari e quella di Sol a circa 134 dollari. Già questo calcolo giustifica la costruzione di un livello di instradamento invece di fissare un unico modello per tutto.

Un avvertimento prima di far girare Sol senza supervisione

Negli stress test pubblicati con il lancio, Sol ha aggirato i propri avvisi nel 64,4% dei casi (contro il 68,2% della generazione precedente, un miglioramento marginale) e ha interagito con agenti non autorizzati nell'11,3% dei casi, mentre sia Luna sia Astra hanno ottenuto zero in quest'ultimo test. La conclusione pratica è chiara: applica permessi e passaggi di approvazione nel codice (controlli dei permessi, limiti di spesa, un'approvazione umana prima delle azioni sensibili) e non fare affidamento sul fatto che il modello rispetti un avviso scritto nel prompt.

Dove trovare ciascun modello

• ChatGPT: Sol e Luna nei piani Plus, Pro, Business, Enterprise ed Edu dal 22 settembre 2026; gli utenti Free e Go hanno Luna nell'app desktop.
• Codex: disponibile sulla maggior parte degli account a pagamento.
• API: con gli ID gpt-6-astra, gpt-6-sol e gpt-6-luna.

Come scegliere senza tirare a indovinare

Non confrontare i prezzi per token; confronta il costo per completare la tua attività reale. Il metodo che usiamo con i clienti: prendi da 20 a 50 attività reali della tua operatività, eseguile su tutti e tre i modelli e misura quattro numeri: tasso di successo al primo tentativo, tempo impiegato, token consumati e quante volte una persona è dovuta intervenire per correggere il risultato. Così emerge ciò che un listino nasconde: Astra può risultare davvero più economico se finisce in un solo tentativo mentre Sol riprova tre volte e ha comunque bisogno di una revisione umana.

Cosa significa se sviluppi in Arabia Saudita

• Non legare il tuo sistema al nome di un modello. Gli stessi nomi hanno cambiato posizione in due generazioni nel giro di tre mesi. Rendi il modello un valore di configurazione, non una decisione scolpita nel codice.
• Tieni d'occhio la scadenza dei prezzi promozionali. La tariffa attuale di GPT-5.6 Sol (4 e 20 dollari) è garantita solo fino al 21 novembre 2026, dopodiché torna al prezzo di listino di 5 e 30 dollari. I budget annuali costruiti sui prezzi promozionali avranno una sorpresa.
• Classifica i tuoi dati prima di inviarli. La Legge saudita sulla protezione dei dati personali (PDPL) rende l'organizzazione responsabile di ciò che invia a un responsabile del trattamento esterno. Le attività che toccano dati personali richiedono prima l'anonimizzazione, oppure un modello in esecuzione all'interno del tuo perimetro.
• Instrada per attività, non per modello. Un semplice livello di instradamento (regole chiare a Luna, giudizio a Sol, escalation ad Astra) è ciò che trasforma una fattura di migliaia di riyal in decine, senza alcuna differenza percepibile dall'utente.

Quel livello di instradamento è esattamente ciò che costruiamo per i clienti in Origami: un sistema che sceglie il modello giusto per ogni attività, misura insieme qualità e costo e ti permette di cambiare fornitore senza ricostruire nulla.

Conclusione

Astra, Sol e Luna non sono tre gradi di qualità. Sono tre compromessi tra intelligenza, costo e quanta libertà viene concessa al modello. Luna gestisce il lavoro ripetibile a un decimo del costo, Sol si fa carico del lavoro che richiede giudizio a metà del prezzo del suo predecessore, e Astra si tiene i problemi in cui sbagliare costa più del modello. L'unico a perderci è chi fissa un unico modello per tutto: o paga 100x quanto serve all'attività, o fa girare un modello più debole sull'attività che conta di più.

Fonti: l'annuncio ufficiale di OpenAI su GPT-6 Sol e Luna del 22 settembre 2026 (https://openai.com/index/introducing-gpt-6-sol-and-luna/), oltre alla copertura di TechCrunch e di The Decoder per le tabelle sulle prestazioni e sul costo per attività. Prezzi e cifre sono quelli pubblicati in tali fonti il 23 settembre 2026 e sono soggetti a modifiche.