Índice
- 1. O que são o GPT-6 Sol e o Luna — data de lançamento, especificações e posicionamento
- 2. Onde dá para usar — Work, Codex e API, mas não no Chat comum
- 3. Preço — "1/5 e 1/100 do Astra" só vale com a mesma quantidade de tokens
- 4. A orientação oficial — Sol em Medium, Luna em High, Astra a partir de Light
- 5. Os números da OpenAI — a avaliação em que o Sol xhigh superou o Astra low
- 6. Os números de terceiros — a comparação da Artificial Analysis
- 7. Nosso teste em pequena escala — tarefas curtas em que configurações mais baratas bastaram
- 8. Como escolher para o seu trabalho — onde a decisão se define
- FAQ
Em 22 de setembro de 2026 (horário dos EUA; madrugada de 23 de setembro no Japão), a OpenAI lançou o GPT-6 Sol e o GPT-6 Luna (anúncio da OpenAI). São modelos mais rápidos e mais baratos, construídos com a mesma linha de treinamento do GPT-6 Astra, o modelo topo de linha lançado em 3 de setembro.
Este artigo foi escrito sobretudo para quem hoje usa o Astra em low (exibido como "Light" no app) no Codex ou no ChatGPT Work. A resposta curta: padronizar tudo no Astra low não é um erro. Mas a própria orientação da OpenAI por caso de uso é Sol para o trabalho do dia a dia e para programação complexa, Luna para trabalho repetitivo e bem definido e Astra para o trabalho mais difícil, e "Astra a partir de Light" significa "se for usar o Astra, comece em Light". Não é uma recomendação para rodar todo trabalho no Astra.
Apresentamos os números separados por quem os divulgou: as avaliações da OpenAI, as avaliações independentes da Artificial Analysis e o pequeno teste que nós mesmos fizemos usam métodos e tarefas completamente diferentes.
GPT-6 Sol / GPT-6 Luna
Lançados em 22 de setembro de 2026 (horário dos EUA) / API, ChatGPT Work, Codex
1. O que são o GPT-6 Sol e o Luna — data de lançamento, especificações e posicionamento
Segundo a descrição da OpenAI, o Sol mira a programação complexa e os fluxos de trabalho com agentes, e o Luna é o seu modelo mais eficiente, para trabalho focado e em grande volume. O anúncio apresenta o lançamento como uma forma de levar os pontos fortes do Astra (trabalho profissional, precisão factual, programação e uso do computador) a modelos mais rápidos e acessíveis, mas também diz que os projetos mais exigentes e de maior risco continuam pedindo a profundidade do Astra.
| Item | GPT-6 Sol | GPT-6 Luna | Para referência: GPT-6 Astra |
|---|---|---|---|
| ID do modelo | gpt-6-sol | gpt-6-luna | gpt-6-astra |
| Contexto | 1,050,000 | 1,050,000 | 1,050,000 |
| Entrada máxima / saída máxima | 922,000 / 128,000 | 922,000 / 128,000 | 922,000 / 128,000 |
| Corte de conhecimento | 20 de abril de 2026 | 18 de maio de 2026 | 30 de abril de 2026 |
| Esforço de raciocínio (API) | de none a max (padrão medium) | de none a max (padrão medium) | de low a max (sem none) |
| Entrada / saída | Texto, imagens / texto | Texto, imagens / texto | Texto, imagens / texto |
Fonte: páginas dos modelos na documentação da API da OpenAI (Sol, Luna, Astra). Consultado em 24 de setembro de 2026.
A surpresa está no corte de conhecimento: o do Luna (18 de maio) é mais recente que o do Astra (30 de abril). Se você usa os modelos com busca na web, porém, a diferença quase não pesa (datas de corte de conhecimento dos principais modelos de IA).
Um aviso para desenvolvedores. O Sol e o Luna aceitam none (sem raciocínio) na API, mas a chamada de funções no Chat Completions exige none, e a OpenAI indica a Responses API para ferramentas integradas e chamada de funções.
2. Onde dá para usar — Work, Codex e API, mas não no Chat comum
Juntando o anúncio com as páginas Models e Pricing, o quadro fica assim. A porta de entrada é o ChatGPT Work e o Codex; os modelos não aparecem na interface de conversa comum (Chat).
Sol e Luna no ChatGPT Work e no Codex. A liberação começou no dia do lançamento e avança aos poucos ao longo do dia; se eles ainda não aparecerem, a OpenAI sugere conferir mais tarde. No Enterprise e no Edu, pode ser preciso que um administrador habilite o Luna.
Só o Luna, no app para desktop (velocidade padrão, sujeito à liberação gradual). O Sol não está incluído.
Disponíveis como gpt-6-sol e gpt-6-luna, com cobrança conforme o uso.
Não disponível. O anúncio diz que os modelos ainda não são oferecidos no Chat, e a página Models diz que estão disponíveis no Work e no Codex, mas não no Chat.
Os modelos antigos não somem de imediato. A página Models informa que o GPT-5.6 Sol, Terra e Luna continuam disponíveis durante o período de transição. Por outro lado, o GPT-5.5 sai do ChatGPT, do ChatGPT Work e do Codex em 14 de outubro de 2026 (a API não é afetada), e a página indica o Sol como substituto nos planos pagos (Plus, Pro, Business, Enterprise, Edu) e o Luna no app para desktop no Free e no Go. Se você especifica gpt-5.5 em um arquivo de configuração ou em uma tarefa agendada, precisa trocar antes dessa data (ChatGPT Models).
3. Preço — "1/5 e 1/100 do Astra" só vale com a mesma quantidade de tokens
| Modelo | Entrada na API | Entrada em cache | Saída na API | Créditos do Codex (entrada / cache / saída) |
|---|---|---|---|---|
| GPT-6 Astra | $10 | $1 | $50 | 250 / 25 / 1,250 |
| GPT-6 Sol | $2 | $0.20 | $10 | 50 / 5 / 250 |
| GPT-6 Luna | $0.10 | $0.01 | $0.50 | 2.5 / 0.25 / 12.5 |
Por 1M de tokens, velocidade padrão. Fontes: páginas dos modelos na documentação da API da OpenAI e ChatGPT / Codex Pricing. Consultado em 24 de setembro de 2026.
Em todas as linhas, o Sol custa exatamente 1/5 do Astra e o Luna, 1/100, e os créditos do Codex seguem as mesmas proporções. A OpenAI descreve o corte em relação à geração anterior como 50% abaixo do preço promocional do GPT-5.6, mas, para ser preciso, o Sol caiu pela metade na entrada e na saída, enquanto o Luna caiu pela metade na entrada e de $1.20 → $0.50 na saída (cerca de 58% menos).
A proporção entre preços unitários não é a proporção do custo de um trabalho. A sua conta é preço unitário × tokens de fato usados, e modelos mais baratos às vezes pensam por mais tempo e geram mais saída. Nas medições independentes da Artificial Analysis (seção 6), o Luna high usou cerca de 5 vezes mais tokens de saída por tarefa que o Astra low, e o custo por tarefa ficou em cerca de 1/27, não 1/100. O Sol medium, da mesma forma, ficou em cerca de 1/3, não 1/5.
As proporções só valem na conta em que a quantidade de tokens é a mesma. Por exemplo, com 100,000 tokens de entrada (80,000 deles em cache) e 10,000 tokens de saída, o custo na API fica em Astra $0.78, Sol $0.156, Luna $0.0078. Há outras condições: entradas acima de 272,000 tokens dobram as tarifas de entrada e de entrada em cache e multiplicam a saída por 1.5; a gravação em cache na API custa 1.25 vez a tarifa de entrada (nos créditos do Codex não há cobrança separada pela gravação); e o modo Fast custa 2 vezes mais na API e 2.5 vezes mais em créditos do Codex.
O preço unitário não diz quanto a sua assinatura cobre
Quando você usa os modelos por um plano do ChatGPT, não dá para dizer que o Sol rende 5 vezes mais uso que o Astra, nem o Luna 100 vezes. A própria página de preços do Codex afirma que as tarifas de crédito, sozinhas, não determinam quanto uso uma assinatura inclui.
A mesma página traz faixas aproximadas de mensagens a cada 5 horas. No Plus, elas são Astra 5–45, Sol 15–150 e Luna 350–3,000. Comparando mínimo com mínimo e máximo com máximo, o Sol rende cerca de 3 vezes o Astra e o Luna cerca de 67–70 vezes, o que não bate com o 5× e o 100× dos preços unitários. Além disso, a OpenAI observa que não são limites fixos, e que tarefas parecidas podem consumir quantidades diferentes conforme o modelo, o contexto, o raciocínio, o uso de ferramentas e o cache. O único jeito de saber quanto você consegue no seu trabalho é olhar a tela de uso.
4. A orientação oficial — Sol em Medium, Luna em High, Astra a partir de Light
Sobre qual modelo usar, a página Models da OpenAI dá uma orientação clara. Em resumo:
Trabalho longo envolvendo código, apps e pesquisa, que precisa manter o discernimento do começo ao fim. Ponto de partida: Light (valor de configuração low).
Trabalho ambíguo, difícil e de alto valor (mudanças complexas de código, pesquisa aprofundada, documentos que precisam de acabamento). Ponto de partida: Medium. Para tarefas estreitas, entregue uma definição clara do que é "pronto".
Trabalho em grande volume em que você sabe como é um bom resultado (extração, classificação, transformação, resumos em formato fixo). Ponto de partida: High.
Aqui é fácil confundir três coisas.
- Pontos de partida por caso de uso: o "Sol em Medium, Luna em High, Astra a partir de Light" acima.
- Os presets padrão do app: os presets Power no app para desktop e na web são seis — Luna High, Sol Light, Sol Medium, Astra Light, Astra Medium e Astra Extra High — e o Sol Light vem selecionado por padrão (alguns planos pagos não têm o Astra Extra High).
- O padrão da API:
mediumtanto no Sol quanto no Luna.
Os três são diferentes, mas não se contradizem. O preset padrão é "rápido e leve por enquanto"; a orientação por caso de uso é "por onde começar para ter resultado nesse tipo de trabalho". A OpenAI também diz que os níveis de esforço de raciocínio não se correspondem um a um entre gerações, e sugere testar tarefas conhecidas numa configuração mais baixa e ajustar a partir daí. Não dá para escolher a configuração do novo Sol com a mesma sensação que você tinha com o "GPT-5.6 Sol em high". Para uma comparação com a geração anterior, veja nossa comparação medida entre o Astra low e o GPT-5.6 Sol high (um modelo diferente deste GPT-6 Sol).
Como ler "Astra a partir de Light". É o ponto de partida depois que você escolheu o Astra. Não quer dizer que todo trabalho deva ir para o Astra. Padronizar no Astra low é uma escolha razoável se você quer evitar a troca e pôr a capacidade em primeiro lugar. Mas se isso é o ideal quando se contam os limites de uso e o tempo de espera é outra questão, e, se isso importa para você, vale considerar dividir o trabalho com o Sol e o Luna.
5. Os números da OpenAI — a avaliação em que o Sol xhigh superou o Astra low
O anúncio da OpenAI traz um único dado que põe o Sol e o Astra lado a lado: o AutomationBench 1.0.6, uma avaliação de fluxos de trabalho que atravessam apps corporativos.
| Modelo (esforço de raciocínio) | Pontuação | Custo por tarefa |
|---|---|---|
| GPT-6 Sol (xhigh) | 33.2% | $0.27 |
| GPT-6 Astra (low) | 30.3% | 3.9× o Sol |
| Claude Opus 5 (max) | 26.9% | 11.1× o Sol |
Fonte: tabela do anúncio da OpenAI (avaliação da própria fabricante).
Só nessa avaliação, o Sol levado a pensar bastante pontua acima do Astra low a cerca de um quarto do custo. Repare, porém, que a comparação usa o Sol em xhigh, não em medium nem em low. Os outros números que a OpenAI apresenta são:
- DeepSWE v1.1 (desenvolvimento de software em bases de código reais): Sol max 68.8%, Luna max 66.6%.
- Agents' Last Exam (tarefas profissionais longas): Sol max 56.4%.
- OSWorld 2.0 offline (operação de computador): Sol xhigh 60.5%. A própria OpenAI diz que o Astra continua sendo o melhor em uso do computador.
- Precisão factual: numa avaliação interna montada a partir de conversas passadas em que usuários apontaram erros, o Sol cometeu cerca de metade dos erros da geração anterior (GPT-5.6 Sol).
Duas ressalvas ao ler esses números. A avaliação de precisão factual é um conjunto de conversas em que erros são prováveis, e a própria OpenAI observa que ele não representa o uso típico. A OpenAI também diz que as avaliações foram feitas em ambiente de pesquisa ou pela API e que o produto em produção do ChatGPT usa instruções de sistema e ferramentas diferentes, então as respostas podem variar um pouco. Não dá para pegar a "metade dos erros" e aplicar direto ao seu trabalho do dia a dia.
6. Os números de terceiros — a comparação da Artificial Analysis
A avaliadora independente Artificial Analysis (AA daqui em diante) publicou páginas de comparação que colocam o Sol low, o Sol medium e o Luna high, cada um, contra o Astra low. A tabela abaixo reúne os valores dessas três páginas; os valores do Astra low eram idênticos nas três.
| Configuração | Intelligence Index | Terminal-Bench 4.0 | AutomationBench-AA | Custo por tarefa | Tempo por tarefa |
|---|---|---|---|---|---|
| Astra low | 46 | 42% | 59% | $0.82 | 97.18 s |
| Sol medium | 40 | 19% | 58% | $0.25 | 59.99 s |
| Sol low | 34 | 9% | 54% | $0.13 | 34.98 s |
| Luna high | 32 | 5% | 48% | $0.03 | 146.71 s |
Fonte: páginas de comparação da Artificial Analysis (Sol medium vs Astra low, Sol low vs Astra low, Luna high vs Astra low). Intelligence Index v4.3.2 (10 avaliações). Consultado em 24 de setembro de 2026. Os valores da tabela podem ser atualizados.
Três pontos chamam a atenção nesta tabela.
No Terminal-Bench 4.0, o Astra low marca 42%, contra 19% do Sol medium e 5% do Luna high. Isso não dá base para trocar o Astra em tudo no desenvolvimento difícil e conduzido pelo terminal.
No AutomationBench-AA, o Sol medium marca 58% contra 59% do Astra low, a cerca de um terço do custo por tarefa. O tamanho da diferença varia enormemente de uma avaliação para outra. Não converta a diferença do índice composto em "X% mais inteligente".
O Luna high custa cerca de 1/27 do Astra low, mas leva 146.71 segundos por tarefa, mais que os 97.18 segundos do Astra low, porque gasta mais tokens pensando.
O tempo por tarefa da AA é o tempo de geração calculado a partir da velocidade de saída; não inclui a espera pela primeira resposta nem o processamento ao redor. Não é o mesmo que o tempo que um trabalho leva no seu ambiente. Na métrica de precisão de conhecimento da AA (AA-Omniscience), o Astra low marca 41, o Sol low e o Sol medium marcam 27 e o Luna high marca −6, uma dispersão grande que mostra que escolher o Luna só pelo preço é arriscado para responder a perguntas factuais sem fontes fornecidas.
7. Nosso teste em pequena escala — tarefas curtas em que configurações mais baratas bastaram
Na AI Arte também fizemos um pequeno teste com o Codex CLI. Não é um teste para ranquear os modelos. Primeiro, as condições.
Tarefas: (1) escrever uma função que trata da escolha entre IDs duplicados, do desempate por timestamps idênticos, de linhas ausentes e afins (corrigida rodando 24 casos); (2) classificar 8 afirmações a partir de material de referência, calcular taxas de erro com denominadores diferentes e escrever uma recomendação de até 160 caracteres (corrigida em 12 itens). Não houve correção por IA.
Limitações: o cache não foi limpo, e a maior parte da entrada (cerca de 11,000–12,000 tokens) foi lida do cache. O código de correção foi escrito depois de as respostas chegarem; não foi um teste pré-registrado.
| Configuração | Aprovadas | Tempo mediano | Média de tokens de saída (incl. raciocínio) | Custo equivalente na API por execução (média) |
|---|---|---|---|---|
| Astra low | 4/4 | 10.33 s | 184.75 | $0.0447 |
| Sol low | 4/4 | 7.96 s | 175.50 | $0.0086 |
| Sol medium | 4/4 | 10.28 s | 266.25 | $0.0095 |
| Luna high | 4/4 | 11.52 s | 371.25 | $0.0006 |
O tempo é medido da abertura do CLI até o encerramento. O custo equivalente na API não é o que foi cobrado (as execuções foram feitas numa assinatura; é um valor de referência que aplica as tarifas oficiais da API às contagens de tokens informadas pelo CLI).
Das 5:47 às 5:49 do mesmo dia, rodamos mais uma tarefa separada, em japonês — encontrar erros de conversão de datas e de contagem em várias fontes —, com 12 itens de correção definidos de antemão, duas vezes por configuração. As 8 execuções foram aprovadas, com tempos medianos de Sol low 9.65 s, Sol medium 13.29 s, Astra low 13.48 s e Luna high 17.32 s (a tarefa e o horário diferem da tabela acima, então não misturamos as médias).
Tudo o que isso mostra é que, em tarefas curtas com respostas verificáveis, houve casos em que o Sol low ou o Luna high bastaram. Todas as configurações passaram porque as tarefas eram fáceis, e isso não é evidência de que os modelos sejam igualmente capazes. Foram 3 tarefas independentes, com 4 e 2 execuções por configuração. Não medimos correções num repositório existente, design, textos longos nem trabalho autônomo longo. E, como o indicador de uso restante mostra porcentagens inteiras e é compartilhado com outros trabalhos, este teste não diz quanto do limite de uso cada modelo consumiu.
Ainda assim, duas coisas deu para observar. O Sol low terminou mais rápido que o Astra low a cerca de 1/5 do custo equivalente na API. Já o Luna high teve o menor custo equivalente na API, mas levou mais tempo que o Astra low — o mesmo padrão da tabela da AA.
8. Como escolher para o seu trabalho — onde a decisão se define
Com base no que vimos (a orientação oficial por caso de uso, as avaliações da AA e o nosso pequeno teste), a divisão abaixo é prática. Leia como um ponto de partida proposto, não como um ótimo comprovado.
O ponto de partida oficial. Na avaliação de fluxos de trabalho corporativos da AA, fica 1 ponto atrás do Astra low a cerca de um terço do custo. Se não estiver satisfeito com os resultados, suba para o Astra.
Requisitos estreitos em que um teste ou uma checagem de formato diz na hora se passou ou falhou. Luna high para extração, classificação e transformação. Mas o Luna não é rápido; se a espera incomoda, use o Sol low.
Arquitetura geral, bugs de causa desconhecida, conciliação de várias fontes, revisões antes do lançamento, desenvolvimento centrado no terminal. Comece em low e, se notar falhas ou retrabalho, compare com medium ou acima.
A pergunta decisiva é se você consegue verificar o resultado do trabalho por conta própria na hora. Se passar nos testes ou ter o formato certo resolve a questão, uma falha num modelo barato é percebida de imediato e refazer custa pouco. Por outro lado, em trabalhos em que os erros aparecem tarde (decisões de design, textos factuais sem fontes, qualidade visual), o retrabalho de um modelo barato acaba custando mais que a diferença de preço.
Se você vinha usando só o Astra low: não precisa parar. Se quiser experimentar, uma forma segura é passar só as suas novas tarefas do dia a dia para o Sol medium durante uma semana e comparar com que frequência precisa refazer o trabalho e com que velocidade o limite de uso cai. Mantenha no Astra as tarefas que estão no meio de trabalhos importantes, para que uma comparação malsucedida não afete o trabalho real. Observe que mudar o padrão no arquivo de configuração (model e model_reasoning_effort no config.toml) só afeta tarefas criadas a partir daí. Nas tarefas já criadas, confira o modelo e o esforço abaixo da caixa de entrada de cada uma.
O jeito mais confiável de decidir é comparar com o seu próprio trabalho representativo. Partindo do mesmo estado inicial: a primeira saída passou? Quantas vezes você corrigiu? Quantos minutos levou a sua checagem final? Conte essas três coisas e você terá uma resposta melhor para o seu caso do que qualquer tabela.
FAQ
Q1. Já dá para usar o GPT-6 Sol e o Luna?
Desde 22 de setembro de 2026 (horário dos EUA), eles estão sendo liberados no ChatGPT Work e no Codex nos planos Plus, Pro, Business, Enterprise e Edu. O Free e o Go recebem só o Luna, no app para desktop. Na API, estão disponíveis como gpt-6-sol e gpt-6-luna. Não são oferecidos no Chat comum (segundo as páginas oficiais em 24 de setembro de 2026).
Q2. Uso o Astra low. Devo trocar para o Sol?
Não há motivo obrigatório. A orientação da OpenAI é Sol para o trabalho do dia a dia e para programação complexa (começando em Medium) e Astra para o trabalho mais difícil (começando em Light). Nas avaliações da Artificial Analysis, o Sol medium ficou 1 ponto atrás do Astra low nos fluxos de trabalho corporativos, mas bem atrás no trabalho no terminal, com 19% contra 42%. Recomendamos testar o Sol medium só nas novas tarefas do dia a dia e comparar com que frequência você precisa refazer o trabalho.
Q3. Se o Sol custa 1/5 do Astra, rende 5 vezes mais uso?
Não dá para dizer isso. As tarifas da API e os créditos são 1/5, mas a própria página de preços do Codex afirma que as tarifas de crédito, sozinhas, não determinam o uso de uma assinatura. As faixas aproximadas a cada 5 horas no Plus, na mesma página, são Astra 5–45 e Sol 15–150 mensagens, só cerca de 3 vezes mais. Além disso, não são limites fixos, e o consumo varia conforme o trabalho.
Q4. O Luna é o mais barato. Posso usá-lo para tudo?
Ele combina com trabalho repetitivo em que você sabe como é um bom resultado (extração, classificação, transformação, resumos em formato fixo). Nas avaliações da Artificial Analysis, o Luna high custa cerca de 1/27 do Astra low por tarefa, mas demora mais, marca só 5% no trabalho no terminal e cai muito na métrica de precisão de conhecimento. Evite entregar a ele, só pelo preço, perguntas factuais sem fontes fornecidas ou desenvolvimento autônomo longo.
Q5. O app seleciona "Sol Light" por padrão, mas a OpenAI diz "comece o Sol em Medium". Não é uma contradição?
Não. O Sol Light é o padrão dos presets Power no app para desktop e na web, enquanto "Sol em Medium" é o ponto de partida para ter resultado nesse tipo de trabalho. O padrão da API é outra coisa ainda: medium tanto no Sol quanto no Luna. Um jeito simples de pensar: mantenha o padrão para trabalhos leves e vá para Medium ou acima em trabalhos que exigem planejamento ou análise.
Q6. O que acontece com o GPT-5.6 Sol e o GPT-5.5?
O GPT-5.6 Sol, Terra e Luna continuam disponíveis durante o período de transição. O GPT-5.5 sai do ChatGPT, do ChatGPT Work e do Codex em 14 de outubro de 2026 (a API não é afetada), e a OpenAI indica o GPT-6 Sol como substituto nos planos pagos (Plus, Pro, Business, Enterprise, Edu) e o GPT-6 Luna no app para desktop no Free e no Go. Se você especifica gpt-5.5 em um arquivo de configuração ou em uma tarefa agendada, troque antes dessa data.
Fontes
Os números deste artigo foram conferidos nas páginas dos responsáveis listadas abaixo em 24 de setembro de 2026, junto com os dados de medição da própria AI Arte.
- OpenAI — Introducing GPT-6 Sol and Luna
Posicionamento, redução de preço em relação à geração anterior (Sol $4→$2 e $20→$10, Luna $0.20→$0.10 e $1.20→$0.50), AutomationBench 1.0.6 (Sol xhigh 33.2% a $0.27, Astra low 30.3% a 3.9×, Opus 5 max 26.9% a 11.1×), DeepSWE v1.1 (Sol max 68.8%, Luna max 66.6%), Agents' Last Exam (Sol max 56.4%), OSWorld 2.0 (Sol xhigh 60.5%), a avaliação interna de precisão factual e suas ressalvas, disponibilidade - OpenAI Developer Community — anúncio do GPT-6 Sol e do Luna
Horário do lançamento (22 de setembro de 2026, 18:16 UTC), disponibilidade no Work, no Codex e na API, Luna no desktop para Free e Go - OpenAI — GPT-6 Sol, GPT-6 Luna, GPT-6 Astra (documentação da API)
IDs dos modelos, contexto, entrada e saída máximas, cortes de conhecimento, esforço de raciocínio e padrões, preços da API, acréscimo acima de 272K, gravação em cache a 1.25×, modo Fast a 2× - ChatGPT — Models
Orientação por caso de uso (Sol em Medium, Luna em High, Astra a partir de Light), os seis presets Power com Sol Light como padrão, indisponibilidade no Chat, GPT-5.6 disponível durante a transição, aposentadoria do GPT-5.5 (14 de outubro de 2026) - ChatGPT / Codex — Pricing
Disponibilidade por plano, tarifas de crédito, a observação de que as tarifas sozinhas não determinam o uso, faixas aproximadas a cada 5 horas (Plus: Astra 5–45, Sol 15–150, Luna 350–3,000), modo Fast a 2.5× - Artificial Analysis — páginas de comparação (Sol medium vs Astra low, Sol low vs Astra low, Luna high vs Astra low)
Intelligence Index v4.3.2, Terminal-Bench 4.0, AutomationBench-AA, AA-Omniscience, custo, tokens de saída e tempo por tarefa - Medições da AI Arte (24 de setembro de 2026, Codex CLI 0.155.0-alpha.16)
4 configurações × 2 tarefas × 2 execuções = 16 execuções, mais uma tarefa adicional em japonês rodada duas vezes por configuração = 8 execuções. Aprovações, tempo, tokens de saída, custo equivalente na API
Artigos relacionados
- Lançamento do GPT-6 Astra: o guia completo — preço, disponibilidade por plano e benchmarks do modelo topo de linha
- O GPT-6 Astra low é mesmo mais barato? — uma comparação medida com o GPT-5.6 Sol em high, da geração anterior
- Lançamento do GPT-5.6: o guia completo — Luna / Terra / Sol da geração anterior
- Lançamento do Claude Opus 5.5 — o novo modelo da Anthropic da mesma semana
- Datas de corte de conhecimento dos principais modelos de IA — até onde vai o conhecimento de cada modelo
