GPT-6 Sol и Luna: что меняет снижение цен

by PASCAL IAKOVOU
0 comments

22 сентября OpenAI объявила о снижении вдвое тарифов на Sol и Luna, свои модели для повседневной работы. Процент рассчитан по промо-ценам, а стоимость обработанного дела ещё предстоит измерить.

Сначала суммы, потом процент

За миллион токенов Sol на входе подешевел с 4 до 2 долларов, на выходе — с 20 до 10 долларов. Luna на входе подешевела с 0,20 до 0,10 доллара, на выходе — с 1,20 до 0,50 доллара. OpenAI объявляет «на 50 % дешевле» для обеих. Расчёт верен для Sol и для входа Luna, но выход Luna дешевеет примерно на 58 %.

Исходные цены — это цены промо-предложений GPT-5.6, а не его прейскурантные тарифы, что OpenAI уточняет в собственном тексте. Компания объясняет снижение улучшениями кэширования и инференса со скидкой 90 % на чтение уже сохранённых в памяти входных данных.

С момента запуска на странице есть обновление от 29 сентября, отсылающее к более новой модели, GPT-6.1 Sol. В прочитанном мной тексте анонс больше ничего об этом не говорит: поэтому нужно проверить, остаются ли тарифы и сравнения этой статьи верными для новой модели.

Стоимость задачи, измеренная поставщиком

OpenAI предпочитает говорить о стоимости за задачу. На AutomationBench, бенчмарке корпоративных рабочих процессов, Sol в настройке «xhigh» набирает 33,2 % при стоимости 0,27 доллара за задачу, против 26,9 % у Claude Opus 5 на максимуме, при стоимости, которую компания оценивает более чем в одиннадцать раз выше, чем у Sol. На бенчмарке DeepSWE, посвящённом программной инженерии, Sol представлен с результатом 68,8 %, чуть более чем на один пункт ниже лучшего результата Claude Fable 5.

Эти цифры принадлежат OpenAI, которая выбрала сравниваемые испытания и настройки. Она указывает, что берёт результаты конкурентов из публичных отчётов и использовала результаты Claude Fable 5, когда результаты версии 5.1 были недоступны. Результаты семейства на этом корпоративном бенчмарке, впрочем, остаются скромными в абсолютном выражении.

Уровень для каждой задачи: проверять, а не предполагать

Далее — прочтение автора. Работа по сортировке, например выявление неполного дела, не требует тех же затрат, что анализ происхождения или текст, связывающий Дом обязательствами. Можно поэтому представить экономичную модель для первого и более требовательную для остальных. Название модели не доказывает, что она подходит для задачи.

Команде стоило бы определить, что содержит приемлемый результат, прежде чем выбирать: необходимые сведения, допустимые ошибки, случаи, поднимаемые к человеку. Передача эстафеты важна не меньше тарификации. Дешёвая первичная обработка, стирающая свои источники или скрывающая сомнения, передаёт проблему, которую следующий этап не увидит.

Единица, которая важна

Цена токена — это входной параметр, а расход задачи зависит от выбранного уровня усилий. Чтобы принять решение, десять реальных дел, прогнанных через три уровня моделей, с таблицей важных ошибок, дали бы полезную цифру: стоимость дела, которое человек принимает, не переделывая. Ни одна страница запуска не может её дать.

Cette publication est également disponible en : English (Английский) Français (Французский) Deutsch (Немецкий) Italiano (Итальянский) Español (Испанский) العربية (Арабский) 简体中文 (Китайский (упрощенный)) 日本語 (Японский) Ελληνικά (Греческий)

LUXSURE LETTER

Le luxe, sélectionné plutôt que subi.

Recevez notre sélection éditoriale consacrée aux Maisons, aux idées et aux mutations qui façonnent le luxe contemporain.

RECEVOIR LUXSURE LETTER → DÉCOUVRIR LE MAGAZINE →

Related Articles