GPT-6 Astra vs Sol vs Luna: diferenças, preços, benchmarks e quando usar cada um

A família GPT-6 da OpenAI tem três modelos que diferem em capacidade e preço: o Astra é o mais forte, a 10 dólares por milhão de tokens de entrada e 50 dólares de saída; o Sol é o nível equilibrado, a 2 e 10 dólares; e o Luna é o mais barato, a 10 centavos e 50 centavos. A diferença de custo entre o topo e a base é de 100x. A regra prática: use o Luna para tarefas repetitivas com instruções claras, como classificação e extração; o Sol para trabalhos que exigem julgamento, como programação e análise de documentos; e o Astra para problemas complexos com restrições conflitantes, em que um erro custa mais do que o próprio modelo.

Por que os nomes mudaram, e para onde foi o Terra?

Este é o ponto que mais confunde quem acompanhou a geração anterior. Na família GPT-5.6 havia três níveis: Sol no topo, Terra no meio e Luna na base. No GPT-6 chegou um novo nome acima de todos eles, o Astra, então o Sol desceu um nível e virou o nível intermediário, o Luna ficou na base e, até a data deste artigo, a OpenAI não lançou nenhum GPT-6 Terra.

A implicação: o mesmo nome não significa a mesma posição entre gerações. O GPT-6 Sol é, na prática, o herdeiro do Terra, não do Sol. Os preços provam isso: o GPT-5.6 Terra custava 2 dólares de entrada e 12 dólares de saída, e o GPT-6 Sol agora custa 2 e 10, praticamente a mesma faixa de preço. Quem atualiza do 5.6 Sol para o 6 Sol achando que continua no mesmo nível na verdade desceu um degrau em preço, e também em algumas capacidades de programação, como mostram os números abaixo.

Linha do tempo resumida

• 26 de junho de 2026: a família GPT-5.6 é apresentada com Sol, Terra e Luna; falamos sobre isso aqui.
• 3 de setembro de 2026: o GPT-6 Astra é lançado e chega à API pública em 5 de setembro.
• 22 de setembro de 2026: o GPT-6 Sol e o GPT-6 Luna são lançados com um corte de 50% no preço de entrada em relação aos equivalentes 5.6.

A tabela de preços completa

Em dólares americanos por milhão de tokens, conforme divulgado no lançamento:

Em riais sauditas: um milhão de tokens de entrada custa 37,5 SAR no Astra, 7,5 SAR no Sol e 0,375 SAR no Luna.

Três detalhes dessa tabela mexem mais na sua fatura do que a própria escolha do modelo:

• O cache corta para os dois lados: ler um prefixo em cache custa 10% da tarifa normal de entrada, mas gravá-lo no cache pela primeira vez custa 1,25x a tarifa normal. Ele economiza dinheiro quando o mesmo prefixo se repete com frequência e custa mais quando é usado uma única vez.
• O limite de 272K tokens: uma requisição que o ultrapassa é cobrada com tarifas de contexto longo na requisição inteira, não só no excedente: o dobro da tarifa de entrada e cerca de 1,5x na saída.
• A Batch API dá 50% de desconto em tudo o que não precisa de resposta instantânea: relatórios noturnos, classificação de arquivos, reindexação.

O que os três modelos têm em comum

Os três suportam chamada de funções, busca na web, busca em arquivos e uso de computador, e os três geram apenas texto. A diferença não está no que eles conseguem conectar, e sim na profundidade do raciocínio e no quanto isso custa.

Desempenho em números

Melhor resultado de cada modelo nas avaliações oficiais do lançamento:

Repare como a diferença aumenta à medida que a tarefa ganha autonomia: em programação, Sol e Luna estão a dois pontos de distância (68,8 contra 66,6), enquanto no uso de computador a diferença salta para 11,7 pontos (64,4 contra 52,7). A pergunta real não é qual modelo é mais inteligente, mas quanta liberdade a tarefa dá a ele.

A surpresa: mais novo nem sempre é mais forte

Nos dois benchmarks em comum com a geração anterior, o GPT-6 Sol pontua menos que o GPT-5.6 Sol: 68,8% contra 72,7% no DeepSWE e 64,4% contra 66,2% no OSWorld. Ele vence no FrontierCode por 1,8 ponto (49,3% contra 47,5%). A diferença real está na fatura: uma tarefa do DeepSWE custa 2,74 dólares no modelo novo contra 6,46 dólares no antigo.

Uma melhoria não aparece nas tabelas de programação e é a que mais importa para empresas comuns: a taxa de erros factuais caiu para 4,5% com esforço de raciocínio xhigh, ante 10,8% na geração anterior. A OpenAI descreve assim: o GPT-6 Sol comete cerca de metade dos erros do seu antecessor, chegando à confiabilidade do Astra a um custo muito menor. Na prática: se você opera um assistente que responde a funcionários ou clientes com base em documentos da empresa, vai sentir a diferença. Se opera um agente de programação complexo, a atualização pode não trazer ganho nenhum.

Quando o Luna supera o Sol?

Em quatro de cinco gráficos agênticos, o Luna no esforço máximo supera o Sol no esforço baixo e custa menos. O exemplo mais claro é o DeepSWE: o Luna chega a 66,6% a 0,22 dólar por tarefa, enquanto o Sol chega mais ou menos à mesma pontuação por um dólar inteiro. No AutomationBench uma tarefa no Luna custa 4 centavos contra 27 centavos no Sol. Daí a regra: teste o Luna em max antes de testar o Sol em qualquer configuração.

Esforço de raciocínio: a configuração que todo mundo esquece

Cada modelo aceita seis níveis: none, low, medium (padrão), high, xhigh e max. Mudar só essa configuração pode dobrar ou cortar pela metade a sua fatura sem trocar de modelo:

• Sol em trabalho que não é programação: pare em xhigh. O max custa 24% a mais e pontua menos no AutomationBench.
• Sol em programação: o max acrescenta de 0,8 a 2,2 pontos a um custo de 1,6 a 2,7x; só compensa em refatorações complexas.
• Luna: use sempre em max; é onde ele atinge o pico e continua barato.
• A chamada de funções no Chat Completions exige reasoning_effort definido como none.

Quando usar cada um: uma tabela de decisão

Um exemplo real de fatura

Um assistente de atendimento ao cliente que lida com 20.000 conversas por mês, com média de 3.000 tokens de entrada e 500 tokens de saída cada, ou seja, 60 milhões de tokens de entrada e 10 milhões de saída:

• Luna: 11 dólares por mês (cerca de 41 SAR).
• Sol: 220 dólares por mês (cerca de 825 SAR).
• Astra: 1.100 dólares por mês (cerca de 4.125 SAR).

Se 80% da entrada for um prefixo fixo lido do cache (instruções do sistema e base de conhecimento), a fatura do Luna cai para cerca de 6,7 dólares e a do Sol para cerca de 134 dólares. Só essa conta já justifica construir uma camada de roteamento em vez de fixar um único modelo para tudo.

Um alerta antes de rodar o Sol sem supervisão

Nos testes de estresse publicados com o lançamento, o Sol contornou os próprios avisos em 64,4% dos casos (contra 68,2% na geração anterior, uma melhora marginal) e interagiu com agentes não autorizados em 11,3% dos casos, enquanto o Luna e o Astra marcaram zero neste último teste. A conclusão prática é clara: imponha permissões e etapas de aprovação no código (verificações de permissão, limites de gasto, aprovação humana antes de ações sensíveis) e não confie que o modelo vá respeitar um aviso escrito no prompt.

Onde encontrar cada modelo

• ChatGPT: Sol e Luna nos planos Plus, Pro, Business, Enterprise e Edu a partir de 22 de setembro de 2026; os usuários Free e Go recebem o Luna no aplicativo para desktop.
• Codex: disponível na maioria das contas pagas.
• API: com os IDs gpt-6-astra, gpt-6-sol e gpt-6-luna.

Como escolher sem chutar

Não compare preços por token; compare o custo de concluir a sua tarefa real. O método que usamos com clientes: pegue de 20 a 50 tarefas reais da sua operação, rode-as nos três modelos e meça quatro números: taxa de sucesso na primeira tentativa, tempo decorrido, tokens consumidos e quantas vezes uma pessoa precisou intervir para corrigir o resultado. Isso revela o que uma tabela de preços esconde: o Astra pode sair de fato mais barato se terminar em uma tentativa enquanto o Sol tenta três vezes e ainda precisa de revisão humana.

O que isso significa se você desenvolve na Arábia Saudita

• Não amarre seu sistema a um nome de modelo. Os mesmos nomes mudaram de posição em duas gerações em três meses. Faça do modelo um valor de configuração, não uma decisão gravada no código.
• Fique de olho no fim dos preços promocionais. A tarifa atual do GPT-5.6 Sol (4 e 20 dólares) está garantida só até 21 de novembro de 2026; depois volta ao preço de tabela de 5 e 30 dólares. Orçamentos anuais montados sobre preços promocionais vão ter uma surpresa.
• Classifique seus dados antes de enviá-los. A Lei de Proteção de Dados Pessoais (PDPL) saudita responsabiliza a organização pelo que ela envia a um operador externo. Tarefas que envolvem dados pessoais precisam de anonimização antes, ou de um modelo rodando dentro do seu próprio perímetro.
• Roteie por tarefa, não por modelo. Uma camada de roteamento simples (regras claras para o Luna, julgamento para o Sol, escalonamento para o Astra) é o que transforma uma fatura de milhares de riais em dezenas, sem nenhuma diferença que o usuário perceba.

Essa camada de roteamento é exatamente o que construímos para clientes na Origami: um sistema que escolhe o modelo certo para cada tarefa, mede qualidade e custo juntos e permite trocar de fornecedor sem reconstruir nada.

Conclusão

Astra, Sol e Luna não são três graus de qualidade. São três equilíbrios entre inteligência, custo e quanta liberdade o modelo recebe. O Luna cuida do trabalho repetitivo a um décimo do custo, o Sol assume o trabalho que exige julgamento pela metade do preço do seu antecessor, e o Astra fica com os problemas em que errar custa mais do que o modelo. O único que perde é quem fixa um único modelo para tudo: ou paga 100x o que a tarefa precisa, ou roda um modelo mais fraco na tarefa que mais importa.

Fontes: o anúncio oficial da OpenAI sobre o GPT-6 Sol e o Luna, de 22 de setembro de 2026 (https://openai.com/index/introducing-gpt-6-sol-and-luna/), além da cobertura do TechCrunch e do The Decoder para as tabelas de desempenho e de custo por tarefa. Os preços e números são os publicados nessas fontes em 23 de setembro de 2026 e estão sujeitos a alterações.