GPT-5.6 Lunan hinta romahti 80 prosenttia vain kolme viikkoa julkaisun jälkeen

Lunan syöte- ja tulostehinnan yhteissumma on nyt 1,40 dollaria miljoonaa tokenia kohti, mikä tekee siitä yhden markkinoiden edullisimmista huippuluokan malleista . Terran vastaava yhteissumma on 14 dollaria.

Solin uusi Fast-tila tuottaa vastauksia enintään 2,5 kertaa Standard-tilaa nopeammin. Se maksaa kaksinkertaisen hinnan Standard-käsittelyyn verrattuna, eikä OpenAI:n mukaan heikennä mallin älykkyyttä .

Malli optimoi oman ajonsa taustalla

Hinnanleikkauksen kiinnostavin yksityiskohta liittyy OpenAI:n infrastruktuuriin. Yhtiö kertoi 29. heinäkuuta, että GPT-5.6 Sol oli osallistunut omien tuotannossa käytettävien GPU-ytimiensä uudelleenkirjoittamiseen ja optimointiin . GPU-ytimet ovat matalan tason ohjelmakoodia, joka ohjaa mallin ajamista laskentaraudalla.

OpenAI:n Codex-kehitysympäristön kautta Sol yhdisti työskentelynsä yhtiön sisäiseen infrastruktuuriin, suunnitteli ja ajoi satoja arkkitehtuurikokeita, käynnisti käyttöönottoja, seurasi niiden tuloksia ja teki uusia kierroksia niiden perusteella . Malli opetteli myös OpenAI:n kernelipinossa käytettyjen Triton- ja Gluon-kielten syntaksia .

OpenAI:n ilmoittamat tulokset olivat seuraavat :

• tuotannossa käytettävien GPU-ytimien parannukset laskivat mallien palvelukustannuksia 20 prosenttia
• spekulatiivisen dekoodauksen parannukset kasvattivat tokenien tuottamisen tehokkuutta yli 15 prosenttia

Spekulatiivinen dekoodaus on tekniikka, jossa pienempi niin sanottu luonnosmalli ennustaa seuraavia tokeneita etukäteen. Näin varsinainen malli voi käsitellä hyväksyttävät ennusteet nopeammin.

Lisäksi OpenAI:n koko päättely- ja palvelupinoa on raportoitu tehostetun. Kuormantasausta on uudistettu niin, että pyyntöjä voidaan jakaa dynaamisesti esimerkiksi sijainnin, kiihdytintyypin ja välimuistin saatavuuden perusteella . Prompt-välimuistin käyttöikä on noin 30 minuuttia, ja välimuistista luetun syötteen kerrotaan maksavan 90 prosenttia vähemmän kuin uuden syötteen .

Kiinalainen Kimi K3 kiristää kilpailua

OpenAI ei laske hintoja tyhjiössä. Tekoälymallien kilpailu on muuttunut nopeasti heinäkuun aikana, ja erityisesti avointen painojen mallit haastavat suljettujen palvelujen hinnoittelua.

Moonshot AI julkaisi 17. heinäkuuta Kimi K3 -mallin, jonka koko on 2,8 biljoonaa parametria. Pekingiläisen startup-yrityksen mukaan kyseessä on maailman suurin avoimilla painoilla julkaistu tekoälymalli .

Kimi K3 ylsi Frontend Code -vertailussa 1 679 pisteeseen ja päihitti kyseisessä Arena-listauksessa GPT-5.6 Solin ja Anthropicin Fable 5:n . Startrise AI Labsin 30. heinäkuuta julkaisemassa riippumattomassa testissä Kimi K3 puolestaan sijoittui lähelle Claude Opus 5:tä, mutta koko testikokonaisuuden ajaminen maksoi 7,17 dollaria, kun Opus 5:n kohdalla hinta oli 21,17 dollaria .

Microsoftin on lisäksi raportoitu harkinneen Kimi K3:n testaamista Copilotissa. Ratkaisu voisi raporttien mukaan säästää yhtiölle jopa 600 miljoonaa dollaria eli 60 prosenttia tokenikustannuksista .

Myös Anthropic julkaisi Claude Opus 5:n 24. heinäkuuta viiden dollarin syötehinnalla miljoonaa tokenia kohti. Hinta oli puolet Fable 5:n hinnasta, ja Opus 5 päihitti Fable 5:n useissa vertailuissa . Google ja Microsoft toivat heinäkuussa markkinoille useita kustannustehokkaita malleja, mikä lisää painetta etenkin keski- ja edullisemmissa hintaluokissa .

Tässä asetelmassa OpenAI näyttää sijoittavan Lunan suurten volyymien ja hintaherkkien tehtävien malliksi – käytännössä houkutustuotteeksi – ja jättävän Solin premium-vaihtoehdoksi vaativaan päättelyyn .

Yritykset haluavat tekoälylaskuille katon

Hintojen lasku liittyy myös yritysasiakkaiden muuttuneisiin odotuksiin. Tekoälymenoja seurataan yhä enemmän samalla tavalla kuin pilvipalvelukuluja: käyttöä budjetoidaan, tiimeille asetetaan rajoja ja suuret käyttöönotot vaativat johdon hyväksynnän .

OpenAI lisäsi 22. heinäkuuta API-alustalleen valvottavat kuukausittaiset kulurajat . Organisaatio- tai projektitasolle asetettava tiukka raja voi pysäyttää API-pyynnöt, kun kuukausibudjetti on käytetty loppuun. Tällöin pyynnöt palauttavat HTTP 429 -virheen, ja raja nollautuu seuraavan laskutuskauden alussa .

Olennaista on ero aiempiin seurantatoimintoihin: kyse ei ole vain ilmoituksesta tai hallintapaneelin mittarista, vaan rajasta, joka voi todella estää uudet API-pyynnöt budjetin täytyttyä.

Amazonin ja muiden suuryritysten kerrotaan puolestaan asettaneen sisäisiä ja asiakaspuolen rajoja tekoälymenoille, kun investointien tuottoa arvioidaan aiempaa tarkemmin . Reutersin mukaan yritysten hankintapolitiikassa tekoälyä käsitellään nyt enemmän pilvipalvelujen kuin rajattoman kokeilun tapaan .

Mitä muutos merkitsee ostajille?

OpenAI:n API-asiakkaille vaikutus on lyhyellä aikavälillä selvä:

• Luna sopii entistä paremmin suurivolyymisiin ja nopeutta vaativiin tehtäviin, kuten luokitteluun, tiedon poimintaan ja yksinkertaiseen keskusteluun.
• Terra tarjoaa tasapainoisen vaihtoehdon tuotantokäyttöön, erityisesti nyt kun sen hinta on laskenut 2 dollariin syötteeltä ja 12 dollariin tulosteelta miljoonaa tokenia kohti.
• Sol on edelleen sarjan kallein ja tehokkain vaihtoehto monimutkaiseen päättelyyn. Fast-tila antaa yrityksille mahdollisuuden maksaa suuremman hinnan nopeammista vastauksista.

Laajempi viesti on, että tekoälyn hintasota on jo käynnissä. Hintoja painavat sekä kilpailijat että infrastruktuurin tehostuminen – jopa siinä määrin, että malli on OpenAI:n mukaan auttanut optimoimaan omaa tuotantokoodiaan. Kun avoimilla painoilla julkaistut mallit kurovat suorituskykyeroa umpeen ja yritykset vaativat tiukkoja kulukattoja, uusia hinnanlaskuja voidaan odottaa myös muualla alalla.