GPT-5.6 Sol, OpenAI taglia i prezzi del modello di punta

OpenAI ha ridotto il prezzo dell’API di GPT-5.6 Sol, il modello di punta della famiglia, portando la tariffa per il contesto breve a 4 dollari per milione di token in ingresso e 20 dollari per milione di token in uscita. In precedenza i prezzi erano rispettivamente di 5 e 30 dollari: il taglio è quindi del 20% sull’input e di circa un terzo sull’output.

Per il contesto lungo, la nuova tariffa indicata da OpenAI è di 8 dollari per milione di token in ingresso e 30 dollari per milione di token in uscita. La riduzione riguarda anche i crediti acquistati per alcuni prodotti destinati a sviluppatori e agenti; gli abbonamenti ChatGPT Pro, Plus e Business non risultano invece modificati.

Sol, Terra e Luna: quanto sono scesi i prezzi

Il confronto con il precedente intervento di OpenAI mostra una strategia a più livelli:

• GPT-5.6 Luna: da 1 a 0,20 dollari per milione di token in ingresso e da 6 a 1,20 dollari in uscita, con una riduzione dell’80%.
• GPT-5.6 Terra: da 2,50 a 2 dollari per l’input e da 15 a 12 dollari per l’output, con un taglio del 20%.
• GPT-5.6 Sol: ora a 4 e 20 dollari per il contesto breve, contro i precedenti 5 e 30 dollari.

A luglio OpenAI aveva inoltre introdotto Fast mode per Sol: fino a 2,5 volte più veloce dell’elaborazione Standard, ma al doppio del prezzo. L’opzione è pensata per chi privilegia la latenza senza cambiare modello o livello di intelligenza.

Sol resta il modello ammiraglia perché occupa il vertice della gamma e mantiene il prezzo più alto. Terra è presentato come il compromesso tra capacità, prestazioni e costi per i carichi di produzione; Luna è invece orientato a volumi elevati e applicazioni sensibili alla latenza, come classificazione, riepilogo e instradamento.

OpenRouter può costare la metà, ma attenzione al canale

La pagina di GPT-5.6 Sol su OpenRouter mostra attualmente 2 dollari per milione di token in ingresso e 10 dollari in uscita: circa la metà delle nuove tariffe dirette di OpenAI per il contesto breve.

Il confronto, però, non equivale automaticamente a un nuovo listino universale. OpenRouter è un aggregatore che instrada le richieste verso i provider e può applicare prezzi specifici per una determinata rotta, promozioni o condizioni temporanee. Prima di spostare un carico di lavoro, conviene verificare la durata dell’offerta, la parità della versione del modello, i limiti di utilizzo, la gestione della cache e le condizioni contrattuali.

Anche Amazon Bedrock presenta prezzi diversi a seconda del routing. Per Sol, AWS documenta nel contesto breve 5 dollari per milione di token in ingresso e 30 dollari in uscita con il profilo globale cross-region; le opzioni in-region e geographic cross-region salgono a 5,50 e 33 dollari.

Cosa cambia su Amazon Bedrock

AWS ha ampliato la disponibilità di GPT-5.6 Sol, Terra e Luna sull’endpoint bedrock-runtime. I tre modelli possono essere utilizzati tramite le API Responses, Converse e Chat Completions, con supporto alle modalità di inferenza geografica e globale cross-region.

Routing in-region, geografico e globale

• In-region: la richiesta viene elaborata nella Regione AWS selezionata. Al lancio, Sol era disponibile in US East (N. Virginia) e US East (Ohio), mentre Terra e Luna erano disponibili anche in US West (Oregon).
• Geographic cross-region: Bedrock può distribuire la richiesta tra Regioni appartenenti a una stessa area definita, per esempio Stati Uniti, Unione europea, Giappone o Australia. È l’opzione adatta quando i dati devono restare entro un determinato perimetro geografico, senza essere vincolati a una singola Regione.
• Global cross-region: un profilo con prefisso global. può inviare la richiesta a qualsiasi Regione commerciale AWS supportata, scegliendo in base alla capacità disponibile in tempo reale. Offre il bacino di capacità più ampio, ma può essere inadatto ai carichi soggetti a requisiti rigidi di residenza dei dati.

Il vantaggio pratico è ridurre la dipendenza da una singola Regione e gestire meglio congestioni o indisponibilità locali. Per GPT-5.6 Sol, AWS indica una quota di inferenza cross-region di 10 milioni di token al minuto per ogni Regione supportata; il conteggio include token di input e output.

Input, contesto e API supportati

La documentazione AWS indica per la famiglia Sol, Terra e Luna il supporto a input testuali e immagini, output testuale, prompt caching e una finestra di contesto fino a 1 milione di token. AWS distingue inoltre una fascia di prezzo per il contesto breve da 272.000 token.

Per gli sviluppatori, il cambiamento non consiste quindi soltanto nell’avere un endpoint aggiuntivo: i profili di inferenza diventano anche strumenti di gestione della capacità, della latenza e dei vincoli geografici. La scelta del profilo, tuttavia, deve essere coerente con i requisiti di conformità dell’applicazione.

La nuova fase della guerra dei prezzi dell’IA

La sequenza dei tagli suggerisce che la competizione tra modelli frontier si stia spostando dalla sola qualità alla combinazione di costo totale, velocità, capacità e flessibilità di acquisto. OpenAI ha prima ridotto drasticamente il prezzo del modello più economico e poi quello del modello intermedio; il taglio successivo di Sol arriva mentre canali alternativi mostrano tariffe molto aggressive.

OpenAI ha collegato i prezzi più bassi di Luna e Terra e le migliori prestazioni di Sol a progressi nel rapporto prezzo-prestazioni. In altre parole, una parte dei guadagni di efficienza nell’inferenza viene trasferita agli utenti sotto forma di prezzi ridotti e modalità di elaborazione più rapide.

Per le aziende, però, il prezzo per token è solo una voce del conto. L’uso di Bedrock può offrire fatturazione AWS, controlli IAM e routing regionale integrato; un aggregatore può semplificare il confronto tra provider; l’API diretta di OpenAI può invece ridurre la complessità del percorso tra applicazione e modello. Ogni opzione comporta compromessi su governance, disponibilità, dati e prestazioni.

La scelta più solida non è dunque semplicemente quella dell’endpoint più economico. Prima di migrare un workload è opportuno confrontare termini contrattuali, trattamento dei dati, versione effettiva del modello, limiti di velocità, comportamento della cache, latenza e regole di instradamento cross-region. Per i dati soggetti a vincoli geografici, in particolare, il routing globale deve essere valutato con cautela.