OpenAI kutter GPT-5.6 Luna-prisen med 80 prosent

Luna har dermed en samlet input- og outputpris på 1,40 dollar per million tokens. Det gjør modellen til en av de rimeligste modellene i frontier-klassen, altså modeller i det øverste ytelsessjiktet . Terra ender på 14 dollar per million tokens.

For Sol kan API-kunder velge Fast-modus. Den skal være opptil 2,5 ganger raskere enn Standard-modus, men koster det dobbelte. OpenAI sier at hastighetsøkningen ikke innebærer lavere intelligens eller kvalitet .

Modellen bidro til å optimalisere sin egen infrastruktur

Det mest oppsiktsvekkende ved prisreduksjonen er ikke bare selve prislappen, men hvordan OpenAI sier at besparelsene ble mulig.

29. juli opplyste selskapet at GPT-5.6 Sol autonomt hadde skrevet om og optimalisert produksjonskjerner for GPU-er – lavnivåkoden som faktisk får modellene til å kjøre på databrikkene .

Via utviklingsmiljøet Codex koblet modellen seg til OpenAIs interne infrastruktur, utviklet og kjørte hundrevis av arkitektureksperimenter, startet og overvåket utrullinger og forbedret løsningene basert på resultatene . Den lærte også syntaks i Triton og Gluon, programmeringsspråk som brukes i OpenAIs kjernelag .

OpenAI oppgir følgende resultater:

• 20 prosent lavere kostnader ved modellkjøring som følge av forbedrede produksjonskjerner for GPU-er.
• Mer enn 15 prosent bedre effektivitet i token-genereringen gjennom forbedret spekulativ dekoding .

Spekulativ dekoding er en teknikk der en mindre «utkastmodell» foreslår de neste tokenene før hovedmodellen kontrollerer dem. Det kan redusere ventetiden og mengden datakraft som kreves for å generere et svar.

Optimaliseringen skal også ha omfattet resten av systemet. Omtaler peker blant annet på forbedret lastbalansering, der forespørsler fordeles dynamisk etter geografi, type akselerator og tilgjengelig hurtigbuffer .

OpenAI har dessuten innført hurtigbufring av forespørsler med en levetid på rundt 30 minutter. Bufrede input-data skal koste 90 prosent mindre enn nye data, noe som særlig kan hjelpe utviklere som gjentatte ganger arbeider med den samme koden eller konteksten .

Konkurrentene gjør pris til et våpen

OpenAIs raske prisgrep kommer etter flere uker med intens konkurranse.

Kimi K3 utfordrer de amerikanske modellene

Moonshot AIs Kimi K3 ble lansert 17. juli. Det åpne modellvekt-systemet har 2,8 billioner parametere og kommer fra en Beijing-basert oppstartsbedrift. I enkelte tester av frontend-programmering skal Kimi K3 ha matchet eller slått GPT-5.6 Sol og Anthropics Fable 5 .

På Arenas rangering for frontend-koding fikk Kimi K3 1 679 poeng – foran både GPT-5.6 Sol og Fable 5 . En uavhengig test fra Startrise AI Labs publisert 30. juli fant samtidig at Kimi K3 lå omtrent på nivå med Anthropics Claude Opus 5 i en frontend-test, men kostet langt mindre å kjøre: 7,17 dollar for hele testen mot 21,17 dollar for Opus 5 .

Kimi K3 ble omtalt som verdens største åpne modell, og Microsoft skal ha vurdert å teste den i Copilot. Ifølge rapportene kan en slik endring spare Microsoft opptil 600 millioner dollar, eller rundt 60 prosent per token .

Anthropic, Google og Microsoft presser midtmarkedet

Anthropic lanserte Claude Opus 5 24. juli til 5 dollar per million input-tokens – halvparten av prisen til Fable 5. Modellen skal også slå Fable 5 i flere målinger . Det øker presset på nettopp premiumsegmentet der GPT-5.6 Sol konkurrerer.

Google og Microsoft lanserte på sin side flere kostnadseffektive modeller i juli. Det gjør det vanskeligere å forsvare høye priser både i mellomklassen og i budsjettsegmentet .

I dette landskapet ser OpenAI ut til å bruke Luna som en svært billig modell for store volumer og prisfølsomme oppgaver, mens Sol skal fungere som det tydelige premiumalternativet .

Bedrifter vil ha kontroll på AI-regningen

Prisreduksjonene må også ses i sammenheng med en større endring hos bedriftskundene. AI blir i økende grad behandlet som andre skykostnader: med egne budsjetter, grenser og krav om dokumentert avkastning.

22. juli 2026 lanserte OpenAI håndhevbare månedlige forbruksgrenser for API-plattformen . Det er noe annet enn de tidligere, myke grensene i ChatGPT Enterprise, som først og fremst ga administratorer oversikt over bruken. Når en hard grense nås, kan nye API-forespørsler faktisk feile med HTTP-statuskoden 429 .

Administratorer kan sette grenser for hele organisasjonen eller for enkeltprosjekter. Grensen nullstilles ved starten av neste faktureringsperiode . For virksomheter som bruker AI-agenter med uforutsigbart forbruk, fungerer dette som en sikkerhetsventil mot uventet høye regninger.

Amazon og andre store selskaper skal også ha innført interne eller kundestyrte grenser for AI-forbruk mens de vurderer lønnsomheten i løsningene . Reuters beskriver en innkjøpsendring der bedrifter nå håndterer AI mer som skytjenester, med egne budsjetter, tak på forbruket og godkjenning fra IT-ledelsen ved større utrullinger .

Hva betyr dette for AI-kjøpere?

For utviklere og virksomheter som bruker OpenAIs API, er effekten på kort sikt positiv:

• Luna blir langt mer aktuell for store mengder klassifisering, datauthenting, enkel kundedialog og andre oppgaver som krever høy hastighet.
• Terra kan bli det mest balanserte valget for mange produksjonsløsninger, med en pris på 2 dollar per million input-tokens og 12 dollar per million output-tokens.
• Sol er fortsatt rettet mot krevende resonnering og komplekse oppgaver. Fast-modusen gir kundene mulighet til å betale ekstra for lavere ventetid.

Den viktigste utviklingen er likevel større enn OpenAIs nye prisliste. AI-priskrigen tilspisser seg, og prisene påvirkes ikke bare av nye og bedre modeller, men også av smartere drift. At en modell selv kan bidra til å optimalisere produksjonskoden som kjører den, peker mot en mulig ny kilde til kostnadsreduksjoner.

For bedrifter betyr det både lavere priser og større behov for styring. AI blir billigere å bruke, men leverandører og kunder må samtidig følge nøyere med på hvilke modeller som brukes, hvor mye de faktisk koster, og om de gir målbar verdi.