OpenAI obniża cenę GPT-5.6 Luna o 80 proc. Trzy tygodnie po premierze

Przy prostym zsumowaniu stawek wejściowych i wyjściowych Luna kosztuje łącznie 1,40 dol. za 1 mln tokenów, a Terra — 14 dol. za 1 mln tokenów . Tak niska cena ma uczynić Lunę szczególnie atrakcyjną w zadaniach realizowanych na dużą skalę.

Sol nie został przeceniony, ale otrzymał tryb Fast. Ma on działać do 2,5 raza szybciej niż standardowe przetwarzanie, przy dwukrotnie wyższej cenie i bez deklarowanej utraty jakości modelu .

Jak model pomógł obniżyć własne koszty działania?

Najbardziej nietypowym elementem tej historii jest sposób, w jaki OpenAI opisuje źródło oszczędności. 29 lipca firma poinformowała, że GPT-5.6 Sol autonomicznie przepisał i zoptymalizował produkcyjne kernele GPU — niskopoziomowy kod, który pozwala uruchamiać modele na sprzęcie .

Za pośrednictwem środowiska programistycznego Codex model miał łączyć się z wewnętrzną infrastrukturą OpenAI, projektować i przeprowadzać setki eksperymentów architektonicznych, uruchamiać wdrożenia, monitorować ich działanie i iteracyjnie poprawiać wyniki . Model nauczył się również składni języków Triton i Gluon, wykorzystywanych w stosie kerneli OpenAI .

Według danych przedstawionych przez OpenAI efekty obejmują :

• 20 proc. niższe koszty obsługi modeli dzięki poprawie produkcyjnych kerneli GPU;
• ponad 15 proc. wyższą efektywność generowania tokenów dzięki ulepszeniu dekodowania spekulatywnego.

Dekodowanie spekulatywne to technika przyspieszania generowania odpowiedzi, w której mniejszy „model roboczy” przewiduje kolejne tokeny, a większy model je weryfikuje.

Raporty wskazują także na szersze zmiany w infrastrukturze: przebudowę mechanizmów równoważenia obciążenia, dynamiczne kierowanie zapytań zależnie od lokalizacji, rodzaju akceleratora i dostępności pamięci podręcznej oraz usprawnienia prompt cache . Pamięć podręczna może być utrzymywana przez około 30 minut, a odczyt z cache ma kosztować o 90 proc. mniej niż przetwarzanie świeżych danych wejściowych .

Konkurencja coraz mocniej naciska na ceny

Obniżka o 80 proc. tak krótko po premierze nie jest wyłącznie efektem prac inżynieryjnych. OpenAI działa na rynku, na którym różnica między możliwościami modeli a ich ceną szybko się zmniejsza.

Kimi K3 od Moonshot AI

17 lipca chiński startup Moonshot AI zaprezentował Kimi K3 — model o 2,8 bln parametrów, określany jako największy model z otwartymi wagami . W testach programowania interfejsów internetowych Kimi K3 miał dorównywać GPT-5.6 Sol i modelom Anthropic, a w rankingu Arena Frontend Code uzyskał 1679 punktów, wyprzedzając GPT-5.6 Sol i Fable 5 .

W niezależnym teście opublikowanym 30 lipca przez Startrise AI Labs Kimi K3 zremisował z Claude Opus 5 w zadaniu z zakresu inżynierii front-endowej, a pełne przeprowadzenie testu kosztowało 7,17 dol. wobec 21,17 dol. w przypadku Opus 5 .

Microsoft miał rozważać przetestowanie Kimi K3 w usłudze Copilot. Według doniesień mogłoby to przynieść firmie oszczędności sięgające 600 mln dol., czyli 60 proc. kosztu tokenów .

Anthropic, Google i Microsoft

Anthropic 24 lipca wprowadził Claude Opus 5 z ceną 5 dol. za 1 mln tokenów wejściowych — o połowę niższą niż w przypadku Fable 5. Model ma również przewyższać Fable 5 w kilku testach porównawczych . To bezpośrednio zwiększa presję na segment, w którym konkuruje GPT-5.6 Sol.

Google i Microsoft wprowadziły w lipcu kolejne modele nastawione na niższy koszt, co dodatkowo utrudnia OpenAI obronę pozycji w segmencie średnim i budżetowym . W efekcie Luna może pełnić rolę modelu przyciągającego klientów realizujących bardzo duże i wrażliwe cenowo wolumeny, podczas gdy Sol pozostaje najdroższą, najbardziej zaawansowaną opcją .

Firmy zaczynają traktować AI jak chmurę

Presja cenowa pojawia się w momencie, gdy przedsiębiorstwa coraz dokładniej kontrolują wydatki na AI. Firmy zaczynają zarządzać wykorzystaniem modeli podobnie jak kosztami usług chmurowych: ustalają budżety, limity i procedury akceptacji dla większych wdrożeń .

22 lipca 2026 r. OpenAI dodało do platformy API egzekwowalne miesięczne limity wydatków . Administrator może ustawić limit dla całej organizacji albo konkretnego projektu. Po jego wyczerpaniu kolejne żądania API mogą zostać odrzucone, a limit odnawia się wraz z rozpoczęciem następnego cyklu rozliczeniowego .

To rozwiązanie różni się od wcześniejszych miękkich limitów i paneli monitorujących. Nie służy wyłącznie do obserwowania wydatków — może faktycznie zatrzymać kolejne wywołania API po przekroczeniu budżetu.

Według doniesień Amazon i inne duże przedsiębiorstwa również wprowadzają wewnętrzne oraz przeznaczone dla klientów ograniczenia wydatków na AI, ponieważ coraz dokładniej analizują zwrot z inwestycji . Era podejścia „wydajmy tyle, ile trzeba” ustępuje erze budżetowania i kontroli kosztów.

Co ta zmiana oznacza dla klientów API?

• Luna staje się znacznie tańszą opcją dla klasyfikacji, ekstrakcji danych, prostych chatbotów i innych zadań realizowanych masowo.
• Terra po obniżce do 2 dol. za tokeny wejściowe i 12 dol. za wyjściowe może być najbardziej uniwersalnym wyborem dla wielu zastosowań produkcyjnych.
• Sol pozostaje modelem premium do bardziej złożonego rozumowania, a tryb Fast pozwala kupić krótszy czas oczekiwania kosztem wyższej stawki.

Najważniejszy wniosek jest szerszy niż sam cennik OpenAI. Wojna cenowa na rynku AI przyspiesza, a jej źródłem są jednocześnie konkurencja, modele z otwartymi wagami i postęp w optymalizacji infrastruktury. Jeśli modele będą coraz skuteczniej pomagać w ulepszaniu kodu, routingu i procesów obsługi, dalsze obniżki cen mogą stać się jednym z głównych sposobów walki o klientów. Dla przedsiębiorstw oznacza to tańszy dostęp do AI, ale także konieczność dokładniejszego zarządzania tym, gdzie i jak modele są wykorzystywane.