GPT-5.6 Sol tanieje. OpenAI obniża ceny API, a AWS dodaje routing między regionami

OpenAI obniżyło bezpośrednie ceny API modelu GPT-5.6 Sol. W przypadku krótkiego kontekstu milion tokenów wejściowych kosztuje teraz 4 dolary, zamiast 5, a milion tokenów wyjściowych — 20 dolarów, zamiast 30. Oznacza to spadek ceny wejścia o 20 proc. i wyjścia o około jedną trzecią. Dla długiego kontekstu OpenAI podaje stawki 8 dolarów za milion tokenów wejściowych i 30 dolarów za milion tokenów wyjściowych.

Nowe ceny dotyczą API oraz kwalifikujących się pakietów kredytów. Według informacji o cenniku promocyjne stawki dla Sol mają obowiązywać co najmniej do 21 listopada 2026 roku.

Sol nadal jest flagowcem

GPT-5.6 Sol pozostaje najwyższym modelem w rodzinie OpenAI. Jego cena nadal przewyższa stawki Terra i Luna, a OpenAI wyróżnia go także opcją Fast, która może zapewnić do 2,5 raza wyższą szybkość przetwarzania niż tryb standardowy — za dwukrotność standardowej ceny.

W praktyce modele mają różne role:

• Sol jest wariantem flagowym, przeznaczonym do najbardziej wymagających zadań i zastosowań, w których liczy się jakość rozumowania oraz przepustowość.
• Terra ma równoważyć możliwości, szybkość i koszt w typowych wdrożeniach produkcyjnych.
• Luna jest najtańszym i nastawionym na niskie opóźnienia modelem do dużych wolumenów, na przykład klasyfikacji, podsumowań i routingu.

Jak obniżka Sol wypada na tle Luny i Terry?

Sierpniowa redukcja ceny Sol jest wyraźna, ale nie tak radykalna jak wcześniejsze ruchy OpenAI. 30 lipca firma obniżyła cenę GPT-5.6 Luna o 80 proc., do 0,20 dolara za milion tokenów wejściowych i 1,20 dolara za milion tokenów wyjściowych. Cena GPT-5.6 Terra spadła o 20 proc., do odpowiednio 2 i 12 dolarów.

Dla porównania, Sol kosztował wcześniej 5 dolarów za wejście i 30 dolarów za wyjście. Po najnowszej zmianie różnica między najdroższym a najtańszym wariantem rodziny nadal jest bardzo duża, dlatego dobór modelu do konkretnego typu zadania może mieć większy wpływ na rachunek niż sama zmiana ceny flagowca.

OpenAI tłumaczyło wcześniejsze obniżki poprawą relacji ceny do wydajności. Firma wskazywała na usprawnienia w działaniu systemu wnioskowania, dzięki którym część zysków z efektywności może zostać przekazana klientom w postaci niższych stawek i szybszych trybów pracy.

OpenRouter może być tańszy, ale trzeba sprawdzić warunki

Na stronie OpenRoutera GPT-5.6 Sol jest obecnie wyświetlany w cenie 2 dolarów za milion tokenów wejściowych i 10 dolarów za milion tokenów wyjściowych — czyli odpowiednio o połowę mniej niż nowa bezpośrednia stawka OpenAI.

Nie należy jednak automatycznie traktować tej wartości jako uniwersalnego, trwałego cennika modelu. OpenRouter jest warstwą pośrednią, a cena może zależeć od dostawcy, trasy, promocji, sposobu rozliczania oraz tego, czy używany jest własny klucz API. Przed przeniesieniem dużego obciążenia warto sprawdzić nie tylko cenę tokenów, lecz także limity, opóźnienia, zasady przechowywania danych i zgodność wersji modelu.

Co nowego w Amazon Bedrock?

Amazon rozszerzył obsługę GPT-5.6 Sol, Terra i Luna w punkcie końcowym bedrock-runtime. Modele można wywoływać za pomocą interfejsów Responses, Converse i Chat Completions, a AWS dodało również inferencję między regionami w wariancie geograficznym i globalnym.

Trzy sposoby kierowania zapytań

• In-Region — żądanie pozostaje w wybranym regionie AWS. To rozwiązanie dla organizacji, które muszą ściśle kontrolować miejsce przetwarzania danych. Początkowo Sol był dostępny w regionach US East (Northern Virginia) i US East (Ohio), natomiast Terra i Luna także w US West (Oregon).
• Geo cross-Region — Bedrock może skierować żądanie do jednego z regionów w określonej geografii, na przykład w Stanach Zjednoczonych, Unii Europejskiej, Japonii lub Australii. Pozwala to zwiększyć dostępność i przepustowość bez opuszczania ustalonego obszaru geograficznego.
• Global cross-Region — profil zaczynający się od global. może wybrać dowolny obsługiwany komercyjny region AWS, korzystając z bieżącej dostępności mocy obliczeniowej. To najszersza pula zasobów, ale opcja nie będzie odpowiednia tam, gdzie dane muszą pozostać w konkretnym kraju lub regionie.

AWS podaje dla GPT-5.6 Sol limit 10 milionów tokenów na minutę dla inferencji między regionami w każdym obsługiwanym regionie. Limit obejmuje łącznie tokeny wejściowe i wyjściowe w wybranych wywołaniach API.

Obrazy, cache i milion tokenów kontekstu

Cała rodzina GPT-5.6 na Bedrocku obsługuje tekstowe i obrazowe dane wejściowe, tekst na wyjściu oraz cache promptów. Modele mogą pracować z kontekstem o długości do 1 miliona tokenów, co pozwala analizować bardzo obszerne dokumenty, bazy kodu i długie historie rozmów w ramach jednego żądania.

AWS publikuje przy tym osobne stawki dla krótkiego kontekstu o długości 272 tysięcy tokenów. W przypadku Sol globalne przetwarzanie między regionami kosztuje 5 dolarów za milion tokenów wejściowych i 30 dolarów za milion tokenów wyjściowych. Dla przetwarzania w regionie oraz routingu geograficznego stawki wynoszą 5,50 i 33 dolary.

Wojna cenowa przenosi się na infrastrukturę

Najnowsze ruchy pokazują, że konkurencja na rynku modeli AI coraz mniej dotyczy wyłącznie wyników testów. Dla firm równie ważne stają się koszt całego procesu, przepustowość, opóźnienia, dostępność oraz możliwość kupowania tego samego modelu przez różne kanały. OpenAI najpierw mocno obniżyło ceny tańszych wariantów, a następnie zmniejszyło cenę flagowego Sol, gdy alternatywne platformy zaczęły oferować korzystniejsze stawki.

Dla klientów biznesowych Amazon Bedrock i agregatory mogą oferować więcej niż sam niższy koszt tokenów. Bedrock łączy rozliczenia AWS z kontrolą dostępu IAM, pozwala wybrać ścisłe przetwarzanie regionalne albo szerszy routing globalny i może ograniczyć skutki przeciążenia pojedynczego regionu. Ceną za większą elastyczność jest mniejsza kontrola nad dokładnym miejscem przetwarzania przy użyciu profilu globalnego.

Najrozsądniejsza strategia zakupowa nie sprowadza się więc do wyboru najtańszego endpointu. Przed decyzją warto porównać OpenAI, Bedrock i agregatory pod kątem umów, ochrony danych, limitów, cache’owania, opóźnień, zgodności wersji modelu oraz tego, czy automatyczne kierowanie zapytań między regionami spełnia wymagania regulacyjne.