OpenAI, GPT-5.6 Luna fiyatını neden %80 düşürdü?

Luna’da giriş ve çıkış maliyetlerinin toplamı, 1 milyon token başına 1,40 dolara geriledi. Terra’nın toplam fiyatı ise 14 dolar oldu. Bu seviyeler, yüksek hacimli işlemler için Luna’yı frontier sınıfı modeller arasındaki en ucuz seçeneklerden biri hâline getiriyor .

Sol’un yeni Fast modu, standart işleme göre 2,5 kata kadar daha yüksek hız sunuyor. Bunun karşılığında standart fiyatın iki katı ücret alınıyor; OpenAI, modelin zekâ düzeyinde bir kayıp olmadığını belirtiyor .

Fiyat indiriminin arkasındaki teknik gelişme

OpenAI’nin 29 Temmuz’da paylaştığı bilgilere göre GPT-5.6 Sol, şirketin üretim ortamında kullanılan GPU çekirdeklerini otonom biçimde yeniden yazıp optimize etti . GPU çekirdekleri, modellerin donanım üzerinde çalışmasını sağlayan düşük seviyeli kod parçalarıdır.

Model, Codex geliştirme ortamını kullanarak OpenAI’nin dahili altyapısına bağlandı; yüzlerce mimari deneyi tasarlayıp çalıştırdı, dağıtımları başlattı ve sonuçları izleyerek yeni optimizasyonlar yaptı . Bu süreçte OpenAI’nin çekirdek yazılım yığınında kullanılan Triton ve Gluon dillerinin sözdizimini öğrendi .

OpenAI’nin açıkladığı sonuçlar şöyle :

• Üretim GPU çekirdeklerindeki iyileştirmeler sayesinde model sunum maliyetlerinde %20 düşüş;
• Daha iyi spekülatif kod çözme sayesinde token üretim verimliliğinde %15’in üzerinde artış.

Spekülatif kod çözme, daha küçük bir “taslak modelin” sonraki token’ları önceden tahmin ederek daha büyük modelin yanıt üretimini hızlandırdığı bir yöntemdir.

Bunlara ek olarak OpenAI’nin çıkarım ve orkestrasyon altyapısında yük dengeleme değişiklikleri yaptığı bildirildi. Sistem, istekleri coğrafyaya, kullanılan hızlandırıcı türüne ve önbellek durumuna göre daha dinamik biçimde dağıtıyor .

GPT-5.6 ailesinin önbellekleme sistemi de maliyetleri düşürüyor. Yaklaşık 30 dakikalık önbellek yaşam süresi boyunca yeniden kullanılan girdiler, yeni girdilere kıyasla %90 daha ucuz olabiliyor .

Kimi K3 ve yeni rakipler fiyat baskısını artırdı

OpenAI’nin lansmandan kısa süre sonra indirime gitmesi, pazarın birkaç hafta içinde ne kadar değiştiğini gösteriyor.

Moonshot AI’ın Kimi K3 modeli

Beijing merkezli Moonshot AI, 17 Temmuz’da 2,8 trilyon parametreli açık ağırlıklı Kimi K3’ü tanıttı. Şirket bu modeli dünyanın en büyük açık ağırlıklı yapay zekâ sistemi olarak konumlandırdı .

Kimi K3, bazı ön yüz yazılımı benchmark’larında GPT-5.6 Sol ve Anthropic’in Fable 5 modeliyle rekabet etti veya onları geride bıraktı. Arena’nın Frontend Code sıralamasında 1.679 puan alarak iki modeli de geçtiği bildirildi . 30 Temmuz’da yayımlanan bağımsız bir değerlendirmede ise Kimi K3, ön yüz mühendisliği testinde Claude Opus 5 ile benzer sonuç verdi; test paketinin tamamını çalıştırma maliyeti Kimi K3 için 7,17 dolar, Opus 5 için 21,17 dolar olarak hesaplandı .

Microsoft’un Kimi K3’ü Copilot’ta test etmeyi değerlendirdiği ve modelin Azure’a entegre edilmesinin mümkün olduğu bildirildi. Böyle bir geçişin Microsoft’a token başına maliyetlerde 600 milyon dolara kadar, yani yaklaşık %60 tasarruf sağlayabileceği öne sürüldü .

Anthropic, Google ve Microsoft’tan daha ucuz seçenekler

Anthropic, Claude Opus 5’i 24 Temmuz’da 1 milyon giriş token’ı başına 5 dolar fiyatla piyasaya sundu. Bu, Fable 5’in giriş fiyatının yarısıydı ve Opus 5 bazı benchmark’larda Fable 5’i geride bıraktı . Bu gelişme özellikle GPT-5.6 Sol’un rekabet ettiği premium segmentte baskıyı artırdı.

Google ve Microsoft da temmuz ayında daha uygun maliyetli birden fazla model duyurarak orta ve bütçe segmentindeki rekabeti yoğunlaştırdı . Böylece model sağlayıcıları için yalnızca en güçlü modeli üretmek yeterli olmaktan çıktı; aynı performansı daha düşük işlem maliyetiyle sunmak da kritik hâle geldi.

Bu rekabet ortamında OpenAI, Luna’yı yüksek hacimli ve fiyata duyarlı işler için düşük marjlı bir giriş seçeneği olarak konumlandırırken, Sol’u karmaşık akıl yürütme gerektiren görevlerde premium seçenek olarak tutuyor .

Şirketler yapay zekâ harcamalarını sınırlamaya başladı

Fiyat indirimi, kurumsal müşterilerin yapay zekâ bütçelerini daha sıkı denetlediği bir dönemde geldi. Şirketler artık yapay zekâ harcamalarını, bulut bilişim maliyetleri gibi ayrı bütçeler, kullanım kotaları ve yönetici onayları üzerinden takip ediyor. Reuters’a göre maliyet konusunda daha hassas kurumlar, yapay zekâyı “bulut bilişime nasıl yaklaşıyorlarsa öyle” yönetmeye başladı .

OpenAI de bu eğilime yanıt olarak 22 Temmuz 2026’da API platformuna uygulanabilir aylık harcama limitleri ekledi . Kuruluş veya proje düzeyinde tanımlanabilen bu hard limit, bütçe tükendiğinde yeni API isteklerinin başarısız olmasına neden oluyor. Bu durumda sistem HTTP 429 hatası döndürüyor ve limit bir sonraki faturalandırma döneminin başında yenileniyor .

Bu özellik, özellikle kontrolsüz biçimde işlem üretebilen yapay zekâ ajanlarını kullanan şirketler için önemli bir güvenlik valfi sağlıyor. Amazon ve diğer büyük şirketlerin de yapay zekâ harcamalarına kurum içi veya müşteri tarafında sınırlar getirdiği bildirildi .

Mesaj net: Kurumlar artık yapay zekâya sınırsız bütçe ayırmak yerine yatırım getirisini, kullanım hacmini ve birim maliyeti birlikte değerlendiriyor.

Yapay zekâ kullanıcıları için ne değişiyor?

OpenAI API kullanan geliştiriciler ve şirketler açısından kısa vadeli tablo olumlu:

• Luna, sınıflandırma, veri çıkarma ve basit sohbet gibi yüksek hacimli görevlerde çok daha cazip hâle geliyor. 1 milyon giriş token’ı için 0,20 dolarlık fiyat, açık ağırlıklı modellerle rekabet edebilecek bir seviyeye işaret ediyor.
• Terra, 2 dolar giriş ve 12 dolar çıkış fiyatıyla genel üretim iş yükleri için daha dengeli bir seçenek sunuyor.
• Sol, karmaşık akıl yürütme gerektiren görevlerde premium seçenek olmaya devam ediyor. Fast modu ise kaliteyi koruyarak daha kısa bekleme süresi isteyen müşterilere hitap ediyor.

Daha geniş açıdan bakıldığında OpenAI’nin hamlesi, yapay zekâ fiyat savaşının hızlandığını gösteriyor. Fiyatları aşağı çeken yalnızca Çinli ve ABD’li rakipler değil; modellerin kendi üretim altyapılarını optimize edebilmesi de maliyet denklemine girmeye başladı.

Kurumsal alıcılar için sonuç şu: Önümüzdeki dönemde model seçimi, yalnızca benchmark puanlarına göre değil, token başına fiyata, önbellekleme avantajlarına, hız seçeneklerine ve harcama sınırı kontrollerine göre yapılacak.