GPT-6 e GPT-5.6: compare Astra, Sol, Terra e Luna por uso e custo

GPT-6 Astra, Sol e Luna e GPT-5.6 Sol, Terra e Luna oferecem diferentes combinações de capacidade, eficiência e custo na API. Avalie Astra para trabalhos complexos e abertos, GPT-6 Sol para equilibrar capacidade e orçamento e GPT-6 Luna para tarefas delimitadas de grande volume. A escolha depende da qualidade que seu trabalho realmente exige.

Na família GPT-5.6, Sol ocupa o nível principal, Terra é a opção intermediária e Luna atende cargas sensíveis ao custo. Portanto, o nome Sol não indica a mesma posição nas duas gerações.

Este comparativo trata de modelos da API

A interface de programação de aplicações, ou API, permite que um software envie solicitações a um modelo. Este artigo compara gpt-6-astra, gpt-6-sol, gpt-6-luna e os três modelos GPT-5.6. A cobrança por tokens, unidades de conteúdo processadas pelo modelo, é separada das assinaturas do ChatGPT e do Codex. Modelos disponíveis, controles e limites desses produtos devem ser conferidos à parte.

Em outubro de 2026, GPT-6.1 Sol também está disponível. Assim, o GPT-6 Sol desta comparação não deve ser entendido como o Sol mais recente. Mantemos os seis modelos para quem avalia seus usos ou uma configuração existente. O guia de GPT-6.1 Sol e o guia oficial atual apresentam o sucessor separadamente.

Os papéis documentados são pontos de partida, sem garantir uma classificação de qualidade para qualquer tarefa. O guia oficial de seleção de modelos orienta comparar entradas iguais com diferentes modelos e níveis de raciocínio. Recomendações recentes sobre GPT-6.1 Sol não devem ser atribuídas automaticamente ao GPT-6 Sol anterior.

Comparação dos seis modelos

Os valores são em dólares americanos por milhão de tokens de texto, no processamento Standard de entrada curta, sem ferramentas. Cache, contextos longos e modalidades como Batch, Flex e Fast podem usar outros valores. Confira a tabela oficial de preços da API antes de elaborar um orçamento. O preço de GPT-5.6 Sol é promocional, anunciado pelo menos até 21 de novembro de 2026.

Como entender Astra, Sol, Terra e Luna?

GPT-6 distribui seus níveis entre Astra, Sol e Luna. GPT-5.6 usa Sol, Terra e Luna. A documentação aproxima Terra do antigo nível mini e Luna do antigo nível nano. O alias de API gpt-5.6 encaminha solicitações ao GPT-5.6 Sol.

Estar na mesma linha não significa ter qualidade, velocidade ou recursos idênticos. GPT-6 Sol é a opção equilibrada de GPT-6; GPT-5.6 Sol é o modelo principal de sua geração. Luna mantém a orientação à eficiência, mas preços e comportamento também precisam ser avaliados.

GPT-6 Astra: trabalho complexo de ponta a ponta

gpt-6-astra é apresentado para raciocínio difícil, desenvolvimento de software, uso de computadores, pesquisa e criação de documentos. É um candidato quando o trabalho exige coordenar etapas, arquivos e ferramentas, especialmente com requisitos incompletos ou critérios que precisam ser esclarecidos.

• Projetos com decisões importantes e requisitos ainda ambíguos.
• Desenvolvimento que conecta projeto, implementação e verificação.
• Pesquisa com fontes conflitantes e incertezas relevantes.
• Atividades entre documentos, dados, navegadores e programas profissionais.

Astra tem a maior tarifa unitária deste comparativo. O guia da família GPT-6 relata avaliações em que obteve resultados melhores com menos tokens de saída que modelos anteriores. Isso não determina sua conta: compare o custo de um resultado aceito, incluindo novas tentativas e correções.

GPT-6 Sol: capacidade com controle de custo

gpt-6-sol foi projetado para programação complexa e tarefas de agentes com tarifa inferior à de Astra. Vale testá-lo quando o objetivo está claro, mas ainda exige julgamento, ferramentas e um resultado cuidadoso.

• Desenvolvimento habitual, depuração, revisão de código e testes.
• Redação que envolve pesquisa e conferência de fontes.
• Trabalho entre planilhas, documentos, navegador e arquivos.
• Processos com várias etapas e ambiguidade moderada.

Entre estes seis modelos, Sol pode servir como referência de avaliação quando o orçamento importa. Compare Astra se houver omissões críticas e Luna se a tarefa puder ser delimitada melhor. Esse uso como referência não significa que GPT-6 Sol seja o modelo padrão atual de todos os produtos: a documentação também apresenta GPT-6.1 Sol.

GPT-6 Luna: tarefas delimitadas de grande volume

gpt-6-luna prioriza eficiência em atividades bem definidas. Suas tarifas Standard de entrada e saída são as menores entre os seis modelos apresentados.

• Extração e classificação em um formato especificado.
• Resumos curtos, alteração de estilo e preparação de metadados.
• Mudanças limitadas em arquivos e limpeza de dados.
• Preparação de rascunhos que serão revisados individualmente.

Uma tarefa ambígua ou sensível pode gerar correções e chamadas repetidas que anulam a economia por token. Defina o formato, explique como tratar informações ausentes e confira o resultado com critérios explícitos. Uma amostra avalia o método; não permite considerar automaticamente todos os conteúdos futuros como verificados.

GPT-5.6 Sol: o modelo principal da geração 5.6

gpt-5.6-sol, também acessível pelo alias gpt-5.6, é descrito em sua ficha oficial como o modelo principal da família para trabalho profissional complexo. Para um projeto novo, compare também opções GPT-6.

Um sistema existente pode ter instruções, avaliações e metas ajustadas a GPT-5.6 Sol. Antes de mudar a produção, aplique tarefas iguais e registre qualidade, tempo de resposta, tokens e erros. A familiaridade não justifica manter indefinidamente uma versão anterior; resultados comparáveis e compatibilidade ajudam a decidir.

Confira formatos de saída e interações com ferramentas, além da qualidade da redação. Se outro modelo atender aos mesmos critérios por um custo menor, há uma oportunidade de redução de gastos. Preserve a configuração anterior durante a avaliação para permitir voltar atrás.

GPT-5.6 Terra: o nível intermediário

A ficha de gpt-5.6-terra descreve um equilíbrio entre capacidade e custo, aproximadamente correspondente ao antigo nível mini.

Ele pode ser avaliado para documentos, redação, análise e automação que exigem mais julgamento que uma extração simples. Nas condições Standard da tabela, a entrada custa o mesmo que em GPT-6 Sol e a saída é mais cara. Por isso, confira compatibilidade, qualidade e prazo de resposta antes de selecioná-lo apenas por preço.

GPT-5.6 Luna: grande volume com custo reduzido

A ficha de gpt-5.6-luna o apresenta para cargas de grande volume sensíveis ao custo e o aproxima do antigo nível nano. Classificação, extração e resumos curtos são tarefas a avaliar quando os critérios de saída estão claros.

GPT-6 Luna tem tarifas de entrada e saída menores no cenário de entrada curta Standard usado aqui. Em uma aplicação nova, teste também essa opção. Para um processo 5.6 existente, GPT-5.6 Luna pode permanecer como referência enquanto você verifica possíveis mudanças de comportamento.

Especificações comuns e diferenças relevantes

A janela de contexto é o espaço compartilhado pelo material processado e pela geração, incluindo raciocínio. Os 922.000 tokens acima resultam de 1.050.000 − 128.000; não são um limite independente de entrada anunciado nas fichas. Instruções, definições de ferramentas e outros elementos também ocupam contexto.

Uma data de corte mais recente não demonstra resposta superior para qualquer pergunta. Para fatos variáveis, forneça fontes atuais e verifique a saída. Uma janela grande também não é uma recomendação para enviar sempre entradas extensas: elas podem receber outra tarifa.

Como escolher o esforço de raciocínio?

O esforço de raciocínio ajusta os recursos dedicados à análise antes da resposta. Aumentá-lo pode elevar prazo e consumo sem melhorar de forma útil uma tarefa simples. Astra não aceita none; os outros cinco modelos deste comparativo aceitam.

Use entradas representativas e mantenha a combinação mais leve que cumpre os critérios de aceitação. Registre modelo e esforço juntos. Um botão “High” de um aplicativo não equivale necessariamente à mesma especificação da API. Por exemplo, GPT-6 Sol aceita none, enquanto Astra e o sucessor GPT-6.1 Sol não aceitam.

Como calcular o custo da API?

Para texto sem cache, entrada curta e processamento Standard, a estimativa antes de ferramentas e adicionais regionais é:

Custo estimado = tokens de entrada ÷ 1.000.000 × tarifa de entrada + tokens de saída ÷ 1.000.000 × tarifa de saída.

Um token não corresponde necessariamente a uma palavra ou a um caractere. Considere 100 chamadas separadas, cada uma com 10.000 tokens de entrada e 2.000 tokens de saída faturáveis. O total é um milhão de tokens de entrada e 200.000 de saída. Não é uma solicitação única enorme: cada chamada permanece na faixa de entrada curta. Os volumes são hipóteses de cálculo, sem cache, ferramentas ou novas tentativas.

O exemplo mantém o número de tokens igual entre os modelos. Não mede qualidade, consumo real nem o valor de uma fatura. A documentação de modelos de raciocínio explica que os tokens de raciocínio, embora não apareçam no texto final, são cobrados como saída. Eles já fazem parte de usage.output_tokens: somar novamente o detalhamento de raciocínio gera contagem dupla.

Entradas longas mudam a tarifa de toda a chamada. As fichas dos seis modelos indicam que, acima de 272.000 tokens de entrada, a tarifa de entrada dobra e a de saída é multiplicada por 1,5 para a solicitação inteira. Em uma chamada hipotética a GPT-6 Sol com 300.000 tokens de entrada e 2.000 de saída, o cálculo é 0,3 × US$ 4 + 0,002 × US$ 15 = US$ 1,23, sem cache nem ferramentas. Aplicar indevidamente a faixa curta daria US$ 0,62.

Leitura e escrita de cache, Batch, Flex, Fast, processamento regional, ferramentas e repetições podem alterar o total. Não considere permanente o preço promocional de GPT-5.6 Sol. Selecione as condições que correspondem à aplicação na página oficial de preços.

Qual modelo testar em cada situação?

São candidatos para avaliação, sem constituir um ranking de desempenho medido. A decisão depende das entradas reais, da qualidade mínima, do prazo e do custo de cada tarefa concluída satisfatoriamente.

Como comparar os modelos na prática?

Uma especificação explica o papel pretendido, mas uma pontuação genérica não escolhe o modelo de todo processo de produção. Monte um conjunto representativo e aplique critérios definidos antes de analisar as respostas.

1. Reúna tarefas variadas. Inclua exemplos comuns, dados ausentes, condições contraditórias, entradas longas e falhas conhecidas. Determine quais fatos e comportamentos são obrigatórios.
2. Mantenha as outras condições estáveis. Use as mesmas instruções, fontes, ferramentas e formato. Comece com um esforço comum suportado e depois avalie ajustes mais leves separadamente. Não force um valor indisponível.
3. Registre qualidade e custo completo. Confira exatidão, omissões, formato e sucesso das ferramentas. Meça tempo de resposta, tokens de cada chamada, novas tentativas e tempo de correção humana. Limite acessos quando o teste envolve sistemas ou dados sensíveis.
4. Adapte a aceitação à tarefa. Em extração, examine campos ausentes e valores inventados. Em código, confira requisitos e comportamentos existentes. Uma resposta mais longa ou mais fluente não é automaticamente melhor.
5. Calcule o custo por resultado aceito. Uma chamada barata pode perder a vantagem após erros e revisão. Compare também uma organização que encaminha casos comuns a um modelo leve e casos incertos a outro mais capaz.
6. Preserve uma forma de voltar. Registre modelo e instruções anteriores, teste um conjunto limitado antes de ampliar e restaure a configuração se as regressões aumentarem. Repita a avaliação pertinente quando aliases, tarifas ou ferramentas mudarem.

Esse procedimento descreve uma avaliação a realizar no seu ambiente. Um modelo mais capaz ou esforço maior não transforma uma fonte desatualizada em informação confiável. Para pesquisa e redação, associe a escolha do modelo à verificação dos fatos apresentados pela IA.