GPT-6 Sol vs Luna: quale scegliere e per quali lavori

GPT-6 Sol e GPT-6 Luna sono i due modelli che OpenAI ha affiancato a GPT-6 Astra il 22 settembre 2026. La scelta tra i due si riduce a una domanda: il lavoro ha una risposta che puoi controllare in fretta? Se sì, come quando estrai i campi di una fattura o riassumi una mail, parti da Luna. Se il compito chiede di ragionare su più passaggi, come scrivere o rivedere codice o costruire un'analisi, parti da Sol.

Il confronto è insolito perché sulla carta i due modelli sono quasi gemelli: stessa finestra di contesto da 1.050.000 token, stesso output massimo, stessi livelli di ragionamento, stessi strumenti. Cambia il prezzo, venti volte su ogni riga del listino, e cambia quanto OpenAI promette su ciascuno. Dati verificati il 23 settembre 2026 sulla documentazione API di OpenAI: prima di mettere a budget un progetto ricontrolla sempre la pagina ufficiale.

Cosa hanno in comune GPT-6 Sol e Luna, e cosa no

Nelle schede ufficiali di GPT-6 Sol e di GPT-6 Luna le differenze stanno in poche righe: prezzo, livello di ragionamento dichiarato e limiti di richieste.

Due dettagli delle schede dicono come OpenAI immagina l'uso dei due modelli. Entrambi hanno la stessa etichetta di velocità, quindi la rapidità non è il motivo per scegliere Luna. E i limiti di Luna sono più larghi: già al Tier 2 accetta il doppio dei token al minuto di Sol, al Tier 5 più del quadruplo, coerente con un modello pensato per i grandi volumi. Chi parte da zero trova il quadro generale, piani ChatGPT compresi, in cosa sono GPT-6 Sol e Luna.

Venti volte meno: dove si vede sul listino

Il rapporto tra i due prezzi è lo stesso su ogni riga del listino ufficiale: input, lettura e scrittura della cache, output, contesto lungo, e anche le modalità Batch, Flex e Fast. Per avere un riferimento, il predecessore GPT-5.6 Luna costava 0,20 $ e 1,20 $ e lo avevamo messo accanto a Claude Haiku 4.5 in questo confronto.

Due regole valgono per entrambi e spostano il conto più della scelta del modello. Sopra i 272.000 token di input l'intera richiesta si paga il doppio in ingresso e una volta e mezza in uscita, come indicano le schede dei modelli: Sol passa a 4 $ e 15 $, Luna a 0,20 $ e 0,75 $. E i token di ragionamento, anche se non li vedi, si pagano come token di output. Alzare lo sforzo su Luna costa meno che su Sol, ma non è gratis.

Quanto è lontana Luna da Sol nei test di OpenAI

I numeri vengono dall'annuncio del 22 settembre e li ha misurati OpenAI stessa. In ogni riga guarda il livello di sforzo: lo stesso modello, a sforzo diverso, dà risultati diversi.

La riga che risponde davvero alla domanda "Sol o Luna" è una sola, DeepSWE v1.1: 68,8 contro 66,6, stesso test, stesso sforzo. Poco più di due punti di distanza con un prezzo per token venti volte più basso. È un test di sviluppo software, quindi non dice nulla di diretto su fatture o mail, ma suggerisce che tra i due c'è meno distanza di quanta ne mostri il listino.

Le altre righe vanno lette con più attenzione. Per Luna OpenAI misura il salto rispetto ai modelli GPT-5.6, non la distanza da GPT-6 Sol. E la valutazione sui fatti usa conversazioni in cui gli utenti avevano segnalato un errore, che OpenAI stessa dichiara non rappresentative dell'uso normale. Il perché di queste cautele è in perché i benchmark dei vendor non sono comparabili, il peso dello sforzo in reasoning effort: cosa cambia nei confronti.

La curiosità: Luna sa cose più recenti di Sol

Nella famiglia precedente le tre varianti di GPT-5.6 avevano la stessa data limite, il 16 febbraio 2026, come avevamo riportato in GPT-5.6 Sol vs Terra. Con GPT-6 le date si separano, e al contrario di quanto ci si aspetterebbe: la conoscenza di Luna arriva al 18 maggio 2026, quella di Sol si ferma al 20 aprile 2026. Il modello più economico è quello più aggiornato, e OpenAI non spiega il motivo.

Per una PMI pesa poco: quattro settimane in più non bastano per fidarsi della memoria del modello su prezzi, norme o scadenze. Per i fatti recenti si passano i documenti giusti o si attiva la ricerca web, disponibile per entrambi. Il tema è approfondito in knowledge cutoff: cosa significa in pratica.

Quanto costa lo stesso lavoro con Sol e con Luna

Tre esempi con i prezzi Standard, richieste sotto i 272.000 token e nessuna cache. Volumi e token sono ipotesi per mostrare l'ordine di grandezza, non misure fatte su un'azienda.

Il primo e il terzo caso dicono la stessa cosa: quando la bolletta sta sotto i 40 $ al mese, tra i due modelli ballano poche decine di dollari, e pesa di più la qualità del risultato. Lì si sceglie su quella. Il secondo caso è quello in cui il listino decide davvero: in un anno fanno circa 200 $ con Luna e quasi 4.000 $ con Sol, per un lavoro che Luna è costruito per fare.

Due correzioni avvicinano gli esempi al conto reale. Le istruzioni fisse ripetute a ogni chiamata, in cache, costano un decimo del prezzo d'ingresso, secondo la scheda di Luna. Lo sforzo alzato aggiunge token di ragionamento all'uscita. Con Luna i due effetti spostano centesimi, con Sol decine di dollari.

Il lavoro di una PMI, diviso tra Luna e Sol

La tabella parte dai lavori, non dai modelli. La colonna di destra dice quale segnale, misurato sui tuoi casi, giustifica un cambio.

Un distributore di materiale elettrico con 150 ordini al giorno. Pensa a un'azienda che riceve ordini via mail, metà in PDF e metà scritti nel messaggio. Luna legge ogni ordine e compila codici, quantità e date di consegna nel gestionale. Gli ordini con un codice assente dal listino o una quantità fuori scala vanno in una coda a parte, dove Sol li confronta con lo storico del cliente e propone la correzione a chi approva. La prima metà del flusso si vede nella demo di data entry automatico.

Una software house di sei persone. Qui il rapporto si ribalta. Sol lavora in Codex su funzionalità nuove e revisioni prima del merge, dove un bug sfuggito costa più del consumo di un mese. Luna fa il contorno: riassume le issue aperte, scrive le note di rilascio, genera dati di prova. I dettagli sono in Codex con GPT-6 Sol e Luna.

Quando Luna non basta, e come accorgersene prima

Serve una prova breve sui tuoi casi peggiori. Prendi trenta casi reali per flusso, con le scansioni storte e le mail scritte di fretta, e fai girare Luna con le istruzioni di produzione. Poi alza lo sforzo e ripeti: solo quello che resta sbagliato è materia per Sol.

C'è una terza strada, spesso la più economica: Luna fa il grosso e passa a Sol solo i casi incerti. Qui funziona bene perché i due modelli condividono contesto, API e strumenti, quindi spostare un passaggio non cambia l'architettura: lo schema è in strategia a modello misto. Se nemmeno Sol basta, sopra c'è GPT-6 Astra, il modello migliore di OpenAI, confrontato con il rivale diretto in GPT-6 Astra vs Fable 5.1.

Cinque sbagli che gonfiano il conto

1. Mettere Sol ovunque per prudenza. Su estrazione e riassunti paghi venti volte tanto per un margine che nei tuoi casi potrebbe non esserci.
2. Confrontare i due modelli a sforzi diversi. Luna a none contro Sol a medium è un test sullo sforzo, non sui modelli. Fissa lo stesso livello e alzalo solo su quello che perde.
3. Dimenticare i token di ragionamento. Si pagano come output anche se non compaiono nella risposta: misurali sui tuoi casi prima del preventivo.
4. Superare i 272.000 token senza accorgersene. Un allegato di troppo e tutta la richiesta passa al prezzo del contesto lungo. Con documenti enormi manda solo le parti utili.
5. Provare solo su documenti puliti. La distanza tra i due modelli si vede su scansioni, tabelle spezzate e richieste ambigue. Sono quelli da mettere nella prova.

Sol o Luna: la regola da portarti via

Luna per quello che si ripete e si controlla, Sol per quello che va ragionato e poi firmato. Con lo stesso contesto, gli stessi strumenti e un prezzo venti volte diverso, la domanda utile non è quale dei due sia migliore, ma quanti dei tuoi passaggi possono scendere a Luna senza perdere qualità. La risposta arriva da una prova sui tuoi casi, non dal listino.

Se valuti anche l'alternativa di Anthropic uscita lo stesso giorno, il confronto è in GPT-6 Sol vs Claude Opus 5.5. E se vuoi mettere Luna e Sol al posto giusto dentro un flusso che esiste già, ordini, ticket o revisioni di codice, con Giallo Studio partiamo dai tuoi documenti veri e misuriamo prima di decidere.