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

> GPT-6 Sol vs Luna: stessa finestra da 1,05 milioni di token, prezzo 20 volte diverso. Benchmark ufficiali, esempi di costo e una tabella per scegliere.

Fonte: Giallo Studio (giallostudio.it) · Pagina: https://giallostudio.it/blog/gpt-6-sol-vs-luna · Pubblicato: 2026-09-23 · Aggiornato: 2026-09-23

**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](https://developers.openai.com/api/docs/pricing): prima di mettere a budget un progetto ricontrolla sempre la pagina ufficiale.

<div class="key-points">
  <p class="kp-title">In sintesi</p>
  <ul>
    <li>Sol e Luna hanno la <strong>stessa finestra di contesto</strong> (1.050.000 token), lo stesso output massimo e gli stessi sei livelli di ragionamento, da none a max.</li>
    <li>Luna costa <strong>un ventesimo</strong> di Sol su ogni voce: 0,10 $ contro 2 $ in ingresso e 0,50 $ contro 10 $ in uscita, per milione di token.</li>
    <li>OpenAI presenta Sol per il <strong>codice complesso e i flussi agentici</strong>, Luna per i compiti mirati ad alto volume.</li>
    <li>L'unico test in cui OpenAI scrive un punteggio per entrambi è DeepSWE v1.1: <strong>poco più di due punti</strong> di distanza, tutti e due allo sforzo massimo.</li>
    <li>Curiosità: Luna ha una <strong>data di conoscenza più recente</strong> di Sol, 18 maggio contro 20 aprile 2026.</li>
    <li>Regola pratica: Luna dove l'errore si vede subito, Sol dove un errore non visto ti costa caro.</li>
  </ul>
</div>

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

Nelle schede ufficiali di [GPT-6 Sol](https://developers.openai.com/api/docs/models/gpt-6-sol) e di [GPT-6 Luna](https://developers.openai.com/api/docs/models/gpt-6-luna) le differenze stanno in poche righe: prezzo, livello di ragionamento dichiarato e limiti di richieste.

| Voce | GPT-6 Sol | GPT-6 Luna |
|---|---|---|
| Identificativo API | `gpt-6-sol` | `gpt-6-luna` |
| Per cosa lo presenta OpenAI | codice complesso e flussi agentici | compiti mirati ad alto volume |
| Ragionamento (etichetta della scheda) | il più alto | alto |
| Velocità (etichetta della scheda) | veloce | veloce |
| Finestra di contesto | 1.050.000 token | 1.050.000 token |
| Output massimo | 128.000 token | 128.000 token |
| Livelli di ragionamento | none, low, medium (predefinito), high, xhigh, max | gli stessi |
| Data limite della conoscenza | 20 aprile 2026 | 18 maggio 2026 |
| Prezzo input e output, per milione di token | 2 $ e 10 $ | 0,10 $ e 0,50 $ |
| Token al minuto, livello di utilizzo Tier 2 | 1 milione | 2 milioni |
| Token al minuto, livello di utilizzo Tier 5 | 40 milioni | 180 milioni |

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](https://giallostudio.it/blog/gpt-6-sol-luna-cosa-sono).

## Perché Luna costa venti volte meno di Sol?

Il rapporto tra i due prezzi è lo stesso su ogni riga del [listino ufficiale](https://developers.openai.com/api/docs/pricing): 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](https://giallostudio.it/blog/haiku-4-5-vs-gpt-5-6-luna).

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](https://developers.openai.com/api/docs/models/gpt-6-sol): 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](https://developers.openai.com/api/docs/guides/reasoning). Alzare lo sforzo su Luna costa meno che su Sol, ma non è gratis.

<div class="callout"><strong>Attenzione</strong> Il prezzo per token non è il costo per attività. Se Luna sbaglia un documento su dieci e qualcuno lo corregge a mano, quel lavoro pesa più dei centesimi risparmiati. Il confronto va fatto sul costo di un'attività finita e controllata, come spiegato in <a href="https://giallostudio.it/blog/prezzo-per-milione-token-spiegato">prezzo per milione di token, spiegato</a>. Il listino completo, con Batch, Flex e Fast mode, è nella guida ai <a href="https://giallostudio.it/blog/gpt-6-sol-luna-prezzi">prezzi di GPT-6 Sol e Luna</a>.</div>

## 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.

| Test e cosa misura | GPT-6 Sol | GPT-6 Luna |
|---|---|---|
| DeepSWE v1.1: compiti di ingegneria del software su codebase reali | 68,8% a sforzo max | 66,6% a sforzo max |
| AutomationBench 1.0.6: flussi aziendali con 47 strumenti | 33,2% a sforzo xhigh, 0,27 $ per attività | 5,4 punti in più di GPT-5.6 Luna a sforzo high, con un costo per attività inferiore del 58% |
| OSWorld 2.0 offline, punteggio parziale: uso del computer | 60,5% a sforzo xhigh | a sforzo max supera GPT-5.6 Sol (medium) a un decimo del costo |
| Agents' Last Exam V1: lavoro professionale in 55 sotto-settori | 56,4% a sforzo max | non pubblicato |
| FrontierCode 1.1 Main: codice pronto per il merge | nessun numero, solo "pari a Claude Fable 5.1 xhigh" a costo più basso | non pubblicato |
| Valutazione interna sui fatti | circa metà degli errori di GPT-5.6 Sol | a sforzo alto pari a GPT-5.6 Sol, a circa un centesimo del costo |
| Fonte | [annuncio OpenAI](https://openai.com/index/introducing-gpt-6-sol-and-luna/) | stessa pagina |

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](https://giallostudio.it/blog/benchmark-vendor-perche-non-comparabili), il peso dello sforzo in [reasoning effort: cosa cambia nei confronti](https://giallostudio.it/blog/reasoning-effort-cosa-cambia).

## Perché 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](https://giallostudio.it/blog/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](https://developers.openai.com/api/docs/models/gpt-6-luna), 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](https://giallostudio.it/blog/knowledge-cutoff-cosa-significa).

## 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.

| Esempio (volumi ipotizzati) | Token al mese | GPT-6 Luna | GPT-6 Sol |
|---|---|---|---|
| 3.000 fatture e DDT, 4.000 token in ingresso e 400 in uscita ciascuno | 12 milioni in, 1,2 milioni out | 1,80 $ | 36,00 $ |
| 60.000 mail di assistenza da riassumere e smistare, 1.500 in e 250 out | 90 milioni in, 15 milioni out | 16,50 $ | 330,00 $ |
| 120 revisioni di codice, 80.000 in e 12.000 out compreso il ragionamento | 9,6 milioni in, 1,44 milioni out | 1,68 $ | 33,60 $ |

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](https://developers.openai.com/api/docs/models/gpt-6-luna). Lo sforzo alzato aggiunge token di ragionamento all'uscita. Con Luna i due effetti spostano centesimi, con Sol decine di dollari.

## Come dividere il lavoro di una PMI 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.

| Lavoro | Parti da | Quando cambiare |
|---|---|---|
| Estrarre campi da fatture, DDT e ordini | Luna | Sol se sbaglia le scansioni storte o i formati mai visti |
| Riassumere mail, ticket e verbali | Luna | Sol se perde il dettaglio che decide, una data o un importo |
| Classificare e smistare le richieste in arrivo | Luna | Sol se troppe richieste finiscono nella coda sbagliata |
| Rispondere a domande sui tuoi documenti | Luna | Sol se mescola due documenti o aggiunge dettagli |
| Tradurre e adattare schede prodotto | Luna | Sol se la terminologia tecnica va corretta a mano |
| Rivedere il codice prima del merge | Sol | Luna solo per i controlli di stile |
| Sviluppare funzionalità e fare debug | Sol | mai: un bug costa più del risparmio |
| Analisi che incrociano più fonti, report per la direzione | Sol | Luna se il report è sempre lo stesso |
| Agente che lavora tra CRM, gestionale e posta | Sol per decidere, Luna per i passaggi semplici | Luna su ogni passaggio che supera la prova |

**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](https://giallostudio.it/the-lab/automatizzare-data-entry-ai).

**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](https://giallostudio.it/blog/codex-gpt-6-sol-luna).

## Come capire prima quando Luna non basta?

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.

<div class="compare">
  <div class="compare-yes"><h4>Resta su Luna se</h4><ul>
    <li>gli errori sono rari e si vedono in un controllo a campione</li>
    <li>alzando lo sforzo a high gli errori residui spariscono</li>
    <li>quando un'informazione manca, il modello lo dice invece di inventarla</li>
    <li>il compito è sempre lo stesso e il volume è alto</li>
  </ul></div>
  <div><h4>Passa a Sol se</h4><ul>
    <li>gli errori restano anche a sforzo max e toccano i casi che contano</li>
    <li>il compito chiede di collegare informazioni da più fonti</li>
    <li>serve scrivere o modificare codice che andrà in produzione</li>
    <li>un errore non visto costa più di un mese di consumo</li>
  </ul></div>
</div>

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](https://giallostudio.it/blog/strategia-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](https://giallostudio.it/blog/gpt-6-astra-vs-fable-5-1).

## Quali sbagli gonfiano il conto fra Sol e Luna?

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.

## Qual è la regola per scegliere fra Sol e Luna?

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](https://giallostudio.it/blog/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](https://giallostudio.it/automazione-processi-aziendali) partiamo dai tuoi documenti veri e misuriamo prima di decidere.

## Domande frequenti

### Che differenza c'è tra GPT-6 Sol e GPT-6 Luna?

Hanno la stessa finestra di contesto da 1.050.000 token, lo stesso output massimo da 128.000 token e gli stessi livelli di ragionamento. Cambiano capacità e prezzo: OpenAI presenta Sol per il codice complesso e i flussi agentici, Luna per compiti mirati ad alto volume, a un prezzo per token venti volte più basso.

### Quanto costano GPT-6 Sol e GPT-6 Luna via API?

Sol costa 2 dollari per milione di token in ingresso e 10 in uscita, Luna 0,10 e 0,50, per richieste fino a 272.000 token di input. Sopra quella soglia l'intera richiesta si paga il doppio in ingresso e una volta e mezza in uscita, con lo stesso rapporto di venti a uno tra i due modelli.

### Perché GPT-6 Luna ha una data di conoscenza più recente di Sol?

Le schede ufficiali indicano il 18 maggio 2026 per Luna e il 20 aprile 2026 per Sol, e OpenAI non spiega il motivo. Per una PMI conta poco: sui fatti recenti conviene comunque dare al modello i documenti giusti o attivare la ricerca web.

### GPT-6 Luna va bene per programmare?

Per compiti circoscritti sì. Su DeepSWE v1.1, l'unico test in cui OpenAI scrive un punteggio per entrambi, Luna resta a poco più di due punti da Sol, tutti e due allo sforzo massimo. Per il codice complesso e i flussi agentici OpenAI indica Sol.

### Conviene partire da Luna o da Sol?

Da Luna quando il risultato si controlla in fretta: estrarre campi, riassumere, classificare. Si passa a Sol solo per i casi che Luna sbaglia anche con più ragionamento. Per codice e analisi complesse vale il contrario: si parte da Sol e si prova Luna sui passaggi semplici.

### Si possono usare GPT-6 Sol e Luna insieme?

Sì, ed è spesso la scelta più economica. Luna smista, estrae e prepara, Sol interviene sui casi incerti o sulla verifica finale. Avendo la stessa finestra di contesto e gli stessi strumenti, spostare un passaggio dall'uno all'altro non richiede di cambiare architettura.

### GPT-6 Sol e Luna sono disponibili in ChatGPT?

Sì, in ChatGPT Work e in Codex per gli abbonamenti Plus, Pro, Business, Enterprise ed Edu. Con i piani Free e Go si trova solo Luna, nell'app desktop. Via API gli identificativi sono gpt-6-sol e gpt-6-luna.
