Az OpenAI 2026. szeptember 22-én kiadta a GPT-6 Sol és GPT-6 Luna modelleket. Ha jelenleg GPT-5.6 Solt vagy Lunát használsz az API-ban, érdemes most összehasonlító pilotot indítanod. Tartsd meg a jelenlegi modellt az éles rendszerben, amíg 30–50 saját, anonimizált magyar nyelvű eseten nem hasonlítottad össze a minőséget és azt, hogy mennyibe kerül egy sikeresen megoldott feladat.
Ha stabil, már ellenőrzött munkafolyamatod fut Claude-on vagy más szolgáltatónál, kivárhatsz. Az OpenAI bejelentése alacsonyabb árakat és erős benchmarkokat közöl, ezek azonban nem mutatják meg, hogyan teljesítenek a modellek magyar dokumentumokon, ügyfélkéréseken vagy belső eszközök használatakor. Az AWS ugyanazon a napon éles használatra elérhetővé tette (general availability) a két modellt az Amazon Bedrockon. A támogatott régiókat és a Bedrock-árazást a közlemény nem sorolja fel, ezekhez a szolgáltatás dokumentációjára irányít.
Ha több gyártó modelljeit is mérlegeled, a zárt AI-modellek 2026. őszi összevetése ad tágabb viszonyítási alapot. Ha a Claude is szóba jön, külön útmutató foglalkozik azzal, hogy megéri-e most Opus 5.5-re váltani.
Az árengedmény feladattípustól függően másképp hat
Az OpenAI árlistája szerint a Sol bemeneti ára 4 dollárról 2 dollárra, kimeneti ára 20 dollárról 10 dollárra csökkent millió tokenenként. A Luna bemeneti ára 0,20 dollárról 0,10 dollárra, kimeneti ára 1,20 dollárról 0,50 dollárra változott.
| Tétel | GPT-5.6 promóciós ár | GPT-6 listaár | Változás |
|---|---|---|---|
| Sol bemenet | 4 dollár | 2 dollár | 50 százalékkal alacsonyabb |
| Sol kimenet | 20 dollár | 10 dollár | 50 százalékkal alacsonyabb |
| Luna bemenet | 0,20 dollár | 0,10 dollár | 50 százalékkal alacsonyabb |
| Luna kimenet | 1,20 dollár | 0,50 dollár | 58,3 százalékkal alacsonyabb |
Az árak millió tokenenként értendők. A Luna kimeneti árának csökkenése nagyobb a bejelentésben kiemelt 50 százaléknál. Ez főként olyan összefoglalási feladatoknál számíthat, amelyek sok szöveget állítanak elő.
Az összehasonlítás alapja a GPT-5.6 promóciós ára. A saját döntésedhez azt az egységárat használd, amelyet ténylegesen fizettél. A tokenár önmagában szintén kevés: a Luna kimenete huszadannyiba kerül, mint a Solé, de a két modell eltérő mennyiségű tokent használhat, és más arányban oldhatja meg sikeresen ugyanazt a feladatot.
Az OpenAI 90 százalékos kedvezményt közöl a cache-ből olvasott bemeneti tokenekre, és azt állítja, hogy a GPT-6 gyakrabban tudja újra felhasználni a korábbi kontextust. Ez hosszú, ismétlődő promptokkal működő agenteknél csökkentheti a költséget. A tényleges megtakarításhoz a saját kéréseid cache-használatát kell mérned.
A Sol és a Luna más-más feladatra készült
Az OpenAI és az AWS a Solt ismétlődő, összetett munkára, szoftverfejlesztésre és több eszközt használó agentic folyamatokra ajánlja. A Luna célterülete a nagy mennyiségű összefoglalás, kinyerés, osztályozás és továbbítás.
Egy magyar dokumentumfeldolgozó asszisztensnél ezért a Luna lehet az első jelölt, ha rövid mezőket kell kinyerni, iratokat kell kategóriába sorolni vagy ügyeket kell továbbítani. Ügyfélszolgálati AI esetén ugyanez vonatkozhat a beszélgetések összefoglalására és a beérkező ügyek osztályozására. A Sol akkor indokolhat pilotot, ha a folyamat több alkalmazást kezel, több döntési lépést hajt végre, kódot módosít vagy hosszabb ellenőrzést végez.
A modell megnevezése alapján még nem lehet eldönteni, melyik kerül kevesebbe. Ugyanazt a feladatleírást, eszközkészletet és sikerfeltételt kell használni. Ha a Luna eredményét gyakrabban kell kézzel javítani vagy újrafuttatni, az alacsony tokenár mellett is drágább lehet. Ha megfelelő minőséget ad, a nagy árkülönbség érdemi megtakarítást hozhat.
A gyártói benchmark nem helyettesíti a saját, magyar nyelvű mérést
Az OpenAI szerint a GPT-6 Sol xhigh effort-beállítással 33,2 százalékos pontszámot ért el az AutomationBench-en, feladatonként 0,27 dolláros költséggel. A közölt táblázatban a Claude Opus 5 max effort-beállítással 26,9 százalékot ért el, és 11,1-szer annyiba került feladatonként. A 11,1-szeres arány összhangban van a gyártó állításával, amely szerint a Sol az Opus 5 költségének körülbelül 9 százalékáért ért el jobb eredményt.
A gyártó táblázatából számolva az Opus 5 költsége hozzávetőleg 3,00 dollár feladatonként, szemben a Sol 0,27 dolláros értékével. A szám csak az AutomationBench feltételei mellett érvényes, egy magyar vállalati folyamat költségének becslésére nem használható.
A korlátok a döntés szempontjából lényegesek. A versenytársak eredményeit nyilvános jelentésekből vették át, így nem azonos harnessben futott minden modell. A Claude Fable 5.1 közölt költsége nem tartalmazza az Opus 5 fallback-díját, pedig a feladatok mintegy 40 százalékánál Opus 5 fallbackre volt szükség. Az eredményeket az OpenAI közli, független fél nem ismételte meg őket, ezért saját teszt nélkül ne építs rájuk.
A ténybeli pontosság mérésénél az OpenAI körülbelül feleannyi hibáról számol be a GPT-5.6 Solhoz képest. A teszt olyan beszélgetésekből készült, amelyeknél a felhasználók korábban hibát jeleztek, ezért a vállalat szerint sem jellemző az átlagos használatra. Magyar nyelvű vagy közép-európai vizsgálat nem szerepel az OpenAI közölt eredményei között.
A saját pilotban ezért előre határozd meg, mitől sikeres egy magyar nyelvű ügy. Számold bele az ismételt próbálkozásokat, az eszközhívásokat, a fallbacket és az emberi javítást is.
A modellcsere előtti összevetéshez és az éles rendszer későbbi felügyeletéhez nézd meg az üzemeltetési szolgáltatást. AI-rendszerek üzemeltetése
Ha GPT-5.6-ot használsz, most érdemes tesztelned
| Helyzet | Ésszerű döntés | Indok |
|---|---|---|
| Nagy mennyiségű feladat fut GPT-5.6 Solon vagy Lunán | Indíts összehasonlító pilotot | A listaár csökkent, a modellazonosítók elérhetők |
| Stabil, ellenőrzött folyamat fut Claude-on vagy más szolgáltatónál | Tartsd meg egyelőre | Az OpenAI közölt összevetése nem terjed ki magyar nyelvű esetekre |
| A Bedrock használata egy meghatározott EU-régióhoz kötött | Ellenőrizd előbb a dokumentációt | Az AWS közleménye nem sorolja fel a régiókat és az árakat |
| A folyamat magas kockázatú vagy szigorúan szabályozott | Előbb végezd el a saját ellenőrzést, és nézd át a szerződéses feltételeket | A gyártói benchmark nem igazolja a saját felhasználási esetet |
A GPT-5.6-ról váltó csapatnál technikailag egyszerűbb lehet az összevetés, mert az új modellek közvetlenül elérhetők az OpenAI API-ban. A gyártó a gpt-6-sol és gpt-6-luna modellazonosítókat adja meg. Éles automatizálásban rögzítsd a választott azonosítót. Így a működés nem változik meg észrevétlenül, ha később más modell lesz az alapértelmezett.
ChatGPT Enterprise környezetben az adminisztrátornak engedélyeznie kell az új modelleket. A kiadási megjegyzések szerint Workben és Codexben használhatók, a Chat-felületen viszont nem.
Bedrockon keresztül csak a feltételek ellenőrzése után indíts pilotot
A Bedrock az OpenAI közvetlen API-ja mellett a beszerzés és az üzemeltetés másik lehetőségét adja. Az AWS szerint mindkét modell legfeljebb 1 millió tokenes kontextust támogat, és használhatók a Bedrock hozzáférés-kezelési, auditálási és felügyeleti eszközeivel.
A szeptember 22-i AWS-közlemény nem sorolja fel, mely régiókban érhetők el a modellek, és Bedrock-árat sem közöl. Ha magyar vagy más EU-s adatkezelési követelmény miatt meghatározott régióban kell tartanod az adatot, a pilot előtt ellenőrizd a támogatott régiót, az inference profile-t, az árat és az adatfeldolgozási feltételeket.
Az 1 millió tokenes kontextusablak sem teszi automatikusan gazdaságossá a hosszú dokumentumok teljes betöltését. Mérd meg, hogy a kereséssel kiválasztott rövidebb kontextus, a cache és a teljes dokumentum elküldése közül melyiknél kerül kevesebbe egy sikeresen megoldott feladat.
Öt lépésben készítsd elő a modellek összehasonlítását
- Válassz ki 30–50 valódi, anonimizált esetet a jelenlegi folyamatból. Legyen köztük könnyű feladat, ismert kivétel, és legyen eset minden olyan nyelven is, amelyen a rendszernek a magyar mellett dolgoznia kell.
- Rögzítsd a siker feltételét minden feladattípushoz: helyes mezők, elfogadható összefoglaló, megfelelő továbbítás vagy hibátlan eszközhasználat.
- Futtasd le a jelenlegi modellt, a GPT-6 Solt és indokolt esetben a Lunát azonos prompttal, eszközökkel és effort-beállítással. Ha más modellcsaládot is bevonsz, használd a legközelebbi megfelelő effort-szintet, mert a skálák nem azonosak.
- Számold ki, mennyibe kerül egy sikeresen megoldott feladat, az összes tokent, cache-olvasást, ismétlést, fallbacket és emberi javítást beleszámolva. A pénzügyi hatást az AI megtérülés-kalkulátorban is összevetheted a jelenlegi kézi költséggel.
- Élesítés előtt ellenőrizd a régiót és az adatkezelési feltételeket, majd rögzítsd a modellazonosítót, és tarts fenn kipróbált visszaállási eljárást.