OpenAI снизила цены на GPT-5.6 Luna и Terra до минимума, сместив фокус на оплату результата

OpenAI объявила о масштабном пересмотре цен на свои модели, снизив стоимость GPT‑5.6 Luna на 80% и GPT‑5.6 Terra на 20%. Теперь базовая версия Luna стоит $0,20 за миллион входных токенов и $1,20 за выходных, а Terra — $2 и $12 соответственно. Компания смещает фокус с простой продажи вычислительных мощностей на стоимость успешного завершения задачи, предлагая клиентам гибко выбирать баланс между скоростью, качеством и ценой. Это решение делает продвинутые возможности искусственного интеллекта доступными для более широкого круга пользователей и бизнеса.

Новая экономика интеллекта: цена за результат, а не за токены

Изменение тарифов отражает смену парадигмы: клиенты платят не за количество обработанных данных, а за решение конкретных проблем — от отладки кода до анализа контрактов. OpenAI ввела режим Fast для модели GPT‑5.6 Sol, который ускоряет обработку в 2,5 раза при удвоенной стоимости, но без потери качества интеллекта.

Такой подход позволяет бизнесу оптимизировать расходы:

• Для рутинных задач используются дешевые модели, если они справляются с качеством.
• Для сложных проектов применяются мощные модели, которые решают задачу с первого раза, экономя время на переделках и ручном контроле.
• Гибкость в workflow: в рамках одного процесса можно переключаться между моделями в зависимости от этапа работы.

Важный нюанс: Снижение цены на токены само по себе не гарантирует экономии. Реальная выгода достигается только тогда, когда более дорогая модель выполняет задачу быстрее и точнее, сокращая общее время работы и количество ошибок, требующих исправления человеком.

Эффективность через оптимизацию системы, а не только моделей

Рост производительности достигнут не только за счет улучшения алгоритмов, но и благодаря оптимизации всей инфраструктуры. Инженеры использовали саму модель GPT‑5.6 Sol для улучшения программного обеспечения, что снизило затраты на обслуживание на 20%. Также была повышена эффективность генерации токенов более чем на 15% благодаря улучшению спекулятивного декодирования.

Ключевые изменения в системе привели к росту результативности без смены самой модели:

• Улучшенное управление контекстом и маршрутизация запросов позволили модели GPT‑5.6 Sol поднять результат на тесте ARC-AGI-3 с 13,3% до 38,3%.
• При этом потребление выходных токенов сократилось в 6 раз.
• Умные инструменты и дизайн продукта уменьшили количество шагов, необходимых для выполнения задачи.

Эти улучшения создают цикл: более умные модели помогают находить новые способы экономии ресурсов, что снижает стоимость услуг и позволяет масштабировать инфраструктуру.

Масштаб внедрения и переход к агентной работе

Полноценная экосистема, охватывающая инфраструктуру, модели и продукты, позволяет OpenAI быстро адаптироваться к спросу. Сейчас модели компании используют более 1 миллиарда активных пользователей и более 2 миллионов предприятий.

Наблюдается качественный сдвиг в использовании технологий:

• Через 6 месяцев после регистрации пользователи отправляют на 50% больше сообщений в день и используют сервис для в 2 раза большего количества задач.
• В инструменте Codex доля агентной работы (автоматическое выполнение сложных многошаговых задач) достигла 99,8% от еженедельного объема токенов.
• Отделы финансов и другие команды начали использовать агентные инструменты как основу своей работы, переходя от простого получения ответов к выполнению сложных операций.

Показательно: Рост вовлеченности пользователей напрямую коррелирует с переходом от пассивного потребления информации к активному выполнению задач. Чем глубже интеграция ИИ в рабочие процессы, тем быстрее растет объем использования и ценность технологии для бизнеса.

Операционные последствия, тренды и практические аспекты

• Пересмотр стратегии закупок: Компаниям придется пересмотреть бюджетирование ИИ-решений. Вместо закупки фиксированного объема токенов фокус сместится на расчет стоимости конечного результата (cost per outcome), где цена зависит от сложности задачи и требуемой скорости.
• Зависимость от качества данных и контекста: Успех внедрения теперь зависит не только от выбора модели, но и от качества управления контекстом и маршрутизации запросов внутри собственной инфраструктуры бизнеса. Без настройки этих параметров экономия на токенах может не материализоваться.
• Риск устаревания простых сценариев: С переходом к агентной работе (выполнение задач «от идеи до результата») простые чат-интерфейсы могут стать недостаточными. Бизнесу потребуется перестраивать рабочие процессы, чтобы делегировать ИИ сложные многошаговые операции, а не только рутинные запросы.
• Дисциплина инвестиций: Для компаний, планирующих масштабирование ИИ, критически важным становится точное прогнозирование спроса. Инфраструктура требует планирования за годы вперед, тогда как спрос и технологии меняются быстро, что требует гибкого подхода к партнерству и закупкам мощностей.