GPT-5.6 Sol vs Terra vs Luna: выбирайте по задаче, а не по привычке

Короткий ответ: Terra по умолчанию, Sol и Luna — на краях

Используйте gpt-5.6-terra почти для всего, поднимайтесь до gpt-5.6-sol, когда задаче действительно нужен более глубокий reasoning, и опускайте предсказуемую массовую работу до gpt-5.6-luna. Terra сохраняет полное общее окно контекста 1,05M, максимальный input 922K, потолок output 128K и весь диапазон reasoning effort. По временным ставкам Sol input Terra стоит 50% от Sol, а output — 60%, поэтому это правильный default для кода, production-чата и агентных циклов.

Дорогие ошибки сидят на обоих краях. Прогонять каждый запрос через Sol — платить флагманские ставки за работу, которую Luna закончила бы сама; отказываться уходить с Luna — сжигать повторные попытки на задачах, которые она заведомо не решит. Относитесь к трём tier как к одной системе: Luna берёт простой объём, Terra делает основную работу, Sol разбирает исключения.

Читайте также: Цены GPT API: input, кэш, output и длинный контекст

Одна семья, три счётчика на одних возможностях

Sol, Terra и Luna — не разные продукты. У них общие Responses и Chat Completions, SSE-стриминг, текст и изображения на входе с текстом на выходе и один набор reasoning effort — от none до xhigh, плюс max в линейке GPT-5.6. Между tier меняются глубина возможностей, задержка и счётчик. Все ставки ниже — за 1M токенов; колонка со скидкой — то, что реально списывается с предоплаченного баланса.

Когда Sol оправдывает доплату к Terra

Sol — tier, который арендуют, а не тот, в котором живут. Его премия покупает глубину reasoning и стабильность на длинных горизонтах — удержание большого diff или многошагового плана без дрейфа. Поводом для эскалации должны быть факты, а не ощущения: проваленная попытка Terra, рефакторинг на большее число файлов, чем умещается в голове, или архитектурное решение, которое нельзя позволить себе откатывать.

• Многофайловые рефакторинги, где пропущенный edge case стоит дороже токенов.
• Тонкая отладка — race conditions, порча памяти, flaky-тесты без очевидной причины.
• Анализ архитектурных компромиссов, где неверное решение перекрывает любой счёт за токены.
• Финальный review-проход по diff от Terra перед мержем.
• Длинные автономные агентные прогоны, которые должны оставаться согласованными на часах накопленного контекста.

Так как output-токены на Sol по акционной ставке стоят в пять раз дороже input, самый дешёвый вызов Sol — короткий. Давайте ему плотный, чётко очерченный промпт — падающий тест, нужный diff, точный вопрос, — а не нефильтрованный дамп кодовой базы.

Когда Luna выигрывает у Terra по юнит-экономике

По временным ставкам Sol input Luna стоит 5% от Sol, output — 6%, при этом оставаясь в десять раз дешевле Terra за токен. Поэтому любая задача, решённая ею с первой попытки, почти бесплатна. Но её ограничения реальны: чувствительная к глубине работа на Luna провалится и всё равно потребует повторной попытки на Terra или Sol — и экономия исчезнет. Отправляйте в Luna только детерминированную, узкую и легко проверяемую работу.

• Классификация, тегирование, роутинг и определение интента в production-трафике.
• Извлечение и переформатирование — приведение JSON, boilerplate, переименования, одноразовые скрипты.
• Дешёвые подшаги внутри агентного цикла: сжатие результата инструмента до того, как его увидит основная модель.
• Чувствительные к задержке ответы, где скорость первого токена важнее последних пунктов качества.

Измерьте распределение до того, как закрепить схему. Если заметная часть выдачи Luna требует переделки на Terra, эффективная стоимость «дешёвого» tier — Luna плюс retry, а это обычно хуже, чем сразу отправить задачу в Terra.

Смена tier — изменение одного поля

Никаких отдельных регистраций, планов или endpoint для каждого tier. Один ключ apiToken.sale (выглядит как sk-pool-•••) покрывает Sol, Terra и Luna — плюс поддерживаемые модели Claude, Gemini и Kimi — на едином предоплаченном балансе. Маршрутизация между tier — замена model ID в том же вызове Responses:

curl https://router.apitoken.sale/v1/responses \
  -H "Authorization: Bearer $APITOKEN_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-5.6-terra",
    "input": "Review this diff for regressions."
  }'

Замените "gpt-5.6-terra" на "gpt-5.6-sol" или "gpt-5.6-luna" — и тот же запрос выполнится на этом tier: тот же base URL, тот же Bearer-заголовок, тот же баланс. С официальным SDK политика маршрутизации — один конструктор и строка модели:

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["APITOKEN_API_KEY"],
    base_url="https://router.apitoken.sale/v1",
)

def route(task: str, hard: bool) -> str:
    model = "gpt-5.6-sol" if hard else "gpt-5.6-terra"
    return client.responses.create(model=model, input=task).output_text

Дашборд фиксирует фактический расход токенов и точное списание со скидкой по каждому запросу — видно, сколько реально стоит ваша политика маршрутизации, без догадок. Актуальный набор включённых моделей можно проверить в любой момент через GET https://router.apitoken.sale/v1/models — единый каталог разделяет ID по namespace провайдеров (anthropic/*, openai/*, google/*).

Полные характеристики моделей и цены со скидкой →

Кэширование и граница 272K могут перевесить выбор tier

Два ценовых механизма двигают счёт так же сильно, как правильный выбор tier. Первый — cached input: повторный префикс промпта тарифицируется по кэш-ставке — $0.40 за 1M на Sol по акции против $4 за fresh, с тем же соотношением 10% на Terra и Luna, — а запись в кэш стоит 125% обычного input, то есть $5 за 1M на акционном Sol. В длинных агентных циклах, которые заново отправляют один и тот же системный промпт и историю, стабильный префикс накапливается в самую большую из доступных экономий.

Второй — ступень длинного контекста: выше 272K входных токенов весь запрос переоценивается по 2× input и 1,5× output — не только превышение. По акционным ставкам Sol 270K input плюс 2K output стоят $1.12 официально, а 273K input плюс 2K output — $2.244. Разбивайте слишком большие контексты или обрезайте историю до пересечения границы — на любом tier.

Reasoning-токены тарифицируются как output. Выкрутить effort в max на Sol по акции — значит платить $20 за 1M официально за обдумывание: оправданно, когда reasoning и есть продукт, и расточительно на механических задачах. Подбирайте effort под tier: дешёвый tier на высоком effort часто хуже по цене, чем более сильный tier на низком.

Политика маршрутизации, которую можно запустить завтра

1. 01Назначьте gpt-5.6-terra default для каждой нагрузки — интерактивного кода, CI-агентов и production-трафика.
2. 02Зафиксируйте триггеры эскалации заранее: проваленная попытка Terra, многофайловый рефакторинг или необратимое дизайн-решение уходит в gpt-5.6-sol с узко очерченным промптом.
3. 03Переведите детерминированные массовые шаги — классификацию, извлечение, форматирование — на gpt-5.6-luna и отслеживайте долю переделок, чтобы тихие сбои не съели экономию.
4. 04Держите стабильный префикс промпта, чтобы работали ставки cached input, и держите запросы ниже границы длинного контекста 272K.
5. 05Раз в неделю просматривайте фактический расход по запросам в дашборде и корректируйте распределение по измеренной стоимости, а не по привязанности к названию модели.

Плоская B2C-скидка 50% действует одинаково на все три tier, поэтому относительный порядок никогда не меняется — Terra всегда дешевле Sol, Luna всегда дешевле Terra. Нет ни подписки, ни платы за место: неделя простоя не стоит ничего, а тяжёлая неделя стоит ровно столько токенов, сколько было потрачено, — вдвое дешевле официального расхода.

Цены GPT API: разбор каждой составляющей счёта →

OpenAI-совместимый quickstart: от curl до официального SDK →

Частые вопросы

Похожие гайды