GPT-6 Luna против GPT-5.6 Luna: как считать реальную стоимость успешной задачи в Codex
GPT-6 Luna заметно дешевле GPT-5.6 Luna по тарифам за токены, но модель для Codex стоит выбирать по стоимости принятой задачи, а не только по прайсу. В статье приведены цены OpenAI Standard и BetterToken, проверенные 2026-09-25, единый гипотетический набор токенов и воспроизводимая методика сравнения по доле принятых изменений, повторам, времени и полной стоимости результата.
Содержание
Вам нужно решить не то, какая версия Luna звучит новее, а какую модель первой запускать на следующей партии задач Codex и когда переключаться после неудачи. После чтения вы сможете выбрать первого кандидата по цене попытки, а затем посчитать реальную стоимость успешной задачи с учётом доли приёмки, повторов и ручной правки.
С чего начать: для большинства задач с автоматической приёмкой сначала проверьте gpt-6-luna
gpt-6-luna лучше подходит на роль первого кандидата, если границы задачи понятны, а тесты, lint или команда приёмки быстро отбрасывают плохой результат. Более низкая стоимость попытки позволяет недорого построить базовую линию, а затем решить, стоит ли отдавать сложные задачи gpt-5.6-luna.
| Ваша ситуация | Что сделать сначала | Когда рекомендация изменится |
|---|---|---|
| Небольшие исправления или массовые изменения с автотестами | Начните с gpt-6-luna | Модель часто проваливается, или ручная правка съедает ценовое преимущество |
| Межфайловые функции, рефакторинг, изменение интерфейсов | Проведите парный тест обеих моделей | Отдайте этот тип задач gpt-5.6-luna, если она заметно сокращает повторы и ручную правку |
| Вход близок к 272K или превышает порог | Уберите лишние файлы, сократите историю или разделите задачу | Если контекст сократить нельзя, сравнивайте по тарифам длинного контекста |
| Вы используете лимиты тарифа ChatGPT или Codex | Смотрите dashboard тарифа и правила Credit, а не API-таблицу | Таблица ниже применима после перехода на API Key или custom provider |
В открытых данных пока нет парных результатов на одной версии Codex, одном репозитории и одинаковом reasoning effort. Цена задаёт порядок тестирования, но модель по умолчанию должна определяться вашими задачами.
Интерфейсные ограничения близки и не предсказывают качество кода
Основные интерфейсы и пределы контекста у моделей близки, поэтому спецификации не покажут, какая из них надёжнее именно в вашем коде. Обе принимают текст и изображения, возвращают текст, поддерживают Responses API, reasoning tokens и reasoning effort от none до max; у каждой контекстное окно 1,050,000 токенов, максимум 922,000 входных и 128,000 выходных токенов.
| Параметр | gpt-6-luna | gpt-5.6-luna |
|---|---|---|
| Официальное позиционирование | Эффективная модель для сфокусированных массовых задач | Модель для чувствительных к стоимости массовых нагрузок |
| Дата среза знаний | 2026-05-18 | 2026-02-16 |
| Контекстное окно | 1,050,000 токенов | 1,050,000 токенов |
| Reasoning effort по умолчанию | medium | medium |
Эти характеристики не доказывают, что одна из моделей даст более высокую долю принятых изменений, быстрее завершит задачу или потребует меньше повторов именно в вашем коде. Результат Codex также зависит от типа задачи, качества контекста, разрешений инструментов, версии клиента, reasoning effort и заранее заданных критериев приёмки.
До 272K тарифы gpt-6-luna ниже
При полном входном контексте до 272K включительно вход, чтение кеша и запись кеша у gpt-6-luna стоят вдвое дешевле, а выход — около 41.7% от тарифа gpt-5.6-luna. Таблица проверена 2026-09-25, цены указаны в USD за 1 млн токенов и сравнивают только OpenAI Standard с API-тарификацией BetterToken, без лимитов подписок ChatGPT, Codex и расчётов в Credit.
До 272K включительно: считайте по этой таблице
Если полный входной контекст запроса не превышает 272K, используйте этот тариф без множителей длинного контекста.
| Model ID | Поставщик | Вход | Чтение кеша | Запись кеша | Выход |
|---|---|---|---|---|---|
gpt-6-luna | OpenAI Standard | $0.10 | $0.01 | $0.125 | $0.50 |
gpt-6-luna | BetterToken | $0.068 | $0.0068 | $0.085 | $0.34 |
gpt-5.6-luna | OpenAI Standard | $0.20 | $0.02 | $0.25 | $1.20 |
gpt-5.6-luna | BetterToken | $0.136 | $0.0136 | $0.17 | $0.816 |
Цены BetterToken динамические: в день публикации или покупки нужно посмотреть актуальные цены и использовать значения, показанные на странице в этот день. BetterToken не является продуктом OpenAI. Здесь указана оплата по фактическому использованию GPT-группы через API, Codex и инструменты с пользовательским Base URL; это не лимиты подписки ChatGPT или Codex.
Для этих моделей OpenAI Batch и Flex стоят 50% от Standard, поэтому их тарифы ниже указанных цен BetterToken. Они не входят в это сравнение. Таблицу нельзя трактовать как утверждение, что BetterToken дешевле любого варианта обработки OpenAI.
Выше 272K: сначала сократите вход, затем используйте тарифы длинного контекста
Если задачу можно разделить, сначала уберите лишние файлы, сократите историю или разбейте работу: после пересечения порога дорожает весь запрос. Порог считается по полному входному контексту с кешированными частями; выше 272K вход, чтение и запись кеша стоят в 2 раза дороже короткого контекста, а выход — в 1.5 раза:
| Model ID | Поставщик | Вход | Чтение кеша | Запись кеша | Выход |
|---|---|---|---|---|---|
gpt-6-luna | OpenAI Standard | $0.20 | $0.02 | $0.25 | $0.75 |
gpt-6-luna | BetterToken | $0.136 | $0.0136 | $0.17 | $0.51 |
gpt-5.6-luna | OpenAI Standard | $0.40 | $0.04 | $0.50 | $1.80 |
gpt-5.6-luna | BetterToken | $0.272 | $0.0272 | $0.34 | $1.224 |
Разделите четыре категории токенов, чтобы воспроизвести цену попытки
Для расчёта одной попытки Codex храните отдельно некешированный вход, чтение кеша, запись кеша и выход. Одинаковый гипотетический набор ниже показывает формулу; подставьте данные из своего биллинга, чтобы получить собственную стоимость попытки:
- 32,000 некешированных входных токенов;
- 160,000 токенов чтения кеша;
- 16,000 токенов записи кеша;
- 8,000 выходных токенов;
- полный входной контекст каждого запроса не превышал 272K, поэтому применяются тарифы короткого контекста.
Формула:
Стоимость задачи = некешированный вход / 1,000,000 × цена входа
+ чтение кеша / 1,000,000 × цена чтения кеша
+ запись кеша / 1,000,000 × цена записи кеша
+ выход / 1,000,000 × цена выхода| Model ID | Поставщик | Стоимость входа | Стоимость чтения кеша | Стоимость записи кеша | Стоимость выхода | Итого за попытку |
|---|---|---|---|---|---|---|
gpt-6-luna | OpenAI Standard | $0.003200 | $0.001600 | $0.002000 | $0.004000 | $0.010800 |
gpt-6-luna | BetterToken | $0.002176 | $0.001088 | $0.001360 | $0.002720 | $0.007344 |
gpt-5.6-luna | OpenAI Standard | $0.006400 | $0.003200 | $0.004000 | $0.009600 | $0.023200 |
gpt-5.6-luna | BetterToken | $0.004352 | $0.002176 | $0.002720 | $0.006528 | $0.015776 |
При такой гипотетической структуре токенов одна попытка с gpt-6-luna стоит около 46.6% от попытки с gpt-5.6-luna. BetterToken применяет одинаковый ценовой множитель к обеим моделям, поэтому соотношение между моделями одинаково у обоих поставщиков. Но это всё ещё стоимость попытки, а не успешной задачи.
Считайте чтение кеша отдельно, иначе стоимость будет завышена или занижена
Чтение кеша нельзя оценивать как обычный вход и нельзя исключать из счёта. Codex повторно читает контекст репозитория, историю диалога и результаты инструментов; кешированные токены обычно дешевле, но их может быть много, поэтому единая цифра «вход» даёт неверный результат.
Для каждого запуска сохраняйте отдельные значения input, cached input, cache write и output. Если сервис показывает только итоговую сумму, но не четыре категории токенов, объяснить разницу в стоимости моделей или задач будет гораздо сложнее.
Модель по умолчанию выбирают по стоимости успешной задачи
Дешёвый вызов не гарантирует дешёвое завершение работы: включайте в сумму все неудачи, откаты и повторы. Более полезный показатель:
Стоимость успешной задачи = общая стоимость API всех попыток / число принятых задачМинимальный набор показателей:
- Доля принятых задач: сколько задач прошло заранее заданные критерии без переписывания решения разработчиком;
- Повторы: повторные промпты, откаты или новые запуски модели для той же задачи;
- Полное время: от старта до приемлемого diff, а не только задержка первого токена;
- Ручные исправления: понадобилось ли разработчику менять сгенерированный код и сколько времени это заняло;
- Структура токенов: некешированный вход, чтение кеша, запись кеша и выход.
В гипотетическом примере для OpenAI Standard отношение стоимости попыток равно 0.010800 / 0.023200 ≈ 46.6%. Если структура токенов оставалась бы одинаковой, ожидаемая стоимость gpt-6-luna была бы ниже, пока её доля принятых задач превышает примерно 46.6% от доли gpt-5.6-luna. Это лишь точка безубыточности, рассчитанная из гипотетических цен, а не вывод о качестве моделей. При изменении токенов, повторов или состава задач изменится и порог.
Зафиксируйте пять условий, прежде чем доверять сравнению
По одному запуску каждой модели недостаточно; начальное состояние, класс задач и критерии приёмки должны совпадать. Эти пять шагов уменьшают влияние кеша, порядка запусков и субъективной оценки.
1. Зафиксируйте окружение
Используйте одну версию Codex, один начальный Git commit, одинаковую конфигурацию, разрешения инструментов, reasoning effort, промпт и команду приёмки. Не вызывайте одну модель через OpenAI Standard, а другую через иной путь доступа, чтобы затем приписать модели все различия в задержке или ошибках.
2. Разделите задачи по типам
Как минимум ведите три отдельные группы:
| Тип задачи | Пример | Рекомендуемый критерий приёмки |
|---|---|---|
| Небольшое исправление | Чётко описанный дефект в одном или нескольких файлах | Целевые тесты проходят, посторонние файлы не изменены |
| Межфайловое изменение | Функция, рефакторинг или связанное изменение интерфейсов | Все тесты и lint проходят, требуемое поведение реализовано |
| Ревью и диагностика | Найти ошибку, объяснить риск, предложить исправление | Найдена известная проблема и приведены конкретные доказательства в коде |
Не объединяйте эти группы в одно среднее. Модели могут быть почти равны на мелких исправлениях, но заметно различаться по числу повторов в межфайловых задачах.
3. Определите приёмку до запуска
Заранее зафиксируйте обязательные тесты, разрешённые каталоги, правила добавления зависимостей и условия провала. Если снижать планку после просмотра ответа, показатель принятия теряет смысл.
4. Чередуйте порядок моделей
Не запускайте одну и ту же модель первой во всех заданиях. Чередуйте порядок или используйте эквивалентные независимые задачи, чтобы кеш первого запуска, исправление окружения и опыт оператора не давали систематического преимущества одной стороне.
5. Храните данные по каждой задаче
Полезная строка включает ID задачи, тип, Model ID, поставщика, режим обработки, reasoning effort, время начала и конца, четыре категории токенов, число попыток, результат, причину отказа, минуты ручной правки и итоговую стоимость. Сначала сохраняйте исходные строки, и только затем агрегируйте по типам задач.
Когда оставить gpt-6-luna, а когда перейти на gpt-5.6-luna
Оставляйте gpt-6-luna основным кандидатом, пока её доля принятия сохраняет ценовое преимущество, а время ручной правки сопоставимо. Если результат меняется по типам задач, маршрутизируйте их отдельно, а не назначайте одну модель для всей работы.
| Что вы наблюдаете | Что делать |
|---|---|
Доля принятия gpt-6-luna выше примерно 46.6% от доли gpt-5.6-luna, а структура токенов и ручная правка близки | Оставьте gpt-6-luna: ожидаемая стоимость API ниже |
gpt-6-luna ниже точки безубыточности, либо повторы и правка делают итог дороже | Переведите этот тип задач на gpt-5.6-luna |
На небольших исправлениях дешевле gpt-6-luna, а на межфайловых задачах меньше переделок у gpt-5.6-luna | Маршрутизируйте по типу задачи, не ищите один универсальный default |
| Разница в основном вызвана задержкой, ошибками или лимитами поставщика | Повторите тест через один путь доступа, прежде чем обвинять модель |
| Вход часто превышает 272K | Оптимизируйте контекст и сравните заново; смена ценового уровня не равна разнице качества |
Порог 46.6% относится только к гипотетической структуре токенов выше. Если различаются длина ответа, кеш или число повторов, пересчитайте точку безубыточности по фактической стоимости попытки каждой модели.
Рекомендация: начните с gpt-6-luna, затем решайте по стоимости успешной задачи
Если модель нужно выбрать сегодня, сначала запускайте gpt-6-luna на чётких задачах с автоматической приёмкой. Для сложных задач оставьте репрезентативную контрольную выборку и прогоните gpt-5.6-luna в тех же условиях; сравнения цены одного вызова недостаточно.
После серии сопоставимых задач посчитайте долю принятия, среднее число повторов, время ручной правки и стоимость успешной задачи. Сохраняйте gpt-6-luna по умолчанию, пока она дешевле; если gpt-5.6-luna на конкретном классе задач убирает достаточно переделок, чтобы покрыть более высокий тариф, направляйте к ней только этот класс.
Официальные источники
Для повторной проверки характеристик и цен OpenAI достаточно этих трёх официальных страниц.
