OpenAI уронила цену на GPT‑5.6 Luna почти на 80%. Это не маркетинговая акция: за снижением стоит техническая оптимизация, из-за которой каждый ответ модели обходится компании дешевле. Разбираем, откуда взялась экономия, кому она достаётся и что с ней делать, если вы пользуетесь нейросетями не только в чате.
Насколько именно подешевело
После снижения GPT‑5.6 Luna стоит примерно в пять раз меньше сопоставимых моделей — дешевле, чем Google Gemini и Anthropic Claude Haiku в своих категориях.
Что это значит на практике, зависит от того, как вы платите. Подписка на чат — фиксированная сумма в месяц, и её изменение цены не касается. Речь про API — оплату за объём: вы платите за каждый обработанный текст. Так работают боты, автоматизации, обработка документов и любые агенты. Если ваш счёт за месяц был 5000 рублей, на той же нагрузке он станет около 1000.
Откуда взялась экономия
Модели считаются на видеокартах, и главная потеря там — простой. Видеокарта ждёт данных вместо того, чтобы считать, и владелец платит за это время.
GPT‑5.6 Sol переписала часть низкоуровневого кода, который управляет вычислениями, так чтобы карты простаивали меньше. То есть модель оптимизировала работу собственной инфраструктуры.
Отсюда два следствия для вас. Первое: снижение цены устойчивое, а не временное — оно основано на себестоимости, а не на желании привлечь клиентов. Второе: ответы приходят быстрее, потому что причина экономии — та же самая ускоренная обработка. Про то, почему автоматической оптимизации всё равно нужен внешний контроль, мы писали в разборе проблемы верификатора.
Что дешёвая модель делает возможным
Цена решает, какие сценарии вообще имеют смысл. Разбор всей почты за день, ежедневная сводка по документам, агент, который перечитывает базу знаний перед каждым ответом, — всё это упирается не в возможности модели, а в стоимость тысячи обращений.
Пятикратное падение цены переводит часть таких идей из «дорого» в «нормально». Автор оригинального материала сразу перевёл свой демо-сайт с Gemini на Luna — ровно по этой причине.
Обратная сторона: когда обращения дешевеют, их становится больше, и общий счёт может не измениться. Поэтому лимит трат стоит поставить до того, как вы начнёте расширять сценарии.
Как проверить это на своих задачах
Если вы платите за API, сравнение занимает вечер. Возьмите свой типичный запрос, прогоните на текущей модели и на Luna, сравните три вещи: качество ответа, время ответа и цену запроса. Решение принимается по всем трём, а не по одной цене — более дешёвая модель, которой нужно два захода вместо одного, экономии не даёт.
Если вы пользуетесь нейросетью через чат по подписке, менять ничего не нужно: подешевела не она. Но у сервисов, которыми вы пользуетесь, себестоимость упала, и в ближайшие месяцы это обычно приходит к пользователю в виде более щедрых лимитов.
Что забрать из этого материала
Главное — привычка. Раз в пару месяцев проверяйте, на какой модели работают ваши задачи и сколько это стоит: рынок сейчас двигается быстрее, чем настройки в ваших скриптах. Перевод одной автоматизации на модель дешевле — это вечер работы и минус несколько тысяч рублей в месяц.
Как подключить модель к своим задачам через агента, разобрано в полном гиде по OpenClaw. Смежные материалы — про обновления OpenClaw и ускорение агента Hermes.
Источник: Advancing the price-performance frontier with GPT‑5.6, Simon Willison, 30 июля 2026.
Что ещё вышло в этой волне релизов: Qwen3.8-Max и стандарт плагинов и Muse Spark 1.2.