GPT-6 Sol و Luna آمدند؛ اختلاف قیمت ۲۰ برابری برای دو نوع کار

OpenAI در فهرست تغییرات API در ۲۲ سپتامبر ۲۰۲۶ عرضهٔ GPT-6 Sol و GPT-6 Luna را برای Responses و Chat Completions ثبت کرد: برای درخواست‌هایی با حداکثر ۲۷۲ هزار توکن ورودی، نرخ استاندارد هر یک میلیون توکن ورودی و خروجی Sol به‌ترتیب ۲ و ۱۰ دلار و نرخ Luna به‌ترتیب ۰٫۱۰ و ۰٫۵۰ دلار است؛ در هر دو بخش، نرخ Sol دقیقاً ۲۰ برابر Luna است. این قیمت، هزینهٔ استفاده از API را بیان می‌کند و به‌تنهایی نمی‌گوید کدام مدل یک کار را با هزینهٔ نهایی کمتر به پایان می‌رساند.

GitHub نیز در اعلامیهٔ عرضه در Copilot هر دو مدل را به گزینه‌های این سرویس افزود؛ Sol را برای کدنویسی تعاملی و عامل‌محور و Luna را برای کارهای کوچک‌تر و سریع‌تر معرفی کرد. دسترسی در Copilot به طرح اشتراک وابسته است و عرضه به‌تدریج انجام می‌شود. برای توسعه‌دهنده، انتخاب اصلی میان توان موردنیاز یک گردش‌کار چندمرحله‌ای و هزینهٔ اجرای تعداد زیادی درخواست مشخص است.

اختلاف نرخ در سه نوع گردش‌کار

صورت‌حساب API ورودی و خروجی را جداگانه حساب می‌کند. بنابراین در کاری که متن زیادی خوانده می‌شود و پاسخ کوتاهی می‌دهد، نرخ ورودی مهم‌تر است؛ در تولید متن مفصل یا اصلاح‌های پیاپی، سهم خروجی بیشتر می‌شود. محاسبه‌های زیر مثال فرضی از مصرف تجمیعی چند درخواست‌اند: هر درخواست در محدودهٔ نرخ استاندارد قرار می‌گیرد و همهٔ توکن‌های ورودی با نرخ ورودی عادی حساب می‌شوند.

• کدنویسی عامل‌محور: فرض کنید یک عامل برای خواندن کد، تغییر آن و وارسی نتیجه در مجموع یک میلیون توکن ورودی و ۲۰۰ هزار توکن خروجی مصرف کند. هزینهٔ توکن با Sol برابر ۴ دلار و با Luna برابر ۰٫۲۰ دلار می‌شود. این مقایسه فقط هزینهٔ اجرای همان تعداد توکن را نشان می‌دهد؛ اگر یکی از مدل‌ها برای رسیدن به تغییر قابل‌قبول به درخواست‌های بیشتری نیاز داشته باشد، هزینهٔ کار تمام‌شده فرق می‌کند.
• استخراج انبوه اطلاعات: در فرض ده میلیون توکن ورودی و یک میلیون توکن خروجی، هزینه با Sol به ۳۰ دلار و با Luna به ۱٫۵۰ دلار می‌رسد. چنین مصرفی می‌تواند حاصل پردازش تعداد زیادی متن جداگانه برای بیرون کشیدن فیلدهای ازپیش‌تعریف‌شده باشد. وقتی شکل خروجی روشن و درخواست‌ها پرتعداد است، اختلاف نرخ در مجموع هزینه آشکار می‌شود.
• پردازش متن با خروجی مفصل: برای یک میلیون توکن ورودی و یک میلیون توکن خروجی، هزینهٔ فرضی Sol دوازده دلار و Luna ۰٫۶۰ دلار است. در این حالت، خروجی سهم بزرگی از صورت‌حساب دارد. نسبت قیمت دو مدل ثابت می‌ماند، اما کوتاه یا بلند بودن پاسخ، مبلغی را که برای هر گردش‌کار پرداخت می‌شود تغییر می‌دهد.

این ارقام شامل ورودیِ بازیابی‌شده از کش، ابزارهای جانبی، پردازش با نرخ متفاوت یا بازبینی انسانی نیستند. همچنین مصرف تجمیعی یک گردش‌کار را نباید با اندازهٔ یک درخواست واحد اشتباه گرفت: در نمونهٔ استخراج، متن‌ها در درخواست‌های جداگانه پردازش می‌شوند. اگر انجام درست یک کار به چند بار اصلاح نیاز داشته باشد، مقایسهٔ صرفِ نرخ توکن تصویر کاملی از هزینه به دست نمی‌دهد.

Sol و Luna چه تفاوتی در انتخاب توسعه‌دهنده دارند؟

Sol برای کاری جایگاه روشن‌تری دارد که پاسخ آن پس از چند مرحله ساخته و وارسی می‌شود؛ نمونهٔ آن تغییر کد در چند فایل، دنبال کردن نتیجهٔ اجرا و اصلاح خروجی است. در چنین کاری، پرسش اقتصادی این است که آیا توان بیشتر مدل تعداد رفت‌وبرگشت‌ها یا بازبینی‌های لازم را آن‌قدر کم می‌کند که نرخ بالاتر جبران شود. قیمت و جایگاه اعلام‌شدهٔ مدل، نتیجهٔ یک پروژهٔ مشخص را پیش‌بینی نمی‌کند.

Luna برای درخواست‌های متمرکز و پرتعداد مناسب‌تر معرفی شده است؛ مانند خلاصه‌سازی متن، استخراج اطلاعات یا پاسخ کوتاه به پرسشی با هدف روشن. وقتی ورودی‌ها ساختار مشابه دارند، می‌توان خروجی مطلوب را دقیق‌تر تعریف کرد و هزینهٔ هر بار اجرا را در مقیاس بالا دید. بااین‌حال، اگر خروجی استخراج به اصلاح دستی گسترده نیاز پیدا کند، فاصلهٔ میان قیمت توکن و هزینهٔ واقعی فرایند بیشتر می‌شود.

در گزارش تک‌کرانچ از عرضه، OpenAI کار مناسب Luna را با عبارت «high-volume tasks with a clear goal» توصیف کرده و مدعی شده است GPT-6 Sol در ارزیابی داخلیِ صحت پاسخ، حدود نصف مدل پیشین خود اشتباه می‌کند. این ادعا به همان ارزیابی داخلی مربوط است، نه به نرخ خطا در هر پروژهٔ کدنویسی یا مجموعه‌متن فارسی. از همین رو، تفاوت کاربردی دو مدل را باید در کنار میزان مصرف و کیفیت موردنیاز همان کار سنجید.

دسترسی API و Copilot چه تفاوتی دارد؟

نام مدل‌ها در API به‌شکل gpt-6-sol و gpt-6-luna است و هر دو از مسیرهای Responses و Chat Completions ارائه شده‌اند. این مسیر برای برنامه‌ای است که مستقیماً درخواست API می‌فرستد و هزینهٔ آن از مصرف توکن محاسبه می‌شود. مبلغ‌های سناریوهای بالا به همین نوع استفاده مربوط‌اند؛ انتخاب مدل در Copilot زیر صورت‌حساب مبتنی بر استفادهٔ خود آن سرویس قرار می‌گیرد.

در Copilot، Sol برای طرح‌های Pro+، Max، Business و Enterprise و Luna علاوه بر این‌ها برای Pro هم در فهرست دسترسی است. انتخاب مدل در محیط‌هایی از جمله Visual Studio Code، Copilot CLI و وب‌سایت GitHub پیش‌بینی شده است. چون عرضه تدریجی است، ممکن است مدل هنوز در فهرست یک حساب واجد شرایط دیده نشود؛ در طرح‌های Business و Enterprise نیز مدیر می‌تواند دسترسی را با سیاست مدل کنترل کند.

برای کسی که هم از API و هم از Copilot استفاده می‌کند، پیامد این عرضه دو تصمیم جداگانه است: در API، نسبت ورودی به خروجی و تعداد اجرای لازم هزینه را تعیین می‌کند؛ در Copilot، طرح اشتراک و وضعیت فعال‌سازی مشخص می‌کند کدام مدل قابل انتخاب است. اختلاف ۲۰ برابری نرخ استاندارد برای برآورد بودجه نقطهٔ شروع دقیقی است، اما هزینهٔ نتیجهٔ قابل‌قبول به تعداد تلاش‌ها و کیفیت خروجی همان گردش‌کار وابسته می‌ماند.

بیشتر بخوانید:

• GPT-6 Sol یا Luna؛ کیفیت بیشتر ارزش هزینهٔ ۲۰ برابری را دارد؟