OpenAI: ChatGPT και Codex ενισχύονται με 2 ακόμη μοντέλα GPT-6

Η OpenAI επεκτείνει τη σειρά GPT-6 με τα νέα μοντέλα Sol και Luna. Η εξέλιξη αυτή λύνει το πρόβλημα του υψηλού κόστους εκτέλεσης αυτόνομων AI agents. Πλέον αποκτάς εξειδικευμένα εργαλεία για σύνθετο προγραμματισμό και μαζική επεξεργασία δεδομένων με υποδιπλάσιο κόστος ανά token.

Πώς λειτουργούν τα GPT-6 Sol και Luna στην πράξη

Η στρατηγική της OpenAI δεν επικεντρώνεται πλέον αποκλειστικά στο ωμό μέγεθος των παραμέτρων. Μετά το κορυφαίο Astra, τα Sol και Luna σχεδιάστηκαν για να λύσουν το bottleneck της αποδοτικότητας στην καθημερινή εκτέλεση (inference latency). Χρησιμοποιούν προηγμένες τεχνικές prompt caching και βελτιστοποιημένα kv-cache pipelines, επιτρέποντας στο σύστημα να επαναχρησιμοποιεί context segments χωρίς περιττή επανυπολογιστική ισχύ.

Στην πράξη, αυτό σημαίνει ότι ένα developer script ή ένα AI agent που σκανάρει χιλιάδες γραμμές κώδικα δεν ξαναπληρώνει το αρχικό prompt σε κάθε iteration. Η μείωση κατά 50% στις χρεώσεις API δεν προκύπτει από επιθετικό pricing dumping, αλλά από ουσιαστική αρχιτεκτονική βελτίωση στο hardware footprint των data centers. Όταν συνδυάζεις αυτές τις τεχνολογίες με τις συνδρομές ChatGPT Plus και Pro, η διαφορά στην ταχύτητα απόκρισης είναι άμεσα αντιληπτή.

Αξιοσημείωτη είναι η απουσία του ενδιάμεσου μοντέλου Terra στην κατηγορία medium. Η εταιρεία απλοποιεί τη διαστρωμάτωση της σειράς 6 σε τρία σαφή επίπεδα: Luna για ελαφρύ φόρτο, Sol για βαριές παραγωγικές εργασίες και Astra για απόλυτη νοημοσύνη αιχμής.

GPT-6 Sol: Στοχευμένη ισχύς για developers και Codex

Αν γράφεις κώδικα ή στήνεις CI/CD pipelines με αυτόνομα bots, το Sol αποτελεί το νέο σου default εργαλείο. Το μοντέλο ενσωματώνεται άμεσα στο περιβάλλον του Codex και στο ChatGPT Work, αντικαθιστώντας τις υλοποιήσεις τύπου GPT-5.6 με σημαντικά χαμηλότερη κατανάλωση tokens ανά run.

Η εμπειρία μας με παρόμοιες υλοποιήσεις δείχνει ότι το μεγάλο πρόβλημα των autonomous agents ήταν το continuous looping. Ένα agentic task μπορεί να ξοδέψει δεκάδες χιλιάδες tokens προσπαθώντας να εντοπίσει ένα bug σε μια βάση δεδομένων. Τα εσωτερικά δεδομένα δείχνουν ότι ομάδες έρευνας έφταναν να ξοδεύουν έως και 550€ έως 6.500€ ημερησίως σε API calls ανά developer για σύνθετες εργασίες.

Το Sol περιορίζει αυτά τα έξοδα στο μισό χωρίς να θυσιάζει τη λογική συνοχή (reasoning capabilities). Διατηρεί εξαιρετική ακρίβεια σε frameworks όπως React, Rust και Python, εκτελώντας refactoring χωρίς να “ξεχνάει” dependencies σε βαθιά αρχιτεκτονικά δέντρα. Παράλληλα, συνδέεται άριστα με open-source εργαλεία ανάπτυξης που εκτελούνται τοπικά.

GPT-6 Luna: Μαζική αυτοματοποίηση και desktop ενσωμάτωση

Το Luna δεν προορίζεται για να λύσει δυσεπίλυτα μαθηματικά θεωρήματα. Ο ρόλος του είναι να εκτελεί χιλιάδες μικροεργασίες γρήγορα, αδιάκοπα και με ελάχιστο κόστος. Είναι το μοντέλο που αναλαμβάνει ταξινόμηση email, categorization εγγράφων, data extraction και γρήγορο parsing μεγάλου όγκου κειμένων.

Δοκιμάζοντας αντίστοιχες τεχνολογίες σε workflows γραφείου, το κλειδί δεν είναι η μέγιστη ευφυΐα, αλλά η μηδενική καθυστέρηση (zero latency). Το Luna απαντά σχεδόν στιγμιαία. Η OpenAI το διαθέτει στην desktop εφαρμογή ακόμα και για τους δωρεάν λογαριασμούς (Free και Go tiers), δίνοντας σε κάθε χρήστη πρόσβαση σε ουσιαστική υπολογιστική βοήθεια στο desktop περιβάλλον.

Για επιχειρήσεις που πληρώνουν enterprise λογαριασμούς, το Luna επιτρέπει το στήσιμο customer support bots που κοστίζουν κλάσματα του ευρώ ανά εκατοντάδες συνεδρίες, μειώνοντας δραστικά το operational expense (OpEx).

Computer Use και η οικονομία του token σε ευρώ

Ο πραγματικός τομέας διαφοροποίησης εντοπίζεται στο Computer Use, δηλαδή στην ικανότητα του μοντέλου να ελέγχει ποντίκι, πληκτρολόγιο και διεπαφές λειτουργικού συστήματος. Στο καθιερωμένο benchmark OSWorld 2.0 (offline evaluation), το GPT-6 Sol με ρυθμίσεις “xhigh effort” σημειώνει σκορ 60.5%.

Το νούμερο αυτό ισοφαρίζει το Claude Opus 5 (60.3% σε medium effort), αλλά με μια κρίσιμη λεπτομέρεια: το πετυχαίνει με 80% χαμηλότερο κόστος ανά ολοκληρωμένο task. Αν ένα σύνθετο automation σενάριο στο Claude κόστιζε περίπου 0,90€ σε API tokens, το Sol το εκτελεί με λιγότερο από 0,18€. Αυτή η διαφορά αλλάζει τα οικονομικά δεδομένα για κάθε startup που χτίζει virtual assistants.

Αντίστοιχα, το GPT-6 Luna σε λειτουργία max effort ξεπερνά το προηγούμενο GPT-5.6 Sol στο ένα δέκατο του συνολικού κόστους. Αυτή η κατάρρευση των τιμών ανά functional output πιέζει τον ανταγωνισμό και καθιστά το automation βιώσιμο σε κλίμακα παραγωγής.

Σύγκριση μοντέλων: Επιδόσεις και σχετικό κόστος

Παρακάτω συνοψίζονται τα βασικά τεχνικά και οικονομοτεχνικά δεδομένα των νέων εκδόσεων σε σύγκριση με τους άμεσους ανταγωνιστές τους:

Η άποψή μας στο TechNoid

Η κυκλοφορία των Sol και Luna αποδεικνύει ότι ο πόλεμος της τεχνητής νοημοσύνης μεταφέρθηκε από τα benchmarks εντυπωσιασμού στην καθαρή κοστολόγηση υποδομών. Το να έχεις ένα πανέξυπνο μοντέλο όπως το Astra είναι άχρηστο αν χρεοκοπείς κάθε φορά που εκτελείς ένα automation script για να ελέγξεις τα pull requests της ομάδας σου.

Το GPT-6 Sol αποτελεί εξαιρετικό εργαλείο για κάθε developer που χρησιμοποιεί το Codex σε καθημερινή βάση. Η δυνατότητα να ανταγωνίζεται στα ίσια το Claude Opus 5 στο Computer Use με το ένα πέμπτο του κόστους δίνει τεράστιο προβάδισμα στην OpenAI. Από την άλλη, το Luna καλύπτει άριστα τις ανάγκες του γραφείου χωρίς να δημιουργεί ουρές αναμονής στους servers.

Αν υπάρχει ένα αρνητικό, αυτό είναι ο τεχνητός διαχωρισμός στη διάθεση των μοντέλων. Το γεγονός ότι τα νέα μοντέλα περιορίζονται αρχικά στα Work και Codex workspaces και δεν εντάσσονται απευθείας στο κλασικό Chat window μπερδεύει τον απλό χρήστη. Παρόλα αυτά, η ουσία παραμένει: το κόστος του inference καταρρέει, και αυτό είναι εξαιρετικό νέο για την παραγωγικότητα.

Συχνές Ερωτήσεις για τα GPT-6 Sol και Luna