GPT-5.6 vine în trei dimensiuni, cu o fereastră de context de 1 milion de tokeni și prețuri între $1/$6 și $5/$30 per milion de tokeni input/output. Asta este noutatea principală, dar pentru ingineri povestea mai importantă este că OpenAI optimizează clar pentru workload-uri agentice, nu doar pentru chat.
Simon Willison scoate în evidență detaliile care chiar merită urmărite: Luna, Terra și Sol au toate un knowledge cutoff din 16 februarie 2026, o fereastră de context de 1 milion de tokeni și maximum 128.000 tokeni la output. Prețurile cresc simplu: Luna la $1 input și $6 output, Terra la $2.50 și $15, Sol la $5 și $30.
Pe hârtie, gama este ușor de înțeles. În practică însă, prețul per milion de tokeni nu mai este suficient pentru a compara corect modelele. Simon are dreptate aici: când comportamentul de reasoning diferă mult între modele, prețul per token nu mai este un indicator bun pentru costul total al unui job. Un model care consumă mai puțini tokeni ca să termine un workflow real poate ieși mai ieftin chiar dacă are un preț de listă mai mare.
Ce este de fapt nou aici?
Partea pe care eu o găsesc mai interesantă decât noile nume este direcția API-ului. Familia GPT-5.6 adaugă capabilități gândite pentru workflow-uri agentice mai lungi:
- Programmatic Tool Calling, unde modelul poate compune și rula JavaScript pentru orchestrarea tool-urilor
- suport Multi-agent, unde modelul poate porni subagenți pentru lucru în paralel
- Prompt cache breakpoints, care oferă control explicit asupra limitelor de caching
Asta este o schimbare reală. Reduce diferența dintre un simplu apel LLM și un strat de orchestrare adevărat. Dacă dezvolți custom MCP servers sau conectezi Microsoft Copilot și AI agents, genul acesta de schimbare poate simplifica unele pattern-uri, dar în același timp face runtime-ul modelului mai opininat.
Eu nu aș interpreta asta ca pe un semn că nu mai ai nevoie de orchestrare. Din contră. Odată ce modelul poate decide mai mult din fluxul de execuție, observabilitatea și controlul costurilor devin mai importante, nu mai puțin importante. Subagenții porniți implicit sau buclele de tool calling sunt exact felul în care apar facturi surprinzătoare și comportamente greu de depanat.
Cât costă GPT-5.6 în practică?
Prețurile publicate sunt clare:
| Model | Tokeni input | Tokeni output |
|---|---|---|
| Luna | $1 / 1M | $6 / 1M |
| Terra | $2.50 / 1M | $15 / 1M |
| Sol | $5 / 1M | $30 / 1M |
Capcana este că output-ul rămâne scump, iar agenții tind să producă destul de mult output. Dacă workflow-ul tău folosește și prompturi lungi, strategia de cache devine dintr-odată mult mai importantă. Asta face ca prompt cache breakpoints să fie mai mult decât un detaliu tehnic; pentru echipele care rulează muncă structurată repetitivă, poate deveni un buton real de FinOps.
Aici greșesc multe proiecte interne de AI. Oamenii testează o singură cerere într-un playground, apoi pun în producție un workflow care se ramifică în tool-uri, subagenți și retry-uri. Dacă construiești AI workflow automation, lansarea asta este un bun reminder să măsori întregul workflow, nu doar apelul modelului de la nivelul cel mai de sus.
Merită să schimbi modelul?
Concluzia mea este simplă: pare util și bine orientat pentru cei care construiesc agenți serioși, dar încă nu pare decisiv pentru lucru intens de coding. Impresia timpurie a lui Simon este că Sol este foarte competent, dar nu a depășit clar cel mai puternic model Anthropic în task-urile complexe de coding pe care le-a încercat.
Sună credibil. Povestea benchmark-urilor este neclară, mai ales când un vendor contestă exact benchmark-ul unde a ieșit mai slab. Uneori critica este validă. Alteori este și convenabilă. Eu nu aș lua decizii de platformă pe baza graficelor de benchmark din săptămâna asta.
Ce aș urmări în schimb:
- dacă Programmatic Tool Calling chiar reduce codul extern de orchestrare sau doar îl mută în alt loc
- dacă comportamentul multi-agent este suficient de inspectabil pentru debugging în producție
- dacă controalele de prompt cache chiar mută costurile la scară
- dacă rezultatele reale pe coding se confirmă în afara task-urilor alese de vendor
Concluzia practică: GPT-5.6 pare un update real de platformă pentru sisteme agentice, nu doar un refresh de model. Testează-l pe workflow-urile tale reale, măsoară costul end-to-end și nu presupune că cel mai ieftin nivel per token este și cel mai ieftin sistem în ansamblu.
