ما هو GPT-6 Luna؟ معرف النموذج، التسعير $0.10/$0.50، ونافذة سياق 1 مليون توكن

كانت الفئة الأرخص في عائلة النماذج هي الفئة التي لا تثق بها. كنت ترسل إليها حركة مرور التصنيف والتلخيص وإعادة المحاولة، وتبقي أي شيء يتطلب الوكالة على النموذج الرائد، وتقبل أن النموذج الاقتصادي سينهار بمجرد أن تتطلب المهمة أكثر من خطوة واحدة.

GPT-6 Luna، الذي أُعلن عنه في 22 سبتمبر 2026، يُسعّر مثل تلك الفئة ولا يتصرف مثلها. يكلف $0.10 لكل مليون رمز إدخال و $0.50 لكل مليون رمز إخراج، ويحمل نافذة سياق تبلغ مليون رمز، وتضعه الأرقام المنشورة من OpenAI ضمن نطاق النماذج الرائدة في معايير البرمجة الوكيلة (agentic coding benchmarks) بجزء صغير من تكلفتها لكل مهمة.

أمر يجب تسويته أولاً: هذا ليس هو GPT-5.6 Luna الذي ربما تكون قد ربطته بالفعل في سلسلة احتياطية (fallback chain). نفس اسم الفئة، نموذج جديد، سعر جديد، نافذة سياق جديدة. افتراض غير ذلك هو طريقة سهلة لتطبيق تغيير سلوكي صامت ولا تكتشفه إلا من خلال تذكرة دعم.

نظرة سريعة على GPT-6 Luna

ضمن نفس العائلة، يبلغ سعر GPT-6 Sol 2 دولار / 10 دولارات مع نافذة رموز تبلغ 872,000 ومؤشر 48، ويبلغ سعر GPT-6 Astra 10 دولارات / 50 دولارًا. تذكر OpenAI أن Astra "يظل أفضل نموذج لدينا على الإطلاق،" لذا لا يتم بيع Luna كأذكى نموذج. يُباع باعتباره النموذج الذي انهارت فيه التكلفة لكل مهمة.

إنه نموذج جديد، وليس فئة أعيد تسميتها

كانت عائلة GPT-5.6 هي Sol و Terra و Luna. عائلة GPT-6 هي Astra و Sol و Luna. انتقلت اسمان، ولم تنتقل Terra، و Astra جديد. تصف OpenAI Sol و Luna بأنهما مدربان بأساليب مماثلة لـ GPT-6 Astra، وهذا يعني أنهما نماذج جديدة تشترك في اصطلاح تسمية مع النماذج القديمة.

لا يوجد GPT-6 Terra. إذا قمت ببناء سلم توجيه (routing ladder) حول نظام تسمية GPT-5.6، فإن الدرجة الوسطى لم تعد موجودة، وتُقرأ مقارنتنا السابقة بين Sol و Terra و Luna الآن كتاريخ بدلاً من كونها إرشادات حالية.

يوضح تسلسل الأسعار مدى تغير الفئة:

جميع الأرقام هي لكل مليون رمز إدخال ولكل مليون رمز إخراج. تأتي صفوف GPT-5.6 من تغطيتنا في ذلك الوقت، تسعير GPT-5.6 و تخفيض سعر GPT-5.6.

تصف OpenAI Sol و Luna بأنهما أرخص بنسبة 50% من تسعيرة GPT-5.6 الترويجية. كلمة "ترويجي" هي من OpenAI نفسها وتغير معنى الادعاء: المقارنة تتم مقابل سعر مخفض، وليس السعر الذي أُطلق به GPT-5.6. بالقياس مقابل سعر قائمة GPT-5.6 Luna البالغ $1/$6، فإن GPT-6 Luna بسعر $0.10/$0.50 يمثل تخفيضًا بنسبة 90% على الإدخال وتخفيضًا بنسبة 92% على الإخراج. التخفيض الحقيقي أكبر من العنوان الرئيسي، والعنوان الرئيسي مقاس من خصم. ضع الرقم الثاني في نموذج ميزانيتك، وليس الأول.

النموذج الرخيص لديه نافذة سياق أكبر

هذه هي التفصيلة التي أغفلتها معظم تغطية الإطلاق. يأتي Luna مع نافذة سياق تبلغ 1,000,000 رمز. بينما Sol، بعشرين ضعف السعر، يأتي مع 872,000.

هذا يقلب افتراضًا تُضمّنه الكثير من رموز التوجيه: وهو أنك تُرقّي طلبًا إلى نموذج أغلى عندما يزداد حجم الحمولة. مع GPT-6، أكبر نافذة في العائلة تقع في أسفل قائمة الأسعار. مستند بحجم 900,000 رمز لا يتناسب مع Sol ولكنه يتناسب مع Luna.

الحسابات تتبع من السعرين. ملء نافذة Luna الكاملة مرة واحدة يكلف $0.10 من رموز الإدخال. ملء نافذة Sol البالغة 872,000 رمز مرة واحدة يكلف حوالي $1.74. ملء نافذة Claude Opus 5.5 التي تبلغ 1 مليون رمز بسعر $4 لكل مليون يكلف $4.00. نفس فئة الحمولة، فارق أربعين ضعفًا فيما تدفعه لقراءتها.

أضف عمل OpenAI في التخزين المؤقت (caching) وستتسع الفجوة مرة أخرى. يطبق GPT-6 خصمًا بنسبة 90% على قراءات الإدخال المخزنة مؤقتًا، لذا فإن بادئة (prefix) بحجم 1 مليون رمز تبقى مخزنة مؤقتًا عبر المكالمات تكلف حوالي $0.01 لإعادة قراءتها بدلاً من $0.10. كما تقول OpenAI أن GPT-6 يحقق معدلات أعلى لضربات التخزين المؤقت (cache hit rates) افتراضيًا، وأن تغيير جهد الاستدلال (reasoning effort) أو توفر الأداة لم يعد يبطل التخزين المؤقت، وأن نقاط التوقف الصريحة تتيح لك التحكم في مكان انتهاء البادئة المخزنة مؤقتًا. تفيد GitHub بأن أكثر من 50% من رموز الموجه (prompt tokens) تتطلب معالجة جديدة عبر مليارات الطلبات.

ما نشرته OpenAI

كل رقم أدناه هو من مواد إطلاق OpenAI. تظهر إعدادات جهد الاستدلال بين قوسين، لأن هذه النماذج تسجل درجات مختلفة جدًا بمستويات جهد مختلفة، وصف المعيار بدون إعداد الجهد الخاص به ليس رقمًا قابلاً للاستخدام.

صف DeepSWE هو الذي يستحق التركيز عليه. نموذج بسعر $0.10 لكل مليون رمز إدخال يحقق 66.6% في معيار هندسة البرمجيات الوكيل (agentic software engineering)، في نفس نطاق نموذجين رائدين بجهد متوسط، وبأقل تكلفة بنسبة 93% لكل مهمة من أحدهما، هو اقتراح مختلف عن فئة الميزانية. لا يعني ذلك أن Luna يحل محل نموذج رائد في عملك الأكثر صعوبة. لكنه يعني أن الحد الفاصل بين "وجّه هذا إلى النموذج الرخيص" و "هذا يحتاج إلى النموذج الباهظ" قد تحرك، وأن أي خط رسمته قبل سبتمبر 2026 أصبح الآن مرسومًا في المكان الخطأ.

نتيجة الواقعية هي الأكثر أهمية على الأرجح لأعمال المنتج العادية. مطابقة الفئة المتوسطة للجيل السابق في الدقة الواقعية، بحوالي جزء من مائة من تكلفتها، هو ما يجعل Luna قابلاً للاستخدام في التلخيص والاستخراج الموجه للمستخدم بدلاً من مجرد وظائف الدُفعات الداخلية.

كل مقارنة هنا هي ضد Claude Opus 5

لاحظ أي نموذج من Claude تُقارن به هذه الصفوف. إنه Claude Opus 5.

أطلقت Anthropic نموذج Claude Opus 5.5 في نفس اليوم، بسعر $4/$20 مقابل $5/$25 لـ Opus 5، واحتل المرتبة الأولى في مؤشر الذكاء للتحليل الاصطناعي (Artificial Analysis Intelligence Index) برصيد 58، ليحتل المركز الأول من بين 212 نموذجًا. تمت كتابة منشور إطلاق OpenAI قبل وجود Opus 5.5، لذا فإن كل مقارنة للتكلفة لكل مهمة ضد Opus 5 تُقاس مقابل نموذج تم استبداله في غضون ساعات من النشر.

هذا لا يجعل أرقام OpenAI خاطئة. إنها دقيقة للمقارنة التي أجريت. لكنه يعني أنه لا يجب عليك تضمين عبارة "أرخص بنسبة 93% من Opus 5" في مستند شراء كحالة السوق الحالية دون ذكر أي إصدار من Opus تشير إليه. لم ينشر أي بائع مقارنة مباشرة بين Luna و Opus 5.5، والمقارنات المتداولة على وسائل التواصل الاجتماعي تأتي من مختبرين فرديين وليس من أي من المختبرين. تتبع ركيزتنا لحرب الأسعار جميع الإطلاقات الثلاثة مقابل بعضها البعض في جدول واحد.

الكمون (Latency): النموذج الرخيص ليس النموذج السريع

تضع قياسات الطرف الثالث من Artificial Analysis نموذج GPT-6 Luna عند 153.9 رمز إخراج في الثانية مع وقت للحصول على أول رمز يبلغ 124.23 ثانية. هناك تحذيران ينطبقان وكلاهما مهم. هذه أرقام من طرف ثالث، وليست منشورة من قبل البائع. وقد تم قياسها على أقصى متغير استدلال (max reasoning variant)، وهو التكوين الأبطأ والأكثر تكلفة المتاح.

حتى مع التحذيرين، الاتجاه يستحق الاستيعاب: Luna يقاس أبطأ في الحصول على أول رمز من Sol، الذي يقاس عند 102.15 ثانية. السعر والكمون (latency) غير مرتبطين في هذه العائلة. انتظار دقيقتين قبل وصول أول رمز سيكسر مهلة عميل HTTP الافتراضية، ويعطل موازن التحميل (load balancer)، ويتجاوز سقف التنفيذ في معظم بيئات التشغيل بدون خادم (serverless runtimes). إذا كنت توجه نقطة نهاية متزامنة (synchronous endpoint) إلى Luna بجهد عالٍ، فإن عمل التكامل يقع في طبقة المهلة والتدفق لديك، وليس في موجهك (prompt).

اختبره مقابل عبء عملك الخاص قبل التوجيه إليه

جداول المعايير هي تجميعية. موجهك ليس كذلك. السؤال المفيد هو ما إذا كان Luna يصمد أمام حركة المرور الخاصة بك بمستوى جهد يمكنك تحمله، وهذا يستغرق حوالي عشر دقائق للإجابة عليه بشكل صحيح.

قم بإعداد طلب واحد لكل نموذج، وقم بتعيين معرّف النموذج كمعامل (parameterize)، وقم بتشغيل نفس الحمولة عبر الفئة:

curl https://api.openai.com/v1/responses \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-6-luna",
    "input": "Extract every endpoint, method and required parameter from the OpenAPI document below as JSON.",
    "reasoning": { "effort": "high" }
  }'

تأكد من نقطة النهاية (endpoint) وأسماء المعلمات (parameter names) مقابل مرجع نموذج OpenAI الحالي قبل البناء على هذا الشكل. معرّف النموذج gpt-6-luna هو الجزء المؤكد من مواد الإطلاق.

في Apidog، يصبح نفس الطلب نقطة نهاية محفوظة (saved endpoint) مع معرّف النموذج كمتغير بيئة (environment variable)، لذا فإن مجموعة واحدة تغطي Luna و Sol و Astra دون تكرار أي شيء. شغّله كسيناريو اختبار وستحصل على وقت الاستجابة واستخدام الرمز لكل تشغيل، بالإضافة إلى تأكيدات حول شكل الاستجابة، وهذا ما يلتقط وضع الفشل الحقيقي للنموذج الأرخص: ليس إجابة خاطئة، بل استجابة تتوقف عن التوافق مع مخطط JSON الذي يتوقعه المحلل اللغوي الخاص بك. شغّل نفس السيناريو على ثلاثة مستويات جهد وستحصل على جدول تكلفة وكمون وموثوقية لموجهاتك (prompts) الخاصة بدلاً من مجموعة معايير شخص آخر.

متى يكون Luna هو الخيار الصحيح

وجّه إلى Luna عندما تكون الحمولة كبيرة، وتكون المهمة محددة جيدًا، ويمكنك التحقق من الإخراج برمجيًا. استخراج المستندات، تحليل المواصفات، فرز السجلات (log triage)، توليد الاختبارات، التصنيف عالي الحجم، وأي مهمة دفعة (batch job) حيث توفر لك نافذة بحجم 1 مليون نظام تقسيم (chunking pipeline) كلها مؤهلة، ويتضاعف خصم التخزين المؤقت عندما تظل البادئة الطويلة مستقرة عبر المكالمات.

احتفظ بالفئة الباهظة للعمل الذي لا يمكنك فيه التحقق من الإجابة بتكلفة منخفضة، ولأي شيء حساس للكمون (latency sensitive) حتى تقيس وقت أول رمز على حركة المرور الخاصة بك. غيّرت Luna الخط. لم تمحه.