GPT-5.6 Preço: Quanto custam Sol, Terra e Luna e como economizar

A OpenAI lançou o GPT-5.6 para disponibilidade geral em 9 de julho de 2026, e pela primeira vez um lançamento principal do GPT chegou como três modelos com três preços separados. O Sol lida com o raciocínio mais difícil por US$ 5 por milhão de tokens de entrada e US$ 30 por milhão de saída. O Terra fica no meio por US$ 2,50 e US$ 15. O Luna cobre trabalhos de alto volume por US$ 1 e US$ 6. Isso representa uma diferença de 5x do mais caro ao mais barato, o que torna a escolha do modelo a maior alavanca individual na sua conta da API este ano.

Há uma armadilha escondida na nomenclatura. O apelido simples gpt-5.6 roteia para o Sol, o nível de raciocínio principal. Copie um quickstart, deixe a string do modelo como está, e cada requisição em produção pagará as taxas principais por um trabalho que o Luna poderia fazer por um quinto do custo. O padrão é o mais caro, e nada na resposta o alertará.

Este guia apresenta a tabela de preços completa, executa exemplos de custos calculados em cada nível, detalha a matemática de cache, explica como o esforço de raciocínio e o modo ultra alteram os gastos, e termina com padrões de roteamento que mantêm a conta estável sem sacrificar a qualidade onde importa.

TL;DR

• Preços do GPT-5.6 por 1M de tokens: Sol US$ 5 entrada / US$ 30 saída, Terra US$ 2,50 / US$ 15, Luna US$ 1 / US$ 6.
• O apelido simples gpt-5.6 roteia para o Sol. Fixe gpt-5.6-terra ou gpt-5.6-luna a menos que você queira as taxas principais por padrão.
• A OpenAI posiciona o Terra como competitivo com o GPT-5.5 por aproximadamente metade do preço, o que o torna o alvo natural de migração.
• Cache de prompt: gravações são cobradas a 1,25x a taxa de entrada, leituras obtêm um desconto de 90%, e a vida útil mínima do cache é de 30 minutos. O cache se paga a partir da segunda requisição.
• Maior esforço de raciocínio significa mais tokens de saída; o modo ultra executa quatro agentes em paralelo e multiplica deliberadamente o gasto de tokens.
• Os planos ChatGPT Gratuito e Go recebem o Terra; Plus e superiores podem escolher entre os três.
• Compare os níveis lado a lado e observe o uso de tokens por requisição no Apidog antes de comprometer um ID de modelo para produção.

A tabela de preços do GPT-5.6

Aqui está o custo de cada modelo por milhão de tokens, incluindo as taxas de cache derivadas (leituras a 10% do preço de entrada, gravações a 125%):

Os IDs dos modelos são confirmados na documentação do desenvolvedor da OpenAI, e o acesso à API é autoatendimento para qualquer conta de API. Não há restrição de plano no lado da API; a restrição de visualização de junho terminou antes do GA e é história.

Mais uma vez, porque isso vai pegar alguém da sua equipe: gpt-5.6 sem sufixo é Sol. Se sua configuração, padrão do SDK ou exemplo copiado usa o apelido simples, você está pagando as taxas de US$ 5/US$ 30, quer a tarefa precise delas ou não. Fixe o ID completo do modelo em todos os lugares e torne a escolha do nível explícita na revisão de código.

O que significa o escalonamento de níveis

O número é a geração; Sol, Terra e Luna são níveis de capacidade duráveis que avançarão em seu próprio ritmo. Saber para que serve cada nível é a maior parte da decisão de custo.

Terra é o destaque em preço-desempenho. A OpenAI o posiciona como competitivo com o GPT-5.5, aproximadamente 2x mais barato. Se você usa o GPT-5.5 em produção hoje, o Terra é o candidato substituto que corta sua tabela de preços pela metade; verifique seu gasto atual em relação ao detalhamento de preços do GPT-5.5 para dimensionar a economia antes de migrar. Trate a alegação de qualidade como da OpenAI até que suas próprias avaliações a confirmem, mas o corte de preço é incondicional.

Luna é o nível de volume. Por US$ 1/US$ 6, ele é construído para classificação, extração, roteamento e rascunhos iniciais: o trabalho de alta frequência e sensível à latência, onde o custo por requisição domina todas as outras preocupações.

Sol é para os problemas que falham em outros lugares. Raciocínio mais profundo, taxas mais altas. A revisão do dia de lançamento de Simon Willison vale a pena ser lida para uma visão prática de onde o modelo principal justifica seu prêmio e onde não o faz.

Os três supostamente compartilham uma janela de contexto de 1M de tokens e um máximo de saída de 128K, de acordo com a cobertura inicial da documentação, então você não está trocando capacidade ao rotear para um nível inferior. Você está trocando profundidade de raciocínio por preço.

Quanto custam as requisições na prática

As taxas por milhão são abstratas até que você precifique uma requisição real. Pegue uma chamada típica no estilo RAG: 10.000 tokens de entrada (prompt do sistema, contexto recuperado, pergunta do usuário) e 1.000 tokens de saída.

Uma requisição parece barata em todos os lugares. O volume é onde os níveis se separam. Precifique uma carga de trabalho de classificação: 1 milhão de requisições por mês, 500 tokens de entrada e 50 tokens de saída cada. Isso totaliza 500M de tokens de entrada e 50M de tokens de saída mensalmente.

Execute essa carga de trabalho com o apelido simples gpt-5.6 e você pagará US$ 4.000 por mês por um trabalho que o Luna faz por US$ 800. O padrão do apelido é um erro de digitação de US$ 3.200 por mês, todos os meses, até que alguém leia a fatura.

Economia de cache, com matemática real

O GPT-5.6 usa pontos de interrupção de cache explícitos: você opta por prompt_cache_options.mode: "explicit" e um campo ttl, em vez de depender da detecção automática de prefixos. Três números governam a economia. As gravações de cache são cobradas a 1,25x a taxa de entrada não armazenada em cache. As leituras de cache mantêm o desconto de 90%. A vida útil mínima do cache é de 30 minutos.

{
  "model": "gpt-5.6-terra",
  "input": [
    { "role": "system", "content": "Você é um assistente de triagem de suporte. Classifique cada ticket..." },
    { "role": "user", "content": "Ticket #4821: retentativas de webhook disparando duas vezes após 502s" }
  ],
  "prompt_cache_options": { "mode": "explicit", "ttl": "30m" }
}

Agora, o exemplo prático. Digamos que você tenha um prompt de sistema de 5.000 tokens reutilizado em 100 requisições dentro da janela de cache, rodando no Sol.

• Não armazenado em cache: 100 requisições x 5.000 tokens = 500.000 tokens de prefixo a US$ 5 por 1M = US$ 2,50
• Armazenado em cache: uma gravação (5.000 tokens a US$ 6,25 por 1M = US$ 0,031) mais 99 leituras (495.000 tokens a US$ 0,50 por 1M = US$ 0,248) = cerca de US$ 0,28

Isso representa aproximadamente 89% de desconto na porção do prefixo da conta. O ponto de equilíbrio fica na segunda requisição: o prêmio de gravação custa 25% de uma passagem sem cache, enquanto cada leitura economiza 90% de uma. Um prefixo usado duas vezes já é mais barato em cache.

O limite de 30 minutos funciona de ambos os lados. Um assistente de chat ou pipeline de suporte que dispara requisições a cada poucos minutos mantém o cache quente gratuitamente. Um trabalho em lote que é executado uma vez por noite não ganha nada e paga o prêmio de gravação de 1,25x em cada inicialização a frio; deixe o cache desativado ali. Armazene em cache o prefixo estável (prompt do sistema, definições de ferramentas, exemplos few-shot) e mantenha a parte volátil (entrada do usuário, documentos recuperados que mudam por requisição) após o ponto de interrupção.

Esforço de raciocínio, modo pro e ultra

O GPT-5.6 expõe seis níveis de esforço de raciocínio: none, low, medium, high, xhigh e max. O esforço é um dial de custo, não apenas um dial de qualidade. Configurações mais altas produzem mais tokens no lado da saída por requisição, e a saída é a direção cara: US$ 30 por milhão no Sol, cinco vezes a taxa de entrada. Duas requisições com prompts idênticos podem diferir várias vezes no custo puramente pela configuração de esforço.

A própria orientação de migração da OpenAI diz para tratar a mudança como um ajuste fino, não apenas uma alteração de slug de modelo: avalie seu nível de esforço atual e um nível abaixo em tarefas representativas. Muitas cargas de trabalho mantêm a qualidade na configuração mais baixa, e a economia se acumula em cada requisição.

O modo Pro (reasoning.mode: "pro") é uma configuração disponível em todos os três modelos, não um modelo separado com sua própria linha de tarifa. Você paga os mesmos preços por token; o modelo gasta mais tokens pensando, então orce uma saída mais pesada para cargas de trabalho onde a qualidade é prioritária.

Ultra é o luxo deliberado. Ele executa quatro agentes em paralelo por padrão, multiplicando o gasto de tokens propositalmente em troca de resultados mais rápidos e um aumento mensurável na qualidade: de acordo com a OpenAI, ele eleva a pontuação do Sol no Terminal-Bench 2.1 de 88,8% para 91,9%. Como primeira aproximação, orce cerca de quatro vezes os tokens de uma execução de agente único e reserve-o para trabalhos onde o tempo de resposta importa mais do que o custo por resposta. O detalhamento completo de quando o gasto paralelo vale a pena está em nosso explicador do modo ultra do GPT-5.6. O Ultra é lançado no ChatGPT Work nos planos Pro e Enterprise, e no Codex do Plus em diante.

O que os planos do ChatGPT incluem

Se o seu uso do GPT-5.6 for conversacional em vez de programático, uma assinatura pode superar a API em custo. Veja como o acesso ao modelo se mapeia nos planos:

Usuários Gratuito e Go acessando o Terra é um padrão forte; é o nível que a OpenAI compara com o GPT-5.5. O Plus é onde aparece o controle de esforço por modelo, o que importa se você depende do Sol para problemas difíceis dentro do ChatGPT. Equipes de codificação que ponderam assentos do Codex versus gasto bruto da API devem notar que o ultra vem com o Codex do Plus em diante; o detalhamento de preços do Codex cobre como esses assentos se comparam ao pagamento por token.

Padrões que mantêm a conta baixa

A tabela de preços recompensa a disciplina de roteamento mais do que a otimização de prompts. Os padrões que movem o número:

• Roteie por tarefa, não por hábito. Luna para classificação, extração e roteamento; Terra como padrão para todo o resto; Sol apenas para os problemas que o Terra comprovadamente falha. A maioria das equipes descobre que a fatia digna de Sol é pequena.
• Fixe IDs completos de modelo. Proíba o apelido simples gpt-5.6 na revisão de código. Cada string de modelo em sua base de código deve indicar qual nível foi escolhido e por quê.
• Cache de prefixos longos. Qualquer prefixo estável com mais de alguns milhares de tokens que se repete dentro de 30 minutos deve ficar atrás de um ponto de interrupção explícito. A matemática acima diz que ele se paga a partir da segunda requisição.
• Ajuste o esforço em um nível abaixo. Compare o esforço atual com um nível abaixo antes de lançar. Este é o próprio conselho da OpenAI, e é dinheiro grátis quando a qualidade se mantém.
• Deixe as respostas curtas continuarem curtas. O GPT-5.6 escreve respostas notavelmente mais curtas com menos introduções genéricas do que as gerações anteriores. Remova o boilerplate "seja conciso" dos prompts antigos; instruções redundantes adicionam tokens de entrada para corrigir um problema que não existe mais.
• Meça antes de se comprometer. Salve gpt-5.6-sol, gpt-5.6-terra e gpt-5.6-luna como variáveis de ambiente no Apidog, envie a mesma requisição para cada nível e compare os campos de uso de tokens nas respostas lado a lado. Contagens reais de seus próprios prompts superam qualquer estimativa neste artigo, incluindo as tabelas acima.

FAQ

O GPT-5.6 é mais barato que o GPT-5.5?

O ponto de comparação é o Terra, que a OpenAI posiciona como competitivo com o GPT-5.5 por aproximadamente 2x mais barato, a US$ 2,50 de entrada e US$ 15 de saída por milhão de tokens. O Sol custa mais que o Terra, mas oferece raciocínio mais profundo. Faça suas próprias avaliações antes de migrar cargas de trabalho sensíveis à qualidade, mas apenas em termos de preço, o Terra corta pela metade a tabela de preços do GPT-5.5.

Quanto custa o ID de modelo gpt-5.6 simples?

O apelido gpt-5.6 roteia para o Sol, então você paga as taxas mais altas: US$ 5 por milhão de tokens de entrada e US$ 30 por milhão de saída. Esse padrão pega equipes que copiam códigos de quickstart sem alterações. Fixe gpt-5.6-terra ou gpt-5.6-luna explicitamente quando a tarefa não precisa do raciocínio principal.

Os tokens de raciocínio contam para o preço de saída?

Sim. Configurações de esforço mais altas geram mais tokens no lado da saída, cobrados à taxa de saída, que é de US$ 30 por milhão no Sol e US$ 6 no Luna. O dial de esforço é uma das maiores alavancas de custo no GPT-5.6, então avalie sua carga de trabalho no nível atual e um nível abaixo antes de fixá-lo.

Qual é a maneira mais barata de começar a testar o GPT-5.6?

Direcione suas primeiras requisições para gpt-5.6-luna: uma requisição de 10K de entrada e 1K de saída custa cerca de US$ 0,016, então uma tarde inteira de experimentação custa bem menos de um dólar. Nosso guia para usar a API do GPT-5.6 detalha a autenticação, o formato de chamada da API de Respostas e a seleção de nível passo a passo.

Onde isso te deixa

Torne o Terra seu padrão, roteie trabalhos de volume para o Luna e reserve o Sol para os problemas que justifiquem os US$ 30 por milhão de saída. Adicione cache explícito a qualquer prefixo que se repita dentro de 30 minutos e teste um nível de esforço abaixo do que você usa hoje. Essas quatro ações rotineiramente cortam uma conta do GPT-5.6 em mais da metade sem comprometer a qualidade.

Antes que tudo isso chegue à produção, obtenha números reais de seus próprios prompts. Baixe o Apidog, salve os três IDs de modelo como variáveis de ambiente, envie a mesma requisição por cada nível e compare os campos de uso de tokens nas respostas. Dez minutos de testes lado a lado dirão mais sobre sua conta do que qualquer tabela de preços, incluindo esta.