Como usar a API GPT-5.6: Sol, Terra e Luna

A OpenAI lançou o GPT-5.6 para disponibilidade geral em 9 de julho de 2026, e o acesso à API é de autoatendimento: qualquer conta de API pode chamá-lo hoje, sem lista de espera e sem restrição de plano. A prévia limitada que durou até o início de julho é história. O que mudou para os desenvolvedores é o formato do próprio lançamento. Em vez de um modelo, você recebe três: Sol, Terra e Luna, cada um com seu próprio preço, além de seis níveis de esforço de raciocínio e controles explícitos de cache de prompt.

Isso significa mais decisões do que uma troca de modelo típica, e os padrões que você escolhe na primeira semana tendem a permanecer. Este guia aborda os IDs dos modelos e quando cada um deles ganha seu lugar, sua primeira requisição em Python e curl, o esforço de raciocínio, a configuração de cache, a nova superfície da API Responses e como migrar do GPT-5.5 sem surpresas. Se você quiser o contexto completo sobre o nível principal primeiro, a visão geral do GPT-5.6 Sol abrange posicionamento e benchmarks; esta peça mantém a abordagem prática.

Ao final, você terá chamadas funcionando para todos os três níveis e uma maneira repetível de compará-los em seus próprios prompts no Apidog, para que as decisões de custo e qualidade venham dos seus dados, e não da postagem de lançamento.

TL;DR

Três IDs de modelo, uma geração: gpt-5.6-sol (raciocínio mais profundo), gpt-5.6-terra (equilibrado), gpt-5.6-luna (mais rápido e mais barato). O alias simples gpt-5.6 direciona para Sol.
O acesso à API é de autoatendimento para qualquer conta da API OpenAI. Não há mais restrições.
Preços por 1M de tokens: Sol $5 entrada / $30 saída, Terra $2.50 / $15, Luna $1 / $6.
O esforço de raciocínio tem seis níveis, de none a max. O modo Pro é uma configuração (reasoning.mode: "pro") em todos os três modelos, não um modelo separado.
O cache de prompt explícito chegou: prompt_cache_options.mode: "explicit" mais um ttl. As gravações são cobradas a 1.25x, as leituras mantêm o desconto de 90%, e os caches vivem por pelo menos 30 minutos.
Migrar do GPT-5.5 é um ajuste: teste um nível de esforço mais baixo e remova as diretivas de brevidade dos seus prompts.

Os três IDs de modelo e quando escolher cada um

O GPT-5.6 rompe com a nomeação usual da OpenAI. O número é a geração; Sol, Terra e Luna são níveis de capacidade duráveis que avançarão em seu próprio ritmo, como a cobertura de lançamento da MarkTechPost detalha. O nível em que você se padroniza hoje mantém seu significado na próxima geração.

ID do Modelo	Nível	Entrada / saída por 1M de tokens	Use-o quando
`gpt-5.6-sol`	Carro-chefe	$5 / $30	Raciocínio profundo, orquestração de agentes, depuração difícil
`gpt-5.6-terra`	Equilibrado	$2.50 / $15	Funcionalidades de produto cotidianas, trabalho de nível GPT-5.5 com custo mais baixo
`gpt-5.6-luna`	Rápido	$1 / $6	Classificação, extração, roteamento, rascunho inicial

Sol é o carro-chefe. A OpenAI relata que ele atinge aproximadamente 53 no Agentes' Último Exame contra 46.9 para o GPT-5.5, então trate isso como uma afirmação do dia do lançamento e verifique em suas próprias tarefas. Terra é a escolha pragmática: a OpenAI o posiciona como competitivo com o GPT-5.5 com aproximadamente metade do custo. Luna existe para trabalhos de alto volume e sensíveis à latência, onde você se importa mais com a economia unitária do que com a profundidade.

Um padrão sensato: prototipe em Terra, escale para Sol apenas onde Terra falhar mensuravelmente, e empurre caminhos de alto volume para Luna assim que o prompt estiver estável. A análise de preços do GPT-5.6 detalha como essas taxas se comparam entre gerações e concorrentes.

Um alias que vale a pena conhecer: gpt-5.6 sem sufixo direciona para Sol. Fixe os IDs de nível explícitos no código de produção para que cada chamada diga exatamente o que custa.

Sua primeira requisição

Os IDs de modelo abaixo correspondem exatamente à documentação do desenvolvedor da OpenAI. Você precisa de uma chave de API da OpenAI com faturamento ativado; nada mais.

O Chat Completions funciona inalterado, então o código existente precisa apenas de uma troca de modelo:

from openai import OpenAI

client = OpenAI()

response = client.chat.completions.create(
    model="gpt-5.6-sol",
    messages=[
        {"role": "system", "content": "You are a concise code reviewer."},
        {"role": "user", "content": "Review this for edge cases: def parse_price(raw): return float(raw.strip('$'))"}
    ]
)

print(response.choices[0].message.content)

A mesma chamada em curl:

curl https://api.openai.com/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -d '{
    "model": "gpt-5.6-sol",
    "messages": [
      {"role": "user", "content": "Explain idempotency keys in one paragraph."}
    ]
  }'

Para novas construções, mire na API Responses. Todas as adições de GA vivem lá, e ela aceita um bloco de raciocínio diretamente:

response = client.responses.create(
    model="gpt-5.6-terra",
    input="Summarize the trade-offs between webhooks and polling.",
    reasoning={"effort": "low"}
)

print(response.output_text)

Execute o mesmo prompt em todos os três níveis antes de escrever outra linha de código de integração. As diferenças de tom, comprimento e latência são mais fáceis de sentir do que de ler.

Escolhendo um nível de esforço de raciocínio

O GPT-5.6 expõe seis níveis de esforço de raciocínio: none, low, medium, high, xhigh e max.

none desliga o raciocínio. Use-o quando a tarefa é mecânica e a latência importa mais que a profundidade: reformatação, extração contra um esquema claro, preenchimento de templates. Luna em none se comporta como um modelo de conclusão clássico rápido, e essa combinação é onde sua taxa de entrada de $1 brilha.

max fica no outro extremo. Reserve-o para problemas onde uma resposta errada custa mais que uma lenta: bugs de concorrência sutis, revisões de arquitetura, planejamento multi-passo. Espere esperas mais longas e uma conta maior.

A maioria das cargas de trabalho fica no meio. Comece em medium, mova um nível por vez e meça a qualidade antes de aceitar o custo extra de subir. Descer é frequentemente gratuito: a própria orientação de migração da OpenAI diz que muitas cargas de trabalho do GPT-5.5 mantêm a qualidade um nível abaixo no GPT-5.6.

O modo Pro é separado do esforço. Defina reasoning.mode: "pro" e o modelo prioriza a qualidade da resposta sobre a velocidade. Ele funciona em todos os três níveis e é uma configuração, não um ID de modelo diferente, então não há um slug específico para Pro para procurar. Cargas de trabalho que priorizam a qualidade, como resumos legais ou postmortems de incidentes, são seu domínio. Para a forma exata da requisição e as restrições, consulte a referência da API da OpenAI.

Configurando o cache de prompt

O GPT-5.6 adiciona controle de cache explícito. Defina prompt_cache_options.mode como "explicit" e você decide o que é armazenado em cache, em vez de depender da detecção automática de prefixos:

response = client.responses.create(
    model="gpt-5.6-luna",
    input=[
        {"role": "system", "content": SUPPORT_PLAYBOOK},
        {"role": "user", "content": ticket_text}
    ],
    prompt_cache_options={"mode": "explicit"}
)

Um campo ttl no mesmo objeto de opções define por quanto tempo o prefixo em cache permanece ativo; o que quer que você solicite, o mínimo é de 30 minutos. Os valores ttl aceitos e as regras de posicionamento de ponto de interrupção estão na referência da API da OpenAI.

A economia é simples. 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%. Assim, o cache paga a partir do segundo acesso: duas passagens não armazenadas em cache sobre um prefixo custam 2,0x o preço do token, enquanto uma gravação mais uma leitura custam 1,35x.

Um exemplo prático. Digamos que um bot de suporte envia um playbook de 40.000 tokens em cada chamada de Luna. Sem cache, esse prefixo custa $0,04 por chamada na taxa de entrada de $1 por 1M de Luna. Com cache explícito, a primeira chamada grava por $0,05, e cada leitura dentro do ttl custa $0,004. Em um pico de 100 chamadas, isso é $0,45 em vez de $4,00, aproximadamente 89% de desconto na parte estática da sua conta. A vida mínima de 30 minutos significa que o tráfego em rajadas com intervalos menores que meia hora continua a ter leituras baratas também.

A regra geral: qualquer prompt com um grande prefixo estático que é reutilizado pelo menos duas vezes dentro do ttl deve ser executado no modo explícito.

O que há de novo na API Responses em GA

Três adições foram lançadas com o GA, todas na API Responses:

Chamada programática de ferramentas. Em vez da dança de ida e volta onde o modelo emite uma chamada de ferramenta, espera seu resultado e depois emite a próxima, o modelo escreve JavaScript que orquestra suas ferramentas. Esse código é executado em um ambiente de execução V8 isolado, sem acesso à rede, para que possa fazer loops, ramificar e combinar resultados de ferramentas sem que seu servidor precise shuttlar mensagens para frente e para trás.
Multi-agente, em beta. Uma solicitação pode distribuir o trabalho para sub-agentes que são executados em paralelo, útil quando uma tarefa se divide em partes independentes.
Raciocínio persistente. O contexto de raciocínio é levado adiante em várias conversas via reasoning.context, de modo que um agente multi-turn não precisa reconstruir sua cadeia de pensamento do zero em cada chamada.

Existem também novas configurações de detalhes de visão, original e auto, que preservam as dimensões originais da imagem. As formas de solicitação e os parâmetros para tudo isso estão na referência da API da OpenAI; os mecanismos acima são o que deve ser considerado no design.

Migrando do GPT-5.5

A orientação da OpenAI é direta: trate a migração como um ajuste fino, não apenas uma mudança de slug de modelo. Se sua integração segue o fluxo de trabalho em nosso guia da API GPT-5.5, três ajustes importam.

Primeiro, teste seu nível de esforço de raciocínio atual e um nível abaixo. O GPT-5.6 frequentemente mantém a qualidade um degrau abaixo, o que é um corte direto de custo para o mesmo tráfego.

Segundo, espere respostas mais curtas. O GPT-5.6 escreve saídas notavelmente mais concisas com menos introduções genéricas. Se seus prompts contêm diretivas como "seja conciso" ou "pule o preâmbulo", remova-as e teste novamente, porque instruções de brevidade acumuladas agora podem exceder o limite. A análise de Simon Willison no dia do lançamento é uma leitura independente útil sobre como a família se comporta na prática.

Terceiro, observe o uso de tokens em cache em suas respostas enquanto você ajusta, e faça um benchmark de um conjunto de tarefas representativo antes de liberar o tráfego de produção. Uma saída comparável em Terra pela metade do preço do GPT-5.5 é o resultado que vale a pena verificar primeiro.

Testando a API no Apidog

Curl prova que o endpoint funciona. Escolher entre três níveis requer algo repetível. Baixe o Apidog e configure um pequeno sistema de comparação:

Crie um ambiente com sua OPENAI_API_KEY mais três variáveis: MODEL_SOL=gpt-5.6-sol, MODEL_TERRA=gpt-5.6-terra, MODEL_LUNA=gpt-5.6-luna.
Crie uma requisição POST para a API e referencie {{MODEL_SOL}} no corpo, então duplique-a duas vezes e troque pelas outras variáveis.
Envie o mesmo prompt de formato de produção por todos os três e leia as respostas lado a lado.
Verifique o bloco de uso em cada resposta. Multiplique as contagens de tokens pela taxa de cada nível e você obterá uma projeção de custo por requisição baseada em seus próprios prompts, não no benchmark de outra pessoa.

O mesmo sistema se mantém útil durante o ajuste do esforço. Altere o nível de esforço em uma requisição salva, reenvie e observe os tokens de saída se moverem; esse número vezes a taxa por token é sua curva de qualidade versus custo, tornada visível uma requisição por vez.

FAQ

A API GPT-5.6 está disponível para todos?

Sim. Desde 9 de julho de 2026, qualquer conta da API OpenAI pode chamar todos os três modelos em autoatendimento. A restrição da prévia de lançamento foi suspensa antes do GA, e o acesso à API não depende do seu plano ChatGPT. Os níveis de plano apenas moldam o produto de chat, onde usuários Free e Go obtêm Terra e planos pagos desbloqueiam o seletor de modelo completo.

Qual é a janela de contexto e o corte de conhecimento do GPT-5.6?

De acordo com a cobertura inicial da documentação, a família possui uma janela de contexto de 1M de tokens, saída máxima de 128K e um corte de conhecimento em 16 de fevereiro de 2026. A página de modelos da OpenAI é a fonte oficial; trate esses como números relatados até que você os confirme para sua conta.

Qual é a diferença entre o modo Pro e o Ultra?

O modo Pro é uma configuração da API (reasoning.mode: "pro") que funciona em todos os três modelos e troca velocidade por qualidade de resposta. O Ultra é uma configuração multi-agente que executa quatro agentes em paralelo por padrão, e está disponível no ChatGPT Work nos planos Pro e Enterprise, além do Codex do Plus para cima. A análise do modo ultra do GPT-5.6 aborda quando o gasto extra deliberado de tokens vale a pena.

Devo construir com Chat Completions ou com a API Responses?

O código existente do Chat Completions continua funcionando com uma troca de ID de modelo, então não há uma reescrita forçada. Novas construções devem mirar na API Responses: chamada programática de ferramentas, multi-agente e raciocínio persistente foram todos lançados lá, e a documentação do GPT-5.6 da OpenAI a centraliza.

Onde isso te deixa

Você não precisa de um projeto de migração para começar. Escolha Terra, execute um prompt real do seu produto com ele em esforço medium, depois desça um nível e compare. Conecte o cache explícito se seus prompts compartilharem um grande prefixo estático; a economia de 89% no exemplo acima é típica do que um grande prompt de sistema retorna. Só então decida onde Sol e Luna se encaixam em sua pilha.

Mantenha o sistema de comparação de três níveis por perto também. Sol, Terra e Luna avançarão em seus próprios ritmos, então o próximo lançamento será uma reexecução de requisições salvas, em vez de um projeto de pesquisa. O Apidog mantém essas requisições, ambientes e contagens de tokens em um só lugar, o que transforma cada futuro lançamento de modelo em uma tarde de testes em vez de um palpite.

botão