К содержанию
hegai.media
Новости

OpenAI снизила стоимость небольших и средних ИИ-моделей

Стопка одинаковых бумажных карточек, где верхние листы заметно тоньше нижних.
Иллюстрация создана hegai.media с помощью ИИ

OpenAI снизила цены на небольшие и средние модели искусственного интеллекта на фоне растущего беспокойства корпоративных клиентов из-за стоимости использования ИИ. Модель GPT-5.6 Luna подешевела на 80%, Terra на 20%, при этом тарифы для флагманской Sol остались прежними.

Теперь обработка миллиона входных токенов в Luna стоит 0,20 доллара вместо 1 доллара. Для Terra цена снижена до 2 долларов за миллион токенов. Как сообщает Overclockers.ru, в OpenAI объяснили это повышением эффективности новых ИИ-моделей. По словам компании, вычислительные затраты удалось сократить без потери производительности.

OpenAI ожидает, что более доступные тарифы помогут быстрее внедрять ИИ в бизнесе и расширят количество сценариев использования моделей. Решение приняли на фоне усиливающейся конкуренции на рынке генеративного ИИ и повышенного внимания компаний к окупаемости расходов после перехода ИИ-стартапов к оплате по объёму использования.

Ключевые факты

  • Цена GPT-5.6 Luna снижена на 80%

  • Обработка миллиона входных токенов в Luna теперь стоит 0,20 доллара вместо 1 доллара

  • Стоимость Terra снижена до 2 долларов за миллион токенов

  • Тарифы для модели Sol оставлены без изменений

Вопросы и ответы

Насколько дешевле стал запуск массовых сценариев на GPT-5.6 Luna?

Стоимость обработки миллиона входных токенов в Luna снижена с 1 до 0,20 доллара. Это сокращение цены на 80%, что делает модель заметно дешевле для чат-ботов, автоматизации поддержки и других задач с большим объёмом запросов.

Какие модели OpenAI подешевели, а какие нет?

OpenAI снизила цену на GPT-5.6 Luna на 80% и на Terra на 20%. Для Terra новый тариф составляет 2 доллара за миллион токенов, а цены на флагманскую модель Sol оставлены без изменений.

Почему OpenAI пошла на снижение тарифов именно сейчас?

Компания объяснила снижение цен ростом эффективности новых ИИ-моделей, что позволило уменьшить вычислительные затраты без потери производительности. Решение также связано с давлением корпоративных клиентов, которые оценивают окупаемость ИИ после перехода рынка к оплате по объёму использования.

Контекст по теме