एका Reddit पोस्टमध्ये GPT-6 Sol आल्यानंतर OpenAI ने Codex Pro सदस्यत्वाचे मूल्य निम्मे केल्याचा दावा आहे. त्या पोस्टच्या तक्त्यात GPT-5.6 Sol वेळी साप्ताहिक कोट्याच्या प्रत्येक टक्क्यासाठी सुमारे $25 इतका API-समान वापर, तर आता सुमारे $13 असल्याचा अंदाज आहे.

किंमत कमी झाल्याचे आणि वापर जवळपास तसाच राहिल्याचे लेखक मान्य करतात. दर निम्मे झाले तर समान टोकन-मर्यादेसाठी API-समान मूल्य निम्मे होऊ शकते. सदस्यांना कमी टोकन किंवा पूर्ण केलेली कमी कामे मिळतात का हे ठरवण्यासाठी वेगळे मोजमाप हवे. पोस्टचे आकडे हा प्रश्न खुला ठेवतात.

मोठा बदल

  • काय बदलले: स्थानिक Codex नोंदी टोकन दाखवतात. तृतीय-पक्ष साधने त्यांचे API डॉलरमध्ये रूपांतर करतात; OpenAI चे सदस्यत्व मीटर स्वतंत्र मर्यादा वापरते.
  • हे का महत्त्वाचे: सदस्यत्व घेणाऱ्यांना मासिक शुल्कात किती कामे पूर्ण झाली याची तुलना करायची असते. API-डॉलरचा अंदाज घटल्याने व्यवहार कमी फायदेशीर वाटू शकतो; पण मासिक शुल्कात कमी काम मिळते का हे त्यातून दिसत नाही.
  • कशाकडे लक्ष द्यावे: पुरवठादारांनी मॉडेल, वेग, टोकनचे मिश्रण आणि cache वापर यांचा कोट्यातून वजा होणाऱ्या रकमेशी संबंध दाखवणाऱ्या नोंदी द्याव्यात. अशा नोंदींनी सदस्यत्व-मूल्याची तुलना आणि कोटा लवकर संपल्याच्या तक्रारींचा तपास सुलभ होईल.

कोट्याबाबत गृहितक धरण्यापूर्वीच ५०% घट दिसते

OpenAI च्या सध्याच्या Standard, लघु-संदर्भ API दरांनुसार GPT-5.6 Sol साठी प्रति दशलक्ष इनपुट टोकन $4 आणि आउटपुट टोकन $20 आहेत. GPT-6 Sol चे दर अनुक्रमे $2 आणि $10 आहेत. हे प्रकाशित API दर आहेत; GPT-6 Sol चे मॉडेल पृष्ठ २७२,००० इनपुट टोकनपलीकडील दीर्घ-संदर्भ दर अधिक असल्याचे दाखवते.

प्रत्येक विनंती लघु-संदर्भ मर्यादेत राहील अशा समान कामात एकूण १० लाख cache न केलेले इनपुट आणि १० लाख आउटपुट टोकन वापरल्यास:

मॉडेल

इनपुटची गणना

आउटपुटची गणना

API-समान एकूण

GPT-5.6 Sol

1M × $4

1M × $20

$24

GPT-6 Sol

1M × $2

1M × $10

$12

Standard वेगावर समान cache न केलेल्या इनपुट-आउटपुटसाठी OpenAI च्या Codex क्रेडिट तक्त्यात ६०० विरुद्ध ३०० क्रेडिट दिले आहेत. क्रेडिटचे दर एकटे पाहून सदस्यत्वात किती वापर समाविष्ट आहे हे ठरत नाही, असे पृष्ठ सांगते.

केवळ दर कमी केल्यानेच हा नमुना दिसू शकतो. सदस्याचा प्रत्यक्ष निकाल पुन्हा मोजण्यासाठी त्याचे टोकन-मिश्रण आणि सेटिंग्ज आवश्यक आहेत; पोस्टमध्ये आधी-नंतरचा ताडलेला डेटा दिलेला नाही.

ccusage काय मोजते

ccusage चे Codex डेटा-स्रोताबाबतचे दस्तऐवजीकरण Codex समर्थन प्रयोगात्मक असल्याचे नमूद करते. हे साधन स्थानिक सत्र-फाइलमधील token_count घटनाक्रम मॉडेलनुसार गटबद्ध करते turn_context आणि मग किंमत-माहिती संचातील मॉडेल-दर लागू करते. अहवाल API-समान खर्चाचा अंदाज देतो; तो ChatGPT क्रेडिट-शिल्लक नसल्याचे दस्तऐवजीकरण स्पष्ट सांगते.

खर्चाच्या सूत्रात सामान्य इनपुट, cache केलेले इनपुट आणि आउटपुट वेगळे मोजले जातात. reasoning टोकन आउटपुट बिलिंगमध्ये धरले जातात. नोंदवलेला Standard किंवा Fast सेवा-स्तरही अंदाज बदलू शकतो. त्यामुळे प्रत्येक कोटा-टक्क्यामागील डॉलरची घट दोन वेगळ्या नोंदी जोडते: स्थानिक दरांनी किंमत ठरवलेले टोकन आणि OpenAI च्या सदस्यत्व-सीमेतील हालचाल.

cache hits आणि संदर्भाची लांबी टोकन-खर्च कसा बदलतात याच्या अधिक माहितीसाठी BIG CHANGE चे GPT-6 prompt-caching मार्गदर्शक पहा. आमची GPT-6 आणि Claude किंमत-तुलना API दरातील बदल व्यापक मॉडेल-बाजाराच्या संदर्भात मांडते. दोन्ही लेख सदस्यत्व-कोट्याचा पुरावा देत नाहीत.

समाविष्ट वापराबाबत OpenAI काय प्रकाशित करते

OpenAI च्या अंदाजानुसार Pro 20x वर GPT-6 Sol साठी प्रत्येक पाच तासांत ३०० ते ३,००० स्थानिक संदेश शक्य आहेत; GPT-5.6 Sol साठी ते २०० ते २,००० आहेत. साप्ताहिक मर्यादा लागू असू शकते; पृष्ठ साप्ताहिक टोकन-कॅप देत नाही. हे बदलते अंदाज मॉडेल, संदर्भ, reasoning, साधने, माहिती-पुनर्प्राप्ती आणि cache वापरावर अवलंबून आहेत. या आधारे Reddit वापरकर्त्याच्या आधी-नंतरच्या मर्यादेबाबत निष्कर्ष काढता येत नाही.

२२ सप्टेंबरच्या Codex बदल-नोंदीत GPT-6 Sol आणि Luna कमी टोकन-किंमतींसह येत असल्याची घोषणा आहे. सदस्यत्वात समाविष्ट वापर कमी केल्याचे त्यात जाहीर नाही.

दावा ठरवण्यासाठी आवश्यक पुरावा

तीन मोजमापे वेगवेगळ्या प्रश्नांची उत्तरे देतात:

प्रश्न

किमान उपयुक्त नोंद

API-समान मूल्य घटले का?

प्रत्येक मॉडेलच्या प्रकाशित दराने गुणलेली समान टोकन-संख्या. उत्तर आधीच होकारार्थी आहे.

GPT-6 Sol मीटर वेगळ्या प्रकारे वापरतो का?

तीच खाती व योजना, जुळवलेली कामे, reasoning व वेग निश्चित, नोंदवलेले input/cached/output टोकन आणि अनेक पुनरावृत्त्यांतील आधी-नंतरचे डॅशबोर्ड टक्के.

योजनेचा कोटा स्वतःच कमी केला का?

तुलनीय reset कालावधीत कथित बदलाआधी आणि नंतर समान मॉडेल, सेटिंग्ज आणि कामाचा भार मोजणे.

Tool calls, retrieval, संदर्भ-वाढ आणि cache स्थिती नोंदवावी; ते वापर बदलतात. पुनरावृत्ती महत्त्वाची आहे, कारण एकाच कामात दोन एजंट-चाल वेगवेगळे मार्ग घेऊ शकतात.

API-समान मूल्य घटल्याचा अहवाल दरकपातीशी सुसंगत आहे. सदस्यत्वातून कमी काम मिळते का हे अद्याप ठरलेले नाही. टोकन, कामाचे निकाल आणि मीटरमधील बदल जोडणारी ताडलेली नोंद या प्रश्नाचे उत्तर देईल; केवळ गणनेने कोटा कमी केला किंवा मीटरमध्ये समस्या आहे हे सिद्ध अथवा नाकारता येत नाही.