OpenAI опубликовала руководство по семейству GPT-6 2 октября 2026 года. В нем объединены рекомендации по выбору модели, инструкциям, длительным задачам и проверкам перед развертыванием. Команде разработчиков все равно нужно найти сочетание, которое проходит собственные проверки задач и укладывается в ограничения по стоимости и времени ответа.
В актуальном руководстве перечислены GPT-6 Astra, GPT-6.1 Sol и GPT-6 Luna. 3 октября мы проверили документацию и цены OpenAI для API. Способ выбора и таблица ниже — наши предложения; мы не запускали эти модели и не измеряли производственную нагрузку.
Главное изменение
- Что изменилось: OpenAI представляет семейство GPT-6 как набор моделей для разных рабочих нагрузок с настраиваемым уровнем рассуждений и инструментами для многоэтапной работы. Команды могут настраивать отдельные этапы процесса, а не поручать каждой задаче одну и ту же конфигурацию модели.
- Почему это важно: Разработчик может измерить, достаточно ли Luna для отдельного этапа извлечения данных, оправдана ли Sol для программирования или исследования и окупает ли дополнительная функциональность Astra ее цену. Ответ зависит от числа выполненных задач, задержки и общей стоимости процесса, включая использование инструментов и неудачные попытки.
- За чем следить: Для длительных запусков нужны явные передачи управления и проверки. Во время работы можно менять инструкции, но результаты асинхронных вызовов инструментов и делегированной работы все равно нужно согласовать, прежде чем принимать итоговый ответ.
Сначала выберите модель для задачи, затем измерьте весь процесс
Начните с репрезентативного набора реальных задач и критерия приемки для каждой из них. OpenAI рекомендует использовать Responses API для актуального поведения моделей, вызова инструментов и работы с состоянием. Для этого нужны проект API, учетные данные, доступ к оплате и доступная этому проекту модель. На страницах моделей не указана поддержка бесплатного тарифа; лимиты запросов зависят от уровня использования. Перед планированием запуска проверьте фактический доступ и ограничения учетной записи.
Задача, порученная модели | Начальная модель-кандидат | Начальный уровень рассуждений | Когда повышать уровень или менять модель |
|---|---|---|---|
Повторяющееся извлечение, классификация или структурированное резюме с однозначным ответом | | Низкий для обычной работы; сравните со средним уровнем по умолчанию | Частота ошибок или время проверки превышают порог команды |
Программирование, исследование, работа с инструментами или задача, требующая профессионального суждения | | Средний уровень по умолчанию; для сложных случаев проверьте высокий | Характерные задачи не удаются даже при корректных вводных данных и инструкциях |
Самый сложный этап рассуждений или проверки, где качество критически важно | | Сравните средний и высокий уровни на одних и тех же случаях | Оставьте более высокий уровень, только если измеренный выигрыш оправдывает дополнительные расходы и время |
В таблице рекомендации OpenAI по выбору модели и страниц моделей превращены в исходные варианты для оценки. Проверьте идентификаторы моделей API и поддерживаемые уровни рассуждений: Astra и GPT-6.1 Sol поддерживают уровни от Low до Max; Luna также поддерживает None. GPT-6.1 Sol не поддерживает None и Minimal. OpenAI рекомендует попробовать Extra High или Max, если High недостаточно и выбранная модель это поддерживает. Сравнивайте уровни на одном наборе задач, поскольку качество, длительность и расход токенов могут изменяться одновременно.
Для стандартной обработки и запросов длиной не более 272 000 входных токенов действуют следующие цены за миллион токенов:
Модель | Ввод | Кэшированный ввод | Запись в кэш | Вывод |
|---|---|---|---|---|
GPT-6 Luna | $0.10 | $0.01 | $0.125 | $0.50 |
GPT-6.1 Sol | $2.00 | $0.10 | $2.50 | $10.00 |
GPT-6 Astra | $10.00 | $1.00 | $12.50 | $50.00 |
Источники: страницы моделей Luna, GPT-6.1 Sol и Astra. Для запросов, содержащих более 272 000 входных токенов, повышенный тариф применяется ко всему запросу. Стоимость также зависит от других режимов обработки, региональной обработки, если она доступна, и некоторых инструментов. На всех трех страницах указан контекст объемом 1 050 000 токенов и максимум 128 000 выходных токенов; большое контекстное окно задает предел емкости, а не служит поводом отправлять каждый имеющийся документ.
Оцените стоимость всего пути выполнения задачи: ввод, кэшированный ввод, запись в кэш, вывод, оплату инструментов, повторные попытки и надбавку за большой контекст. Разделите эту сумму на число задач, принятых по одному и тому же правилу проверки. Затем сравните задержку на этапе, который видит пользователь, и длительность всего процесса. По одним лишь ценам за единицу нельзя определить, какой путь обходится дешевле за успешный результат.
Прежде чем добавлять инструменты, четко задайте задачу и формат результата
Для каждого этапа определите входные данные, предполагаемого читателя или следующего получателя, разрешенные источники и инструменты, ограничения и условия завершения. В руководстве OpenAI также рекомендуется указать, какие решения может принимать модель, а для каких требуется одобрение человека. Проектные инструкции, навыки и промпты должны согласованно описывать эти границы.
Для машиночитаемого вывода заранее задайте поля и допустимые значения, затем используйте руководство по структурированным ответам, если задаче подходит схема. Соответствие формату — лишь одна из проверок: поле может соответствовать схеме и при этом содержать фактическую ошибку. Если результат предназначен для передачи человеку, укажите, что нужно предоставить сам результат, использованные доказательства, проведенные проверки и нерешенные вопросы. Сверьте результат с исходными данными и критериями приемки команды.
При оценке кэширования промптов сначала задайте стабильные инструкции и общие справочные материалы, а затем меняйте детали задачи. Повторное использование может снизить регулярные расходы на входные токены, но в расчете нужно учитывать запись кэша и последующий контекст. В нашем предыдущем руководстве по кэшу промптов подробно разобрана диагностика кэширования.
Обеспечьте наблюдаемость длительной работы
В руководстве от 2 октября описаны изменение инструкций в ходе выполнения, асинхронные вызовы инструментов и параллельные субагенты для независимой работы. Исправление, отправленное через Responses WebSocket API, ставится в очередь; оно не отменяет уже выполненные действия и не останавливает запущенный инструмент. Асинхронный инструмент позволяет продолжать несвязанную работу, но зависимые задачи должны ждать его результата. Поддержка нескольких агентов для GPT-6.1 Sol в Responses API пока находится в бета-версии.
Для многоэтапного запуска сохраняйте идентификатор задачи, выбранные модель и уровень рассуждений, текущий этап, идентификаторы вызовов инструментов и их результатов, подтверждения и доказательства, на которых основан итоговый ответ. Заранее определите, что делать при превышении времени ожидания, сбое инструмента, изменении инструкции или повторном результате. По мере роста контекста компактизация может сократить объем переносимых данных; проверьте, какие сведения действительно сохраняются при продолжении работы. Еще один документированный вариант для задач, которые не укладываются в один запрос, — фоновый режим. Подбирайте эти средства с учетом длительности задачи и потребностей в восстановлении.
В руководстве OpenAI рекомендуется использовать прямой API или подключенный инструмент, если он способен выполнить нужный этап, а управление экраном — только когда это необходимо. В нашем руководстве по браузерным задачам Agents API описаны интерфейс компьютерного управления и предусмотренный надзор.
Таблица для воспроизводимого командного решения
Для всех кандидатов используйте одни и те же примеры и правило проверки. Эта таблица — предлагаемая методика оценки; BIG CHANGE не заполняла ее результатами и не тестировала.
Записывайте для каждого случая и кандидата | Что нужно сохранить |
|---|---|
Задача и ожидаемый результат | Идентификатор реальных входных данных, требования к выводу, разрешенные инструменты, правило приемки |
Конфигурация | Идентификатор модели API, уровень рассуждений, режим обработки, версия промпта, схема или контракт вывода |
Результат | Принято, отклонено или требует проверки; причина сбоя; проверяющий |
Время | Длительность всего процесса и этапа, который видит пользователь |
Использование и расходы | Входные, кэшированные входные, записанные в кэш и выходные токены; плата за инструменты; повторные попытки; надбавка за большой контекст или региональную обработку |
Решение | Принятые задачи, деленные на попытки; общая стоимость, деленная на принятые задачи; типы нерешенных ошибок |
Добавьте легкие и сложные случаи, некорректные входные данные и прерванные вызовы инструментов, встречающиеся в реальном процессе. Сравнивайте модели на фиксированном наборе примеров, а затем повторите проверку после изменения промптов или разрешений инструментов. Классифицируйте сбои: отсутствуют доказательства, указано неверное поле, ошибка инструмента, пропущена инструкция или ответ требует исправления человеком. Переводите этап на другую модель только после того, как одно и то же правило приемки покажет полезный выигрыш. Дешевая модель, требующая больше переделок, может обходиться дороже за принятую задачу; медленная модель может подойти для фонового этапа, но не для интерактивного.
Перед выпуском сверьте фактические тарифы и лимиты расходов проекта, настройки обработки данных, тайм-ауты, поведение при повторах, мониторинг и границы одобрения человеком с контрольным списком развертывания. После выпуска продолжайте выборочную проверку и повторяйте оценку по таблице при изменении псевдонима модели, промпта, инструмента или нагрузки. Принимайте решение о маршрутизации на основе полученных данных по задачам.
Источники и дополнительная литература
- В руководстве OpenAI по семейству GPT-6 от 2 октября изложены рекомендации поставщика по моделям, уровню рассуждений, инструкциям и длительным рабочим процессам. В нем нет результатов тестирования BIG CHANGE или ответа на вопрос, какая модель лучше всего подойдет для нагрузки конкретной команды.
- GPT-6 Luna, GPT-6.1 Sol и GPT-6 Astra описывают идентификаторы API, поддерживаемые уровни рассуждений, контекст, цены и лимиты по уровням, использованные в этой статье. Доступ к учетной записи и условия оплаты необходимо проверять отдельно.
- Контрольный список OpenAI для развертывания API подтверждает рекомендации по оценке характерных задач, настройке Responses API и подготовке средств контроля для производства. Таблица выше — предлагаемая методика BIG CHANGE, а не тест поставщика.
- Структурированные ответы, компактизация и фоновый режим описывают конкретные интерфейсы, упомянутые в рабочем процессе.
