OpenAI ha cambiato il modo di nominare i suoi modelli. Il 9 luglio 2026 ha reso disponibile a tutti, via API e all'interno di Codex, GPT-5.6, ma non come modello unico: e' una famiglia a tre livelli chiamati Sol, Terra e Luna. Il numero (5.6) indica la generazione; il nome indica la fascia di capacita' e di costo. Sol e' il modello di punta, Terra il tuttofare equilibrato, Luna il piu' economico per i grandi volumi.
La novita' era stata anticipata il 26 giugno con l'anteprima di Sol, poi tutti e tre i livelli sono diventati disponibili. Tutti condividono una finestra di contesto da un milione di token e una conoscenza aggiornata a febbraio 2026. Vediamo come sono fatti, quanto costano e come sceglierli in modo pratico.
Tre modelli, un'unica famiglia: cosa cambia tra Sol, Terra e Luna
Sol e' pensato per il ragionamento di alto livello, la programmazione complessa e i compiti scientifici: e' il modello a cui affidare i problemi difficili. Terra punta a offrire una qualita' vicina a quella della generazione precedente a circa meta' del costo, ed e' la scelta di riferimento per l'uso quotidiano. Luna e' costruito per essere veloce ed economico, ideale per carichi ad alto volume dove conta il costo per richiesta piu' che la potenza massima.
Il senso del nuovo schema e' che ogni fascia puo' evolvere con il proprio ritmo: un domani potra' esistere un Sol piu' potente senza dover cambiare il nome della generazione. Per l'utente, la logica di scelta e' semplice: si parte dal livello piu' economico che risolve il compito e si sale solo quando serve.
Quanto costano e quanto costa davvero un carico di lavoro
I prezzi, per milione di token, sono questi:
| Modello | Input (per 1M token) | Output (per 1M token) |
|---|---|---|
| Sol | 5,00 $ | 30,00 $ |
| Terra | 2,50 $ | 15,00 $ |
| Luna | 1,00 $ | 6,00 $ |
Per rendere concreto il conto, prendiamo un carico mensile di 50 milioni di token in ingresso e 10 milioni in uscita. Con Luna la spesa e' di circa 110 dollari, con Terra circa 275 dollari, con Sol circa 550 dollari. La differenza tra il livello piu' economico e quello di punta e' di cinque volte: ecco perche' scegliere la fascia giusta per ogni compito e' la prima leva per controllare i costi.
Come selezionarli in ChatGPT e via API
In ChatGPT, il modello si sceglie dal menu a tendina in alto nell'interfaccia della chat: gli utenti a pagamento vedono le opzioni disponibili e possono passare da un livello all'altro a seconda del compito. Via API, si indica il livello desiderato nel campo del modello. Un esempio in Python:
from openai import OpenAI
client = OpenAI()
resp = client.responses.create(
model="gpt-5.6-terra",
input="Riassumi in 5 punti i vantaggi e i rischi dell'IA generativa in azienda."
)
print(resp.output_text)Per un compito semplice e ripetuto conviene gpt-5.6-luna; per l'uso generale gpt-5.6-terra; per problemi di ragionamento o codice complesso gpt-5.6-sol. La regola pratica: partire in basso e salire solo se la qualita' non basta.
Le novita' per gli sviluppatori: caching e tool calling
GPT-5.6 introduce un prompt caching piu' prevedibile, con la possibilita' di definire punti di interruzione espliciti della cache e una durata minima di 30 minuti. Attenzione a un dettaglio di prezzo: per GPT-5.6 e i modelli successivi, la scrittura in cache costa 1,25 volte la tariffa di input non memorizzato, mentre le letture continuano a godere dello sconto del 90%. Per chi ripete grandi prompt di sistema, il caching resta un forte risparmio, ma va progettato con attenzione.
La famiglia porta anche il tool calling programmatico nella Responses API, che rende piu' robusto l'uso degli strumenti da parte del modello negli scenari agentici. In sintesi: GPT-5.6 non e' solo piu' potente, ma pensato per chi costruisce applicazioni serie, dove contano prezzo, prevedibilita' e controllo. Per iniziare, la scelta piu' sensata e' provare Terra sui propri casi d'uso e misurare qualita' e costo prima di salire a Sol.
