En ny Sol-modell för krävande arbete
OpenAI släppte GPT-6 Sol den 22 september 2026. Modellen har id:t gpt-6-sol och beskrivs som byggd för komplex kodning och agentbaserade arbetsflöden. I OpenAI:s modellöversikt placeras den mellan GPT-6 Astra, som är avsedd för de svåraste uppgifterna, och GPT-6 Luna, som prioriterar lågt pris och hög volym. Sol blir därmed alternativet för verksamheter som behöver stark problemlösning men inte vill betala Astras högre tokenpris.
Det är framför allt en API-lansering. Modellen kan ta emot text och bilder och lämnar text som utdata. Den stöder bland annat webbsökning, filsökning, kodtolk, värdbaserat skal, apply_patch, computer use, MCP och verktygssökning via Responses API. Finjustering stöds däremot inte enligt den aktuella modellsidan. OpenAI rekommenderar Responses API för arbetsflöden som kombinerar resonemang och verktyg.
Lanseringen omfattar också flera funktioner i GPT-6-familjen. Asynkrona verktygsanrop låter modellen fortsätta arbeta medan ett verktyg körs. Mid-turn steering gör det möjligt att skicka en rättelse eller ändrad instruktion under pågående arbete. Resonemangsnivån kan dessutom ändras under en konversation utan att hela den cachade promptprefixen behöver byggas om.
Priset är halverat mot GPT-5.6 Sol
För standardbearbetning och upp till 272 000 inmatningstokens kostar GPT-6 Sol 2 dollar per miljon inmatningstokens, 0,20 dollar för cachad inmatning, 2,50 dollar för cacheskrivning och 10 dollar per miljon utmatningstokens. GPT-5.6 Sol är samtidigt listad med kampanjpriserna 4 dollar för inmatning, 0,40 dollar för cachad inmatning, 5 dollar för cacheskrivning och 20 dollar för utmatning. Varje redovisad tokenpost är alltså 50 procent billigare med GPT-6 Sol i den jämförelsen.
Standardpris per 1 miljon tokens, GPT-5.6 Sol jämfört med GPT-6 Sol:
- Inmatning: 4,00 dollar → 2,00 dollar (−50 procent).
- Cachad inmatning: 0,40 dollar → 0,20 dollar (−50 procent).
- Cacheskrivning: 5,00 dollar → 2,50 dollar (−50 procent).
- Utmatning: 20,00 dollar → 10,00 dollar (−50 procent).
Jämförelsen behöver läsas med rätt avgränsning. OpenAI anger att GPT-5.6 Sols kampanjpris gäller åtminstone till den 21 november 2026. Det är tokenpriserna som är halverade; kostnaden för en färdig uppgift beror också på hur många resonemangs- och svarstokens modellen använder, hur ofta den anropar betalda verktyg och om applikationen kan återanvända cache. En modell kan därför bli mer eller mindre än 50 procent billigare per löst uppgift.
Lång kontext ändrar kalkylen
GPT-6 Sol har ett kontextfönster på 1 050 000 tokens och kan lämna upp till 128 000 tokens i ett svar. Kunskapsgränsen anges till den 20 april 2026. Den stora kontexten kan vara användbar när modellen ska analysera en större kodbas, långa loggar, dokumentation eller många verktygsresultat i samma körning.
Prissättningen stiger dock när en prompt passerar 272 000 inmatningstokens. Då debiteras hela begäran med dubbla priser för inmatning och cache samt 1,5 gånger priset för utmatning. Ett långt kontextfönster är därför en teknisk möjlighet, inte en uppmaning att skicka allt material i varje anrop. Indexering, selektiv hämtning och tydlig avgränsning är fortfarande centrala delar av en kostnadseffektiv lösning.
Bearbetningsläget påverkar också fakturan. Batch och Flex kostar enligt modellsidan 50 procent av Standard, medan Fast mode kostar dubbelt mot tillämplig grundnivå. Regional bearbetning kan lägga på 10 procent. För GPT-6 Sol är EU-datalagring tillgänglig enbart med Standard processing, vilket behöver vägas in om data måste behandlas inom en viss region.
Vad modellen betyder för utveckling och drift
GPT-6 Sol stöder resonemangsnivåerna none, low, medium, high, xhigh och max, där medium är standard. Det ger utvecklare en tydlig kostnads- och kapacitetskontroll. Rutinmässig klassificering, formatkonvertering och enkla kodändringar kan köras med låg eller ingen extra resonemangsnivå, medan felsökning över flera system och långvariga agentflöden kan få en högre nivå. Valet bör styras med mätningar på representativa uppgifter, inte med en fast nivå för all trafik.
För organisationer som redan använder Chat Completions finns en kompatibilitetsdetalj: funktioner kan anropas där endast när reasoning_effort är satt till none. Arbetsflöden som behöver både resonemang och verktygsanrop bör flyttas till Responses API. Vid resonemang ska parametrar som temperature, top_p och top_logprobs dessutom tas bort enligt migrationsguiden.
I praktiken passar Sol för kodgranskning, ändringar över många filer, felsökning med logg- och dokumenthämtning, driftassistenter och agenter som växlar mellan API:er, terminal och webbläsare. Den lägre taxan kan göra det ekonomiskt möjligt att låta fler sådana flöden gå från prototyp till löpande drift. Men kapaciteten bör införas med samma kontroll som annan automation: avgränsade behörigheter, loggning, kostnadstak, utvärderingar och mänsklig granskning där ett fel får stor effekt.
Så bör en migrering genomföras
Börja med en avgränsad uppsättning verkliga uppgifter och jämför GPT-6 Sol med den modell som används i dag. Mät andelen korrekta resultat, total mängd in- och utmatningstokens, svarstid, verktygsanrop och kostnad per godkänt resultat. Tokenpriset ensamt visar inte om bytet förbättrar ekonomin.
Flytta sedan agentflöden till Responses API och kontrollera att verktygsscheman, Structured Outputs och felhantering fungerar med den nya modellen. Testa åtminstone en normal körning, ett verktygsfel, ett timeoutfall och en körning där användaren ändrar instruktionen under arbetets gång. Bestäm också vilken resonemangsnivå varje arbetsklass behöver.
Se därefter över kontextstrategin. Återanvänd stabila promptdelar så att de kan cachas, hämta bara relevanta dokument och sätt gränser innan den dyrare nivån över 272 000 tokens aktiveras. Verksamheter med europeiska datakrav behöver samtidigt välja Standard processing och verifiera hela dataflödet, inte bara modellens regioninställning.
Slutligen bör kostnadsuppföljningen ske per arbetsflöde. Ett mått som kronor per löst supportärende, godkänd kodändring eller färdig rapport är mer användbart än enbart priset per miljon tokens. Då syns både vinsten från den lägre taxan och kostnaden för extra resonemang, verktyg och omkörningar.
LabOps IT:s bedömning
GPT-6 Sol är en betydande prisförändring för organisationer som har använt GPT-5.6 Sol till kod och agentflöden. Halveringen omfattar inmatning, cachad inmatning, cacheskrivningar och utmatning i Standard-läget för kort kontext. Tillsammans med 1,05 miljoner tokens i kontext och ett brett verktygsstöd gör det modellen relevant för mer omfattande automation.
Den viktigaste reservationen är att 50 procent lägre tokenpris inte automatiskt ger 50 procent lägre kostnad per resultat. Effektiviteten måste verifieras mot den egna prompten, vald resonemangsnivå, verktygsanvändning och kontextstorlek. För de flesta team är den bästa nästa åtgärden därför ett kontrollerat A/B-test på befintliga arbetsflöden, följt av en stegvis migrering där kvalitet och faktisk totalkostnad väger lika tungt.