La versione breve
- Definisci il compito → Valuta i modelli → Registra gli errori.
- Conserva le fonti e verifica il risultato prima di usarlo.
GPT-6 Sol, Luna e Astra offrono scelte diverse per complessità e costo. OpenAI presenta Astra per il lavoro più impegnativo, Sol per programmazione e agenti, Luna per attività circoscritte ad alto volume. Parti da un compito verificabile, poi scegli il modello che soddisfa i criteri a un costo accettabile.
Le specifiche riportate seguono la documentazione ufficiale OpenAI esaminata il 28 settembre 2026. La guida non presenta un benchmark Thrive né promette prestazioni migliori sul tuo lavoro specifico.
Confronta le specifiche pubblicate
Voce | GPT-6 Luna | GPT-6 Sol | GPT-6 Astra |
|---|---|---|---|
ID del modello API | gpt-6-luna | gpt-6-sol | gpt-6-astra |
Input base per milione di token | 0,10 USD | 2 USD | 10 USD |
Output base per milione di token | 0,50 USD | 10 USD | 50 USD |
Finestra di contesto | 1.050.000 token | 1.050.000 token | 1.050.000 token |
Output massimo | 128.000 token | 128.000 token | 128.000 token |
Fonti: le pagine ufficiali di Luna, Sol, e Astra. La tabella usa tariffe base del testo. Verifica cache, input lunghi, livelli di servizio, elaborazione regionale e strumenti prima di calcolare i costi.
La finestra di contesto indica un limite di capacità. Non dimostra che il modello userà bene tutto il materiale. Verifica se trova e applica le prove pertinenti alla domanda.
Scegli il modello in base ai criteri di verifica
Esempio di attività | Candidato da provare per primo | Prove necessarie prima di confermare la scelta |
|---|---|---|
Estrarre campi da un documento breve | Luna | Campi validi, valori supportati e corretta gestione dei dati mancanti |
Implementare una modifica circoscritta al repository | Sol | Test superati e patch verificabile |
Analizzare più vincoli interdipendenti | Astra | Spiegazione supportata e verifiche dei casi importanti |
Riscrivere una voce del curriculum | Una prova circoscritta tra i modelli disponibili | Fatti preservati e formulazione utile |
Sono percorsi di prova proposti, non classifiche misurate. La tua valutazione può portare a scelte diverse. Un'estrazione di dati sensibili può richiedere più revisione di un lungo testo a basso rischio.
Conserva esempi con risultati accettabili noti. Includi campi mancanti, istruzioni contrastanti e input fuori dai casi abituali. Considera accettabile astenersi o richiedere una revisione quando le prove non permettono una risposta.
Calcola un esempio di costo di base
Con 10.000 token di input non in cache e 2.000 token di output, le tariffe base producono 0,002 USD per Luna, 0,04 USD per Sol e 0,20 USD per Astra. Sono esempi aritmetici con conteggi fissi, non consumi osservati o previsioni della lunghezza di una risposta.
Aggiungi i costi applicabili alla richiesta. Conta nuovi tentativi e fallimenti. Confronta il costo totale per attività accettata dopo la revisione: il prezzo minore per token non assicura il costo minore del lavoro completato.
Per abbonamenti personali o ad agenti di programmazione, usa invece le condizioni del piano. Prezzi API e quote dell'abbonamento descrivono fatturazioni diverse.
Definisci quando passare a un altro modello prima del rilascio
Definisci quando serve un modello più capace o una revisione umana: per esempio valori contrastanti nelle fonti, una modifica che fallisce un test di regressione o una risposta senza citazioni richieste.
Conserva input originale e motivo dell'errore quando passi a un altro modello. Il secondo modello ha bisogno delle prove che hanno evidenziato il problema. Chiedere una risposta più sicura può nascondere l'incertezza senza risolverla.
Usa il processo di valutazione dei modelli per definire il successo e il prompt di analisi degli errori per classificare i fallimenti. Ricontrolla il modello più piccolo su un insieme di test separato prima di ampliare le attività.
Mantieni gli stessi criteri di valutazione dopo gli aggiornamenti
Registra ID del modello, data, impostazioni, input, strumenti, risposta e decisione del revisore. Ripeti casi rappresentativi quando cambia il modello o l'applicazione. Un risultato in una configurazione non prova le prestazioni in un'altra.
Per la programmazione, leggi la guida alla scelta dell'IA per programmare. Per scegliere tra fornitori, usa il confronto Opus 5.5 e Sol.
Puoi trasformare un esperimento di scelta del modello senza dati identificativi in un progetto per il portfolio. Spiega criteri, errori osservati e decisioni di revisione, poi descrivi il tuo contributo nella creatore di curriculum.
Fonti e note sugli aggiornamenti
La redazione Thrive ha esaminato queste fonti il 28 settembre 2026. Ricontrolla prezzi e accesso all'account prima di impegnarti su un'attività.
Mettilo in pratica
Il prossimo passo
Hai una domanda o una correzione?
Contatta Thrive
