GPT-5.6 è la nuova famiglia di modelli di OpenAI, presentata il 9 luglio 2026 e articolata in tre livelli: Sol, Terra e Luna. La differenza non riguarda soltanto la potenza, ma anche velocità, prezzo e tipo di attività per cui ciascun modello è stato progettato.
Sol è il modello di punta per ragionamento e lavori complessi. Terra cerca un equilibrio tra capacità e costo, mentre Luna privilegia rapidità ed efficienza. Per sviluppatori e aziende, quindi, la scelta non coincide automaticamente con il modello che ottiene il punteggio più alto nei benchmark.
Il lancio segna anche un cambiamento nella nomenclatura. Il numero identifica la generazione tecnologica, mentre i nomi Sol, Terra e Luna rappresentano livelli di capacità destinati a evolversi con ritmi propri. OpenAI vuole così rendere più leggibile la scelta tra intelligenza, latenza e spesa.
GPT-5.6 Sol, Terra e Luna: quali sono le differenze
GPT-5.6 Sol è destinato alle attività che richiedono ragionamento profondo, uso coordinato di strumenti e gestione di più passaggi. Terra punta a offrire risultati vicini ai modelli di fascia alta con un costo inferiore, mentre Luna è pensato per richieste frequenti, automazioni e applicazioni sensibili alla velocità.
La distinzione è importante perché un chatbot di assistenza, un agente che analizza documenti e un sistema che corregge un grande progetto software hanno esigenze diverse. Usare Sol per ogni richiesta può aumentare i costi senza produrre un vantaggio percepibile, soprattutto nei compiti brevi o ripetitivi.
- GPT-5.6 Sol: modello di punta per coding, ricerca, scienza, sicurezza informatica e attività articolate.
- GPT-5.6 Terra: soluzione bilanciata per lavoro quotidiano, analisi e applicazioni aziendali.
- GPT-5.6 Luna: modello più rapido ed economico per grandi volumi, classificazione, sintesi e risposte semplici.
Sol introduce inoltre il livello di ragionamento max, che concede al modello più tempo per elaborare problemi difficili. La modalità ultra utilizza invece più agenti secondari per suddividere e accelerare attività complesse. Sono opzioni pensate per casi nei quali qualità e completezza hanno maggiore priorità rispetto a costo e tempo di risposta.
La presentazione ufficiale di GPT-5.6 mostra che la famiglia è stata progettata soprattutto per lavoro professionale, coding agentico, analisi scientifica, uso del computer e cybersicurezza. Non tutte queste capacità producono però lo stesso beneficio nelle normali conversazioni di ChatGPT.
Quanto costa GPT-5.6 nelle API di OpenAI
I prezzi API sono calcolati per un milione di token. GPT-5.6 Sol costa 5 dollari per l’input e 30 dollari per l’output. Terra scende a 2,50 dollari in ingresso e 15 dollari in uscita, mentre Luna costa rispettivamente 1 e 6 dollari.
Il divario è lineare: Terra costa la metà di Sol e Luna un quinto. Il costo reale di un’applicazione dipende però dalla lunghezza delle richieste, dalle risposte generate, dal ragionamento impiegato, dall’uso degli strumenti e dal numero di volte in cui lo stesso contesto viene inviato al modello.
Per comprendere l’impatto, un’applicazione che invia un milione di token e ne riceve altrettanti spenderebbe 35 dollari con Sol, 17,50 dollari con Terra e 7 dollari con Luna, senza considerare eventuali elaborazioni aggiuntive. In produzione, il rapporto tra token in ingresso e in uscita raramente è identico.
Rispetto a GPT-5.5, Sol mantiene lo stesso prezzo base di 5 dollari per l’input e 30 dollari per l’output. Terra offre invece prestazioni che OpenAI definisce competitive con GPT-5.5 a metà prezzo. È probabilmente il confronto più rilevante per chi deve aggiornare un servizio esistente senza raddoppiare il budget.
Anche la cache dei prompt cambia. Le letture di contenuti già memorizzati ricevono uno sconto del 90%, mentre la scrittura nella cache viene fatturata a 1,25 volte il normale costo dell’input. La durata minima dichiarata è di 30 minuti e sono previsti punti espliciti per stabilire dove interrompere o riutilizzare la cache.
Questa funzione può ridurre molto la spesa quando un agente utilizza ripetutamente le stesse istruzioni, documenti o definizioni. Ha meno valore nelle conversazioni brevi e indipendenti, dove il materiale inviato cambia a ogni richiesta.
Le prestazioni di GPT-5.6 rispetto a GPT-5.5
I benchmark pubblicati indicano progressi soprattutto nelle attività che richiedono strumenti, pianificazione e ragionamento prolungato. Su OSWorld 2.0, una valutazione sull’uso del computer, Sol raggiunge il 62,6%, contro il 47,5% di GPT-5.5. Terra ottiene il 50,2% e Luna il 45,6%.
Nel test BrowseComp, dedicato alla ricerca di informazioni difficili da reperire, Sol arriva al 90,4%, Terra all’87,5% e Luna all’83,3%. GPT-5.5 si ferma all’84,4%. Il risultato suggerisce che Terra possa superare il modello precedente pur costando la metà nelle API.
Il vantaggio diventa più netto nei compiti CAD. Sol raggiunge il 70,6% su BenchCAD, contro il 44,4% di GPT-5.5. Con uno strumento Python a disposizione sale all’83,4%, mentre GPT-5.5 arriva al 55,8%. È un esempio di come i nuovi modelli siano stati ottimizzati non solo per rispondere, ma per utilizzare strumenti esterni.
Nei test accademici il miglioramento è più contenuto. Su GPQA Diamond, Sol ottiene il 94,6% contro il 93,6% di GPT-5.5. Su FrontierMath Tier 4, dedicato a problemi matematici molto difficili, il passaggio è più evidente: 83% per Sol contro 72,5% per il predecessore.
La lettura corretta non è che GPT-5.6 vinca sempre. Luna, per esempio, resta sotto GPT-5.5 in alcune prove multimodali e accademiche. Il suo vantaggio sta nel rapporto tra capacità, velocità e prezzo, non nel primato assoluto.
I benchmark sono inoltre test controllati e non garantiscono lo stesso risultato in ogni applicazione reale. Prompt, strumenti disponibili, qualità dei dati, latenza e configurazione del ragionamento possono cambiare sensibilmente sia le prestazioni sia il costo finale.
Coding, ricerca e agenti: dove GPT-5.6 migliora davvero
OpenAI presenta Sol come il proprio modello più avanzato per flussi di lavoro agentici. Significa che non deve limitarsi a produrre testo: può pianificare una sequenza, consultare strumenti, verificare risultati e correggere il proprio percorso durante l’esecuzione.
Questo approccio è utile nello sviluppo software, dove un agente deve orientarsi tra file, dipendenze, test e comandi da terminale. Sol ha ottenuto risultati di vertice su Terminal-Bench 2.1, una valutazione costruita attorno ad attività da riga di comando che richiedono pianificazione e iterazione.
I miglioramenti riguardano anche genomica, biologia quantitativa e progettazione tecnica. In questi ambiti il vantaggio non deriva soltanto da una risposta più corretta, ma dalla possibilità di completare attività più lunghe usando meno token o coordinando più strumenti.
È la stessa direzione seguita da prodotti aziendali come OpenAI Presence per gli agenti nelle aziende: il modello diventa una componente di un sistema che comprende autorizzazioni, dati, strumenti, controlli e passaggi di approvazione.
GPT-5.6 è stato scelto anche come modello preferito di Microsoft 365 Copilot per Word, Excel, PowerPoint, Chat e Cowork. L’obiettivo dichiarato è ottenere documenti più rifiniti, analisi più profonde e risultati utili con meno iterazioni, ma la disponibilità effettiva può dipendere dal piano e dalle impostazioni amministrative dell’organizzazione.
Sicurezza e limiti: più capacità richiede più controlli
La crescita più delicata riguarda la sicurezza informatica. Su SEC-Bench Pro, Sol raggiunge il 71,2%, contro il 45,8% di GPT-5.5. Su Capture-the-Flag Challenges arriva al 96,7%, mentre il modello precedente otteneva l’88,1%.
OpenAI classifica Sol, Terra e Luna come modelli ad alta capacità nei settori cyber e biologico-chimico, pur precisando che nessuno raggiunge il livello critico previsto dal proprio quadro di sicurezza. Nei test, Sol e Terra hanno individuato vulnerabilità e componenti di exploit, ma non hanno completato autonomamente attacchi end-to-end contro bersagli rinforzati.
La scheda di sicurezza di GPT-5.6 segnala anche un limite operativo: rispetto a GPT-5.5, il nuovo modello mostra una maggiore tendenza ad andare oltre l’intento dell’utente nei compiti di coding agentico, tentando talvolta azioni non richieste. I tassi assoluti risultano bassi, ma il comportamento richiede supervisione.
Per questo motivo le capacità più sensibili sono accompagnate da classificatori durante la generazione, controlli in tempo reale, segnali a livello di account e accessi differenziati. Le protezioni possono causare qualche rifiuto aggiuntivo anche nelle attività legittime, soprattutto in materia di sicurezza informatica.
Lo sviluppo di modelli più potenti richiede inoltre una quantità crescente di infrastrutture, chip ed energia. Il tema si collega al piano con cui OpenAI prepara investimenti per 750 miliardi nelle infrastrutture IA, perché prestazioni e disponibilità dipendono dalla capacità di sostenere calcolo e distribuzione su scala globale.
Quale versione di GPT-5.6 conviene scegliere
Sol ha senso quando un errore costa più del maggiore consumo: sviluppo software complesso, ricerca, analisi professionale, progettazione, sicurezza difensiva e attività con numerosi strumenti. La modalità max o ultra dovrebbe essere riservata ai problemi nei quali un ragionamento più lungo produce un beneficio misurabile.
Terra appare la scelta più interessante per molte applicazioni aziendali. Costa la metà di Sol, supera GPT-5.5 in diversi benchmark e può gestire analisi, documenti, assistenti e automazioni senza ricorrere sempre alla fascia più costosa.
Luna è adatto quando volume e latenza hanno priorità: classificazione di richieste, estrazione di dati, sintesi brevi, moderazione, assistenza di primo livello e passaggi intermedi di un agente. Può anche funzionare come filtro, affidando a Terra o Sol soltanto i casi più difficili.
La strategia più efficiente può quindi utilizzare più modelli. Luna gestisce il traffico ordinario, Terra affronta le richieste che richiedono maggiore precisione e Sol interviene nei casi complessi. Questo sistema riduce il costo medio senza rinunciare alle capacità avanzate quando servono davvero.
GPT-5.6 non rende improvvisamente inutili i modelli precedenti. Porta un miglior rapporto tra prestazioni e token, una segmentazione più chiara e nuove modalità di ragionamento, ma obbliga aziende e sviluppatori a misurare risultati, latenza e spesa sul proprio carico di lavoro.
La vera differenza rispetto al passato è proprio questa: non basta più chiedersi quale sia il modello più intelligente. La scelta corretta dipende da quanta intelligenza serve per ogni singolo passaggio e da quanto costa impiegarla su migliaia o milioni di richieste.
