GPT-5.6 per agenti AI: OpenAI taglia dell’80% il prezzo di Luna

Il 30 luglio 2026 OpenAI ha tagliato dell’80% il prezzo del suo modello più economico. Non è un dettaglio da listino: su BrowseComp, il test di navigazione agentica, arrivare a un risultato equivalente costa oggi circa 1,33 dollari con Luna contro i 33,27 di Sol, come mostra l’analisi comparata di benchmark e prezzi. Venticinque volte meno per lo stesso esito: sulla voce inferenza è la differenza fra un agente che gira in produzione e uno che resta un prototipo. Chi costruisce con le API di OpenAI si trova davanti tre modelli, Sol, Terra e Luna, che condividono la stessa famiglia ma costano l’uno venticinque volte l’altro. Scegliere GPT-5.6 per agenti AI non significa più prendere il modello migliore: significa capire quale tier regge il tuo workflow e quale ti fa pagare venticinque volte tanto per tre punti di benchmark che non useresti mai.

In questo articolo scoprirai:

• Il taglio prezzi del 30 luglio: cosa è cambiato davvero
• Quale tier GPT-5.6 per quale passo dell’agente
• Reasoning effort: il controllo che decide quanto costa un agente
• Perché il costo per task conta più del prezzo per token
• Portare GPT-5.6 in produzione per agenti AI: cosa serve davvero

Il taglio prezzi del 30 luglio: cosa è cambiato davvero

La revisione dei prezzi annunciata da OpenAI non ha toccato i tre tier allo stesso modo, ed è proprio l’asimmetria a essere interessante. Sol è rimasto invariato a 5 dollari in input e 30 in output per milione di token, Terra è sceso del 20% (da 2,50/15 a 2/12), e Luna è crollato dell’80%: da 1 dollaro in input a 20 centesimi, da 6 dollari in output a 1,20.

Il messaggio implicito è chiaro. OpenAI non sta cercando di rendere più economico il modello di punta: sta rendendo quasi gratuito il modello che serve per il lavoro ad alto volume, quello che un agente esegue migliaia di volte al giorno senza che nessuno lo guardi. Il divario fra Sol e Luna arriva a 25x su entrambe le direzioni, input e output, come mostrano i listini dei tre tier a confronto. Sul conto complessivo di un progetto aziendale, però, il taglio incide meno di quanto sembri. Le due letture non si contraddicono: il taglio sposta il costo di inferenza, non il costo di progetto, abbatte la voce che scala con i volumi, mentre integrazione, dati, presidio e onboarding restano dove erano.

Quanto costa oggi GPT-5.6 Luna per milione di token

I numeri della documentazione ufficiale per sviluppatori sono 0,20 dollari per milione di token in input, 1,20 in output e 0,02 sull’input servito dalla cache, un decimo del prezzo pieno. La finestra di contesto totale è di 1.050.000 token, con un massimo di 922.000 in ingresso e 128.000 in uscita.

C’è però una clausola che va letta prima di progettare l’architettura, e che anche le ricognizioni sui listini di GPT-5.6 segnalano: i prompt che superano i 272.000 token vengono fatturati a 2x sull’input e 1,5x sull’output per l’intera richiesta, non solo per la parte eccedente. Un agente che accumula cronologia senza potarla può quindi raddoppiare il conto da un turno all’altro, senza che nulla nel codice segnali il salto. È il tipo di dettaglio che non emerge in un test e si scopre sulla fattura.

Quale tier GPT-5.6 per quale passo dell’agente

Qui guardiamo il lato API: quale tier assegnare a ciascun passo di un agente. Per il lato aziendale, adozione, ruoli e onboarding dei tre modelli dentro un’organizzazione, il discorso è quello dell’articolo su Sol, Terra e Luna portati dentro un’azienda. Sui benchmark generalisti i tre tier sono molto più vicini di quanto suggerisca il prezzo, come emerge dall’analisi comparata di benchmark e prezzi. Su Agents’ Last Exam, che misura workflow professionali a lungo orizzonte, Sol segna 53,6, Terra 50,4 e Luna 50,3. Su Terminal-Bench 2.1 il quadro si ripete: Sol 88,8%, Terra 87,4%, Luna 84,7%. Fra il modello più caro e il più economico ballano circa tre punti su compiti dove il costo differisce di 25 volte.

Su BrowseComp, il test di navigazione agentica, Sol raggiunge il 92,2% e stabilisce lo stato dell’arte. È il numero che giustifica il tier di punta, ma vale la pena notare dove: navigazione autonoma complessa, non estrazione di campi da un documento.

Il punto di rottura di Luna sul contesto lungo

C’è un benchmark dove la convergenza si spezza, ed è quello che conta di più per chi costruisce agenti. Su MRCR, che misura il recupero di informazioni da contesti lunghi, il confronto fra i tre tier registra Sol a 91,5%, Terra a 89,6% e Luna in caduta al 41,3%.

Non è una sfumatura: è la differenza fra un modello che ritrova un dato sepolto a metà di una conversazione lunga e uno che se lo perde più della metà delle volte. Luna dichiara una finestra da oltre un milione di token, ma nei modelli linguistici la capacità di riempirla non equivale alla capacità di usarla. Per classificazione, estrazione, routing e prime bozze il tier basso è la scelta giusta; per traiettorie agentiche estese, codebase grandi o documenti lunghi il risparmio si trasforma in errori che qualcuno dovrà pagare a valle.

La regola di routing che emerge dai numeri

Le analisi indipendenti sull’instradamento fra i tre tier convergono su un default controintuitivo: partire da Terra, non da Sol. Terra sta entro due-quattro punti da Sol sulla maggior parte dei benchmark a meno della metà del prezzo, e diventa quindi il punto di partenza sensato per il grosso dei carichi.

Sol si riserva ai workflow multi-step a lungo orizzonte, alle operazioni da terminale complesse e a tutto ciò che richiede il livello di reasoning massimo. Luna copre il volume: pre-filtri, instradamento, estrazione, strumentazione interna ad alta frequenza. Non è una gerarchia di qualità, è una mappa di compiti.

Reasoning effort: il controllo che decide quanto costa un agente

La leva più sottovalutata di GPT-5.6 non è la scelta del modello ma il parametro che regola quanto il modello pensa prima di rispondere. La guida ufficiale per chi costruisce con GPT-5.6 elenca sei livelli di reasoning.effort: none, low, medium (default), high, xhigh e max.

Poiché i token di ragionamento si pagano come output, questo parametro agisce direttamente sul conto. Un agente che classifica ticket in categorie predefinite non ha bisogno di ragionare: impostare l’effort su none o low taglia il costo senza toccare l’accuratezza, perché il compito non contiene ambiguità da sciogliere. Lo stesso agente lasciato sul default paga un ragionamento che nessuno usa.

Modalità pro, reasoning persistente e Ultra

Accanto all’effort esiste un asse indipendente, la modalità di ragionamento standard o pro, che si configura per singola richiesta. GPT-5.6 introduce inoltre il ragionamento che persiste attraverso i turni di conversazione: il modello non ricostruisce da zero il proprio percorso logico a ogni chiamata, il che riduce token e latenza sulle interazioni lunghe.

All’estremo opposto c’è Ultra, che manda in parallelo quattro sotto-agenti. Su Terminal-Bench aggiunge 3,1 punti e costa circa il triplo di Sol in configurazione singola, un rapporto che ha senso solo quando un errore costa più di tre esecuzioni. Chi migra da GPT-5.5 deve sapere che la scala dei parametri di reasoning è stata ristrutturata: i valori vecchi non si trasferiscono, vanno ricalibrati.

Perché il costo per task conta più del prezzo per token

Il prezzo per milione di token è la metrica sbagliata, e i dati lo mostrano con una certa brutalità. È il confronto già visto in apertura: su BrowseComp un risultato equivalente costa circa 1,33 dollari con Luna contro i 33,27 di Sol, secondo l’analisi comparata di benchmark e prezzi. Ed è lo stesso quadro su DeepSWE, che misura lavoro su codebase reali: Luna produce circa 24 punti di benchmark per dollaro di API stimato, contro i 4,5 di Claude Opus 4.8, e dopo il taglio dell’80% quel rapporto è migliorato di circa cinque volte.

Ma il numero da tenere d’occhio è un altro. Su compiti di coding a lungo orizzonte, il confronto fra i tier su benchmark, prezzi e instradamento registra Sol oltre il 63,7% di più di cento task con una media di 20.968 token di output per task, mentre Terra si ferma al 40,7% consumandone 55.594. Su quei task di coding a lungo orizzonte è Terra, il più economico dei due a listino, a risultare più caro per risultato ottenuto, perché ha ragionato di più e concluso di meno.

Il costo vero è quello del task completato

È la lezione che vale per qualunque architettura ad agenti: un modello più economico è davvero più economico solo se il tasso di completamento resta alto. Un tier basso che fallisce genera retry, escalation e interventi umani, e ognuna di queste voci costa più dei token risparmiati.

Da qui la conclusione operativa: la configurazione più efficiente non è quasi mai un modello solo, ma un instradamento che manda a Luna il lavoro delimitato, a Terra i workflow normali e a Sol le decisioni ambigue. Il risparmio non nasce dal listino, nasce dall’architettura. E l’architettura richiede di sapere, per il proprio caso, dove ciascun tier smette di funzionare, cosa che nessun benchmark pubblico può dirti. È lo stesso ragionamento che vale quando si stima il costo di un agente AI: il modello è la voce piccola.

Portare GPT-5.6 in produzione per agenti AI: cosa serve davvero

Sul piano tecnico la Responses API concentra l’ecosistema di strumenti a disposizione dell’agente: ricerca web, ricerca su file, generazione di immagini, code interpreter, shell ospitata, applicazione di patch, skills, computer use e supporto MCP, oltre alla ricerca fra i tool stessi. Sono i mattoni con cui un modello smette di rispondere e comincia ad agire.

Il divario fra questa disponibilità e un agente che funziona, però, è tutto lavoro di taratura. Bisogna decidere quale tier gestisce quale passaggio, fissare la soglia di reasoning per ciascuno, potare il contesto prima dei 272.000 token, definire quando si scala verso l’alto e misurare il costo per task completato invece che per token consumato. Nessuna di queste scelte si legge in un listino: si ricavano dal workflow reale, con i dati di chi lo esegue.

Ridurre il costo di un agente non è un’ottimizzazione fai-da-te

È la ragione per cui un progetto ad agenti raramente si risolve scegliendo il modello giusto. Serve qualcuno che osservi il processo effettivo, capisca dove il tier economico regge e dove rompe, e costruisca l’instradamento su quella conoscenza, una questione di servizio più che di modello, e la differenza fra una soluzione chiavi in mano e il self-service.

In MIMIR lavoriamo esattamente su questo: non forniamo soltanto un agente, ma l’assistenza dedicata per l’onboarding che lo tara sui processi reali di chi lo userà. Se hai un’esigenza aziendale su AI e agenti e vuoi capire come impostarla senza scoprire i costi a posteriori, puoi parlarne con noi.

Fonti:

• OpenAI — Advancing the price-performance frontier with GPT-5.6
• OpenAI — Builder’s guide to GPT-5.6 (reasoning effort, modalità pro, Ultra)
• OpenAI Developers — Scheda modello GPT-5.6 Luna: prezzi, contesto e soglie
• Vellum — GPT-5.6 Sol, Terra e Luna: i benchmark spiegati
• BrowserAct — I listini dei tre tier di GPT-5.6 a confronto
• Layer3Labs — Guida ai prezzi di GPT-5.6 e alle soglie di fatturazione
• The Agent Report — Analisi comparata di benchmark e prezzi GPT-5.6 (costo per risultato su BrowseComp, DeepSWE)
• Dplooy — Routing fra Sol, Terra e Luna: benchmark, prezzi e regole pratiche