La serie GPT-5.6 introduce una modifica importante nel posizionamento competitivo dei modelli AI: non punta soltanto a migliorare le prestazioni assolute, ma a ridurre il costo per task mantenendo punteggi di intelligenza nella fascia alta dei benchmark. La nuova famiglia è composta da Sol, Terra e Luna ed è stata resa disponibile dal 9 luglio 2026 tramite ChatGPT, Codex e API, con una distribuzione progressiva agli utenti nell’arco delle 24 ore successive.
Il modello principale è GPT-5.6 Sol, disponibile per utenti ChatGPT Plus, Pro, Business ed Enterprise con impostazioni di carico medio e alto. La versione più avanzata, GPT-5.6 Pro, è destinata agli utenti ChatGPT Pro ed Enterprise. Accanto a Sol, OpenAI ha introdotto Terra e Luna come modelli più economici, pensati per coprire scenari in cui serve un equilibrio diverso tra qualità, velocità e costo operativo.
Il dato più rilevante arriva dall’Intelligence Index di Artificial Analysis. GPT-5.6 Sol in modalità max raggiunge 59 punti, restando a un solo punto da Claude Fable 5 max, che arriva a 60. La differenza tecnica più importante non è però il singolo punto di distacco, ma il costo per task: Sol viene indicato come capace di offrire un livello di ragionamento simile a Claude Fable 5 con un costo circa tre volte inferiore. Questo lo colloca su una nuova frontiera di efficienza, dove il rapporto tra intelligenza e prezzo diventa un criterio competitivo tanto importante quanto il punteggio grezzo.
Terra e Luna completano la famiglia con un’impostazione più orientata alla sostenibilità economica. GPT-5.6 Terra raggiunge 55 punti nell’Intelligence Index, mentre Luna arriva a 51. I costi per task sono indicati rispettivamente come inferiori del 50% e dell’80% rispetto a Sol. Questo significa che OpenAI non sta proponendo una sola fascia di modello, ma una scala di opzioni pensata per scegliere in base al tipo di lavoro: attività ad alto ragionamento su Sol, workflow intermedi su Terra e carichi ad alta frequenza o più sensibili al costo su Luna.
Luna è il caso più interessante dal punto di vista competitivo. Pur essendo il modello più economico della famiglia, viene indicato come capace di superare o avvicinare modelli come GLM-5.2 e Gemini 3.5 Flash, mantenendo però un vantaggio sul prezzo. Questo è significativo perché GLM-5.2 era diventato un riferimento per il rapporto tra capacità e costo. Se Luna riesce a collocarsi nella stessa area di prestazioni con un prezzo più aggressivo, la pressione si sposta direttamente sul segmento dei modelli efficienti, non solo su quello dei modelli di fascia alta.
L’effetto sulla classifica è stato immediato. L’arrivo della serie GPT-5.6 ha ridisegnato le prime posizioni dell’Intelligence Index, spingendo Grok 4.5 dal quarto all’ottavo posto e facendo uscire dalla top 10 modelli che fino a poco prima occupavano posizioni rilevanti, come GLM-5.2, Qwen 3.7, MiniMax M3 e DeepSeek-V4 Pro. Questo mostra quanto il mercato dei modelli stia diventando instabile: un nuovo rilascio può cambiare rapidamente non solo la leadership tecnica, ma anche la percezione del rapporto qualità-prezzo.
Le prestazioni nel coding e nell’automazione del lavoro rafforzano ulteriormente il posizionamento. Nel Coding Agent Index di Artificial Analysis, che combina DeepSWE, Terminal-Bench v2 e SWE-Atlas-QnA, GPT-5.6 Sol nell’ambiente Codex ottiene 80 punti e raggiunge il primo posto a pari merito con Grok 4.5 nel suo ambiente Grok Build. Questo dato è importante perché il coding agentico non misura solo la capacità di generare codice, ma anche di muoversi dentro task tecnici più lunghi, usare strumenti, correggere errori e completare attività in ambienti vicini al lavoro reale.
Anche nei benchmark orientati al lavoro d’ufficio emerge una direzione precisa. In AA-Briefcase, un benchmark basato su progetti che simulano attività professionali, GPT-5.6 Sol si posiziona al secondo posto dietro Claude Fable 5. Nel Presentation Elo, invece, registra il punteggio più alto mai rilevato tra tutti i modelli valutati. Questo indica una capacità particolarmente forte nella produzione di materiali visivi e documentali, soprattutto in formati aziendali come PowerPoint ed Excel, dove non conta solo la correttezza del contenuto ma anche la qualità dell’organizzazione, della struttura e della resa finale.
La novità più tecnica riguarda il pricing del caching. Per la prima volta OpenAI introduce una tariffazione di cache write. Sol, Terra e Luna hanno prezzi per milione di token rispettivamente pari a 5 dollari input e 30 dollari output per Sol, 2,5 dollari input e 15 dollari output per Terra, 1 dollaro input e 6 dollari output per Luna. Resta lo sconto del 90% sul cache read, ma quando il contesto viene scritto in memoria viene applicato un costo aggiuntivo pari a 1,25 volte il prezzo dei token di input.
Questo modello di tariffazione riflette un problema reale delle applicazioni agentiche e dei contesti lunghi. Salvare token in cache occupa risorse anche se quel contesto non viene riutilizzato immediatamente. Con il cache write, OpenAI rende esplicito il costo operativo della memoria persistente o riutilizzabile, avvicinandosi a una logica già adottata da Anthropic. Per gli sviluppatori significa che l’ottimizzazione dei prompt, della memoria e del riuso del contesto diventa ancora più importante nella progettazione delle applicazioni.
L’efficienza in token è un altro punto rilevante. GPT-5.6 Sol utilizza in media circa 15.000 token di output per task, contro i 16.000 di GPT-5.5, migliorando l’efficienza rispetto alla generazione precedente. Secondo le valutazioni riportate, Sol riesce a ottenere livelli di intelligenza più alti usando meno token rispetto a modelli concorrenti come Claude Opus 4.8 e Gemini 3.5 Flash. Questo dato è importante perché il costo reale di un modello non dipende soltanto dal prezzo per milione di token, ma anche da quanti token servono per completare un task con qualità sufficiente.
Il miglioramento indicato da Sam Altman va nella stessa direzione. Il CEO di OpenAI ha dichiarato che GPT-5.6 Sol registra un’efficienza in token superiore del 54% nei task di coding agentico rispetto alla generazione precedente, mantenendo prestazioni pari o superiori ai modelli concorrenti sul mercato. In un contesto in cui gli agenti possono produrre lunghi ragionamenti, modifiche di codice, log, output intermedi e documentazione, ridurre i token necessari è un vantaggio economico e infrastrutturale molto concreto.
La serie GPT-5.6 mostra quindi un cambiamento nel modo in cui i modelli vengono valutati. La competizione non riguarda più soltanto il modello con il punteggio più alto, ma la combinazione tra intelligenza, costo per task, efficienza in token, capacità agentiche, qualità degli output aziendali e comportamento nei workflow reali. Sol punta alla fascia alta, Terra copre una posizione intermedia e Luna attacca il segmento dei modelli efficienti, dove il prezzo è spesso decisivo per l’adozione su larga scala.
Il risultato è una pressione diretta su tutto il mercato. I modelli cinesi che avevano guadagnato spazio grazie al buon rapporto qualità-prezzo vengono spinti fuori dalla top 10, mentre Grok 4.5 perde posizioni nonostante le buone prestazioni nel coding. OpenAI prova così a ridefinire la frontiera tra performance e costo, portando GPT-5.6 non solo come nuova generazione di modelli, ma come famiglia modulare per agenti, automazione, coding e lavoro aziendale ad alta efficienza.