OpenAI GPT-5.6 Luna Terra prisnedsættelse

Prisfaldet rammer ikke hele GPT-5.6-serien ens. Luna er den model, OpenAI typisk positionerer til høj volumen og lav kompleksitet, tekstklassificering, kortere resuméer, chatbot-svar, hvor svaret ikke kræver dyb ræsonnering. Med en prisreduktion på 80 procent, til 1,40 dollar per million tokens samlet for input og output, bliver Luna nu markant billigere at køre i skala end tidligere. Det gør det attraktivt at flytte opgaver fra Terra ned til Luna, hvis kvaliteten holder, og jeg har selv flyttet den type opgaver mellem modeller hos kunder, når prisbilledet har ændret sig så meget.

Terra falder mindre, 20 procent til 14 dollar per million tokens, hvilket signalerer, at OpenAI stadig ser Terra som en mellemmodel med reel efterspørgsel til opgaver, der kræver mere kontekst og ræsonnering end Luna kan levere, men hvor Sol er overkill. Den asymmetriske prisjustering er ikke tilfældig. Den fortæller noget om, hvor OpenAI selv placerer værdien i deres egen modelstak, og hvor konkurrencen presser hårdest.

Mens Luna og Terra bliver billigere, går Sol Fast-mode i modsat retning. Det er den variant af den tungeste model i serien, der er optimeret til lav latenstid frem for lavest mulig pris. Her betaler man en præmie for hastighed, ikke for kvalitet i sig selv, hvilket er en anden type produktbeslutning end de rene prisfald på Luna og Terra.

Det giver mening, hvis man ser det som segmentering snarere end en samlet prisstrategi. OpenAI presser prisen ned, hvor volumen og konkurrence er størst, og lader prisen stige, hvor kunder betaler for en specifik egenskab, i dette tilfælde responstid. Jeg har agenter i drift, der rammer den samme afvejning: for realtidsapplikationer, kundeservice-chat eller andre steder, hvor ventetid koster konvertering, er den højere pris formentlig stadig værd at betale. Men det er en beslutning, der bør tages bevidst og ikke som en standardindstilling.

Det brede billede, som VentureBeat tegner på tværs af over 20 frontier-modeller, er, at prisen på AI-modeller generelt er faldet markant over de seneste år, drevet af konkurrence mellem OpenAI, Anthropic, Google og en række lavprisudbydere som DeepSeek og Xiaomi, der alle kæmper om den samme volumen af API-kald. Med Luna-prisfaldet til 1,40 dollar per million tokens lukker OpenAI en del af det gap, der har ligget mellem deres billigste model og de lavprismodeller, DeepSeek og Xiaomi har sat markedsstandarden for.

Det ændrer ikke fundamentalt på, hvordan virksomheder bør vælge model. Jeg siger det samme til kunder hver gang: valget bør stadig tage udgangspunkt i opgavens kompleksitet, ikke i hvilken udbyder der har den laveste listepris i denne uge. Men prisfaldet gør det mere attraktivt at lade Luna tage en større andel af den samlede arbejdsbyrde, fordi omkostningen ved at bruge en for kraftig model til en simpel opgave nu er endnu tydeligere.

Vi arbejder med større AI-projekter for danske virksomheder, fra problemafklaring til drift, og et af de mønstre, jeg ser gå igen, er, at virksomheder sjældent genbesøger deres modelvalg, når priserne ændrer sig. Man vælger en model tidligt i et projekt og bliver ved med at bruge den, selv når markedet har flyttet sig markant under fødderne på en.

Det giver konkret mening at gennemgå, hvilke af jeres AI-arbejdsgange der i dag kører på Terra eller Sol, men reelt kunne løses lige så godt af Luna nu, hvor prisen er faldet 80 procent til 1,40 dollar per million tokens. Klassificering, enkel tekstbehandling, kortere svar til supportfunktioner er typiske kandidater. Omvendt er det værd at se kritisk på, om Sol Fast-mode giver mening for jeres brug, eller om I betaler en hastighedspræmie, I reelt ikke har brug for.

Det handler ikke om at jagte den billigste model for enhver pris. Det handler om at matche modelvalget til opgavens faktiske krav, og om at genoverveje det valg, hver gang markedet flytter sig så meget, som det har gjort her (kilde: VentureBeat). For virksomheder med flere modeller i drift på tværs af forskellige workflows kan et samlet eftersyn af TCO'en på AI-infrastrukturen let vise besparelser, der langt overstiger den tid, det tager at gennemgå det.