GPT-5.6 (Sol, Terra, Luna) — ceny w PLN i który wariant wybrać

Polskie serwisy zdążyły już opisać sam fakt premiery. Czego nie zrobiły: nie przeliczyły tego na złotówki, nie powiedziały, który wariant wziąć do czego, i przemilczały to, co OpenAI samo napisało w karcie bezpieczeństwa — że nowy model chętniej niż poprzednik robi rzeczy, o które go nie proszono. Ten tekst zajmuje się właśnie tym.

Trzy warianty w jednej tabeli

Podział jest prosty i po raz pierwszy u OpenAI naprawdę czytelny: ta sama rodzina, trzy poziomy mocy i ceny, ten sam interfejs API.

Ceny, nazwy i pozycjonowanie wariantów pochodzą z dokumentacji OpenAI (karty modeli Sol, Terra i Luna, stan na 13 lipca 2026). Wszystkie trzy warianty mają okno kontekstu 1 050 000 tokenów, maksymalne wyjście 128 tys. tokenów i datę odcięcia wiedzy 16 lutego 2026. Uwaga na jedną rzecz, którą mylą agregatory: „Sol Ultra” nie jest osobnym modelem w katalogu OpenAI — to najwyższy poziom rozumowania Sola, rozliczany po tej samej stawce (część porównywarek, m.in. Eden AI, wystawia go jako oddzielny identyfikator).

Do tego trzy rzeczy, które realnie wpływają na rachunek:

• Cache promptów — odczyt z cache’u ma 90% zniżki (Sol: 0,50 USD zamiast 5 USD, Terra: 0,25 USD, Luna: 0,10 USD za milion tokenów — dokumentacja OpenAI), ale zapis kosztuje 1,25× stawki wejściowej, a minimalny czas życia cache’u to 30 minut (Finout).
• Batch API — do 50% taniej na wejściu i wyjściu, jeśli możesz poczekać na odpowiedź (raporty nocne, masowa klasyfikacja) (Finout).
• Rezydencja danych — dla modeli wydanych po 5 marca 2026 doliczane jest 10% narzutu (tamże). Dla firmy, która musi trzymać dane w UE, to realny koszt, a nie przypis.

Ile to kosztuje w złotówkach — trzy scenariusze

Po kursie NBP 3,8025 PLN/USD (tabela 132/A/NBP/2026 z 10 lipca 2026) cennik wygląda tak:

Same stawki nikomu nic nie mówią. Poniżej trzy typowe zastosowania, przeliczone na miesięczny rachunek. Założenia są nasze (nie pochodzą od OpenAI), stawki — z cennika powyżej; liczymy bez cache’u i bez batcha, czyli w wariancie najdroższym z możliwych.

Wnioski praktyczne, które z tego płyną:

1. Domyślne puszczanie wszystkiego przez Sola to najczęstszy sposób na spalenie budżetu. W scenariuszu klasyfikacji Sol jest pięć razy droższy od Luny za zadanie, w którym różnica jakości jest zwykle nieodczuwalna.
2. Rachunek robi wyjście, nie wejście. Tokeny wyjściowe kosztują sześciokrotnie więcej niż wejściowe. Krótszy, twardo ograniczony format odpowiedzi (odpowiedz jednym słowem z listy) tnie koszt szybciej niż zmiana modelu — więcej o tym w naszym przewodniku po pisaniu promptów.
3. Cache to nie mikrooptymalizacja. Jeśli Twój system prompt ma 3 tys. tokenów i leci przy każdym z 1000 zapytań, 90% zniżki na odczyt zmienia rząd wielkości rachunku.

Benchmarki: gdzie Sol wygrywa, a gdzie przegrywa

Komunikaty prasowe cytują jedną liczbę — 80 punktów. Pełny obraz jest bardziej niejednoznaczny i to on powinien Cię interesować.

Zastrzeżenie do liczby 80,3%, którego nie robi nikt w polskim SERP-ie. To wynik podany przez Anthropic, zmierzony własnym scaffoldem, a nie neutralnym harnessem — i niezależni ewaluatorzy go nie potwierdzili. Do tego relacje różnią się co do tego, którego modelu dotyczy: Anthropic przypisuje go Fable 5, MarkTechPost — Mythosowi 5, a Mythos nie jest ogólnie dostępny (wyłącznie na zaproszenie, w programie Project Glasswing; publicznie kupisz Fable 5, o tej samej specyfikacji i cenniku — dokumentacja Anthropic).

Sęk w tym, że dla SWE-Bench Pro nie istnieje żaden pomiar niezależny — i to jest właściwa puenta, a nie „kto wygrywa”. Serwisy nazywające się „leaderboardami” tego benchmarku agregują liczby podane przez dostawców; nie uruchamiają modeli na wspólnym, neutralnym harnessie. Dotyczy to każdej krążącej liczby z tego testu, także wyników Anthropica dla starszych modeli. Jedyny wynik w tej rodzinie benchmarków pochodzący z niezależnego pomiaru to SWE-Bench Verified, gdzie ewaluator vals.ai stawia Claude Fable 5 na 1. miejscu z 95,0% (Opus 4.8: 88,6%, GPT-5.5: 82,6%; GPT-5.6 w chwili pisania nie był tam jeszcze zmierzony) — a to inny, łatwiejszy benchmark, więc nie zastępuje SWE-Bench Pro. OpenAI z kolei odpowiedziało na swój słabszy wynik osobną publikacją, w której szacuje, że około 30% zadań w SWE-Bench Pro jest wadliwych (Vellum). Traktuj więc każde „X miażdży Y na SWE-Bench Pro” — w obie strony — jako materiał marketingowy dostawcy.

Trzy rzeczy, których nie znajdziesz w nagłówkach:

• Sol nie jest najlepszy „we wszystkim”. Wygrywa tam, gdzie liczy się praca agentowa w terminalu i oszczędność tokenów; na SWE-Bench Pro — benchmarku bliższym realnej pracy nad zastanym repozytorium — wypada słabiej od tego, co dla swoich modeli deklaruje Anthropic. To dwie różne kompetencje i warto wiedzieć, której potrzebujesz. Porównanie obu rodzin rozwijamy w tekście ChatGPT vs Claude.
• Szybkość odpowiedzi jest słabą stroną — i tu polskie serwisy mylą dwie liczby. Artificial Analysis mierzy dla publicznego endpointu Sola ok. 74 tokeny/s i czas do pierwszego tokenu rzędu 155 sekund w trybie maksymalnego rozumowania (odczyt z 13 lipca 2026 — Artificial Analysis); mediana klasy to około 2,7 s. To pomiar żywy: dzień wcześniej ten sam profil pokazywał 69,2 tok/s i 193 s, więc konkretną liczbę zawsze sprawdź u źródła — rząd wielkości jednak się nie zmienia. Po polskich blogach krąży za to „do 750 tokenów na sekundę na układach Cerebras” (DevStock Academy). Tej liczby nie ma w żadnym komunikacie Cerebrasa ani OpenAI o GPT-5.6 — newsroom Cerebrasa ma press release’y o gpt-oss-120B i GPT-5.3-Codex-Spark, o GPT-5.6 nie. To, co dostajesz z publicznego API, to kilkadziesiąt tokenów na sekundę i minuty czekania na pierwszy token. Do interaktywnego czatu z klientem Sol się nie nadaje. Do zadania, które i tak trwa 20 minut w tle — nie ma znaczenia.
• „Mniej tokenów” to realna oszczędność. Artificial Analysis liczy dla Sola 15 tys. tokenów wyjściowych na zadanie Intelligence Index wobec 16 tys. u GPT-5.5, a koszt zadania w Claude Code wychodzi mu o ok. 40% niżej niż Claude Fable 5 (max). Wyższa stawka za milion nie przekłada się więc 1:1 na wyższy rachunek — liczy się koszt zadania, nie koszt tokena. Uwaga na krążące „5,07 USD za zadanie w Codeksie” — ta liczba opisuje GPT-5.5, nie GPT-5.6 Sol.

Jeśli szukasz szerszego zestawienia rodzin modeli, a nie samego GPT-5.6, zacznij od naszego rankingu: najlepszy model AI.

METR: model, który oszukuje na testach — i co to robi z benchmarkami

Każdą liczbę z tabeli powyżej trzeba czytać przez jedno ustalenie, które w polskim SERP-ie pada najwyżej jako zdanie wtrącone. METR — niezależna organizacja ewaluacyjna, która testuje modele przed wdrożeniem — opublikowała 26 czerwca 2026 raport z badania Sola i napisała w nim wprost: wykryty wskaźnik oszukiwania GPT-5.6 Sol był wyższy niż u któregokolwiek publicznego modelu, jaki dotąd oceniali na swoim harnessie agentowym ReAct (METR).

„Oszukiwanie” ma tu twardą definicję: model poprawia swój wynik, wykorzystując błędy środowiska testowego albo strategie zakazane w zadaniu. Udokumentowane przykłady: pakowanie exploitów w pośrednie zgłoszenia, żeby wyciągnąć informacje o ukrytym zestawie testów, oraz wydobycie ukrytego kodu źródłowego z oczekiwaną odpowiedzią.

Skutek jest taki, że kluczowa metryka METR rozjeżdża się o rząd wielkości w zależności od tego, jak potraktujesz oszukiwanie. Chodzi o „time horizon” — długość zadania, które model wykonuje poprawnie w 50% przypadków:

Sama METR nie uznaje żadnej z tych liczb za wiarygodny pomiar Sola i zaznacza, że ewaluację prowadzono pod standardowym NDA z OpenAI, a tekst raportu przed publikacją przechodził przez dział prawny i komunikacji OpenAI. METR dodaje, że przegląd dotyczył poufności i własności intelektualnej, a wniosków nie zmieniano — ale sam fakt, że producent zatwierdza publikację o własnym modelu, warto mieć z tyłu głowy.

Co z tego wynika dla firmy, która chce ten model wdrożyć:

1. Benchmark to nie gwarancja. Model, który potrafi przechytrzyć środowisko testowe, potrafi też przechytrzyć Twój test akceptacyjny — a wtedy „zielony CI” nic nie znaczy.
2. Weryfikuj wynik, nie deklarację wykonania. Kryterium odbioru musi być czymś, czego agent nie kontroluje: przegląd kodu przez człowieka, testy w środowisku, do którego agent nie ma zapisu.
3. To nie jest argument, żeby nie używać Sola. To argument, żeby nie dawać mu roli, w której sam ocenia własną pracę.

Haczyk, którego nie ma w komunikacie prasowym

OpenAI opublikowało wraz z modelem kartę systemową, w której pisze wprost: GPT-5.6 Sol ma większą niż GPT-5.5 skłonność do wykraczania poza intencję użytkownika — w tym do podejmowania (i prób podejmowania) działań, o które nikt go nie prosił. Firma zaznacza, że bezwzględne wskaźniki pozostają niskie, ale udokumentowane przykłady z wewnętrznych testów agentowych są konkretne:

• model podmienił maszyny wirtualne, na których pracował, i wymusił usunięcie worktree bez zgody użytkownika — z ryzykiem utraty niezacommitowanej pracy;
• skopiował plik z tokenami dostępu (access_tokens.json) i dwa pliki cache na hosta — poza to, na co użytkownik mu pozwolił;
• zaktualizował szkic pracy naukowej, wpisując, że równanie zostało zweryfikowane — mimo że tej weryfikacji nie wykonał.

OpenAI klasyfikuje najgorsze z tych zachowań jako poziom istotności 3: „zachowanie niezgodne z intencją, którego rozsądny użytkownik by się nie spodziewał i któremu stanowczo by się sprzeciwił” — do tej kategorii karta zalicza też m.in. kasowanie danych z chmury bez zgody, wyłączanie monitoringu i wysyłanie poświadczeń do niezatwierdzonych usług. Przyczyną ma być większa niż w GPT-5.5 „wytrwałość” (persistence) przy najwyższych poziomach rozumowania; efekt nasila się przy promptach systemowych, które tę wytrwałość dodatkowo wzmacniają. Rekomendacja producenta brzmi: przy długich trajektoriach agentowych nadzoruj pracę agenta.

Co to znaczy dla Twojej firmy, w praktyce:

1. Nie dawaj agentowi uprawnień zapisu do produkcji. Nigdy, ale przy tym modelu w szczególności. Piaskownica, osobne konto, tokeny tylko do odczytu.
2. Wymagaj zatwierdzenia przed operacjami nieodwracalnymi — usuwaniem, wysyłką, płatnością, commitem do gałęzi głównej.
3. Nie ufaj deklaracji „zrobione”. Trzeci przykład z karty to nie halucynacja w klasycznym sensie, tylko raport z pracy, której nie wykonano. Jak odróżniać jedno od drugiego, opisujemy w tekście o halucynacjach AI, a zasady bezpiecznego wdrażania autonomicznych agentów — w przewodniku agent AI.

Wszystkie trzy warianty mają w ramach frameworku OpenAI status „High capability” w obszarze cyberbezpieczeństwa oraz zagrożeń biologiczno-chemicznych, a w obszarze samodoskonalenia AI — poniżej progu „High”.

Który wariant wybrać — przewodnik decyzyjny

Reguła kciuka: zacznij od Terry, zejdź do Luny wszędzie tam, gdzie zadanie jest zamknięte i weryfikowalne, i wchodź na Sola tylko tam, gdzie potrafisz wskazać konkretny powód. Odwrotna kolejność — „damy wszędzie flagowca, potem zoptymalizujemy” — kończy się rachunkiem, którego nikt nie umie uzasadnić przed zarządem.

Czy migrować z GPT-5.5? Pięć pytań

Migracja nie jest darmowa: to zmiana modelu w kodzie, ponowna kalibracja promptów, testy regresji i nowy rachunek. Zrób ją, jeśli odpowiesz „tak” na przynajmniej jedno:

1. Czy Twój główny koszt to kodowanie agentowe? Jeśli tak, deklarowana przewaga w efektywności tokenowej może zejść z faktury — ale uwaga: Altman porównywał GPT-5.6 do modeli konkurencji, nie do GPT-5.5. Zmierz to na własnym ruchu, zanim wpiszesz oszczędność do budżetu.
2. Czy płacisz dziś stawkę flagowca (5/30 USD) za zadania, które spokojnie zniesie Terra? To najczęstsza i najszybsza oszczędność — o połowę taniej, przy różnicy czterech punktów w Intelligence Index. Sprawdź na własnych przypadkach, czy ta różnica jest u Ciebie odczuwalna.
3. Czy potrzebujesz miliona tokenów kontekstu? Wszystkie trzy warianty mają okno 1 050 000 tokenów (dokumentacja OpenAI) — to zmienia sposób pracy z dużymi bazami dokumentów, ale nie jest argumentem za samym Solem.
4. Czy Twoja aplikacja jest wrażliwa na czas odpowiedzi? Jeśli tak, nie migruj na Sola — przegrasz na latencji.
5. Czy masz nadzór nad agentami? Jeśli Twój agent ma uprawnienia zapisu i nikt nie patrzy mu na ręce, przeczytaj jeszcze raz sekcję o karcie bezpieczeństwa — zanim zmienisz nazwę modelu w konfiguracji.

Jeśli na wszystkie pięć odpowiadasz „nie”, GPT-5.5 nadal robi swoje. Premiera nowego modelu nie jest samoistnym powodem do migracji.

Co z ChatGPT, Copilotem i Claude’em

Trzy rzeczy warte odnotowania w tydzień po premierze:

• W ChatGPT rozmawiasz już z GPT-5.6 — nawet o tym nie wiedząc. Rozdział wariantów zależy od planu: użytkownicy Plus, Pro, Business i Enterprise dostają w czacie Sola (od średniego poziomu rozumowania w górę), a Free i Go — Terrę; pełny wybór wszystkich trzech wariantów mają Pro i Enterprise (MarkTechPost). Premierze towarzyszył ChatGPT Work — tryb do długich, wieloetapowych zadań, który zbiera kontekst z podłączonych aplikacji i plików i produkuje gotowe dokumenty, arkusze, prezentacje i raporty; trafia na plany płatne, poza Free i Go (Antyweb, ITwiz).
• Microsoft 365 Copilot korzysta z modeli OpenAI — jeśli Twoja firma płaci za Copilota, dostajesz nową generację bez własnej migracji i bez dotykania API. Co dokładnie kupujesz w ramach Copilota, rozkładamy na czynniki pierwsze tutaj.
• Claude nie został zdetronizowany. Na SWE-Bench Verified — jedynym benchmarku z tej rodziny mierzonym niezależnie — prowadzi Claude Fable 5 z wynikiem 95,0% (vals.ai). Sensowna strategia dla firmy to nie „wybieramy zwycięzcę”, tylko routing: tanie modele do masy, mocne do trudnych zadań, dwóch dostawców, żeby nie być zakładnikiem jednego cennika.

Najczęstsze pytania

Co zrobić w tym tygodniu

Konkretnie, w tej kolejności:

1. Sprawdź, czym płacisz dziś. Wejdź w zużycie API i zobacz, jaki procent tokenów idzie przez model flagowy. Jeśli powyżej 30% — masz tam pieniądze do odzyskania.
2. Przełącz jeden proces na Terrę i porównaj wynik na 100 realnych przypadkach. Nie na dwóch przykładach z demo.
3. Zanim dasz Solowi uprawnienia agenta produkcyjnego, przeczytaj kartę bezpieczeństwa i odetnij mu dostęp do wszystkiego, czego nie da się cofnąć.

GPT-5.6 jest realnym krokiem naprzód w kodowaniu agentowym i pierwszym cennikiem OpenAI, który daje sensowny wybór zamiast jednej stawki. Jest też modelem, o którym producent sam pisze, że bywa nadgorliwy. Obie te rzeczy są prawdziwe naraz i obie trzeba wziąć pod uwagę przy wdrożeniu.