OpenAI maakt zijn goedkoopste model vijf keer goedkoper

Samenvatting:

• OpenAI verlaagde op 30 juli de prijs van GPT-5.6 Luna met 80 procent, naar 20 dollarcent per miljoen invoertokens en 1,20 dollar per miljoen uitvoertokens. Terra werd 20 procent goedkoper, Sol bleef gelijk.
• Luna is nu goedkoper dan Googles Gemini 3.1 Flash-Lite en op invoer vijf keer zo goedkoop als Claude Haiku 4.5. Tot donderdag kostten die twee hetzelfde.
• Het lab zegt dat zijn eigen topmodel de besparing vond door de serverkant te optimaliseren: 20 procent lagere kosten per verzoek.
• De recordclaim uit dezelfde week houdt minder goed stand. Op ARC-AGI-3 scoort hetzelfde model 38,3 procent in OpenAI's eigen opstelling en 7,8 procent in de officiële.
• De lijn: de prijs kun je natrekken op je factuur, de benchmark niet.

Twintig dollarcent per miljoen invoertokens. Dat is wat GPT-5.6 Luna sinds donderdag kost, na een prijsverlaging van 80 procent. Uitvoer ging van zes dollar naar 1,20 per miljoen tokens.

Het middenmodel Terra werd 20 procent goedkoper, naar 2 dollar invoer en 12 dollar uitvoer. Sol, het duurste model, bleef staan waar het stond.

Dit is de derde prijsverlaging in tien dagen tijd, na Gemini 3.1 Flash en Opus 5. Er is een prijzenoorlog gaande in de goedkope categorie, en die is nu bij de onderste prijsklasse aangekomen.

Luna duikt onder Google en ver onder Anthropic

De vergelijking maakt het scherp. Gemini 3.1 Flash-Lite van Google kost 25 dollarcent invoer en 1,50 dollar uitvoer. Luna zit daar nu onder. Claude Haiku 4.5 van Anthropic staat op 1 dollar invoer en 5 dollar uitvoer, waarmee het op invoer vijf keer zo duur is geworden als Luna. Tot donderdag kostten die twee hetzelfde.

Ontwikkelaar Simon Willison, die AI-modellen al jaren op prijs en gedrag vergelijkt, verplaatste zijn publieke demo-agent meteen van Flash-Lite naar Luna.

"Completely changes the landscape with respect to lower priced models."

— Simon Willison, over de prijsverlaging van Luna (bron)

OpenAI rekent zelf voor dat een taak die bij de vorige generatie een dollar kostte, nu op ongeveer zes dollarcent uitkomt, en bijna negen keer sneller klaar is (The Decoder). Dat is een som van de maker over zijn eigen product, dus neem hem voor wat hij is. Maar de lijstprijzen zijn openbaar, en die liegen niet.

Waar die druk vandaan komt is geen raadsel. De goedkope Chinese aanbieders zitten al maanden onder de Amerikaanse prijzen, en Microsoft duwt inmiddels zijn eigen MAI-modellen naar klanten die anders bij OpenAI zouden inkopen.

Het model betaalde zijn eigen prijsverlaging

De verklaring die OpenAI erbij geeft is opvallender dan het getal. Het lab zette Sol, zijn duurste en sterkste model, aan het werk op de eigen infrastructuur. Sol zocht naar werk dat vooraf berekend, overgeslagen of parallel gedaan kon worden.

"These efforts... reduced end-to-end serving costs by 20%."

— OpenAI, over het inzetten van GPT-5.6 Sol op de eigen infrastructuur (bron)

De snelheid waarmee tokens gegenereerd worden ging met ruim 15 procent omhoog, via een techniek waarbij een klein model alvast een gok doet die het grote model daarna goedkeurt of afkeurt.

Voor jouw factuur maakt het niet uit hoe die winst tot stand kwam. Voor je inschatting van het tempo wel. Als een lab zijn beste model op zijn eigen kosten kan zetten en er een vijfde af haalt, dan is de kans klein dat dit de laatste verlaging van dit kwartaal was.

De recordclaim uit dezelfde week houdt geen stand

Dan het deel waar ik minder enthousiast van word. OpenAI meldde deze week dat GPT-5.6 Sol 38,3 procent haalt op ARC-AGI-3, een test die meet hoe goed een model onbekende puzzels leert oplossen. Claude Opus 5 staat daar op 30,2 procent. Een record dus.

Alleen: dat cijfer komt uit een opstelling die OpenAI zelf koos, met twee eigen API-instellingen aan. De ene bewaart de redeneerstappen tussen beurten, de andere vat oude context samen in plaats van hem weg te gooien. In de officiële testopstelling van ARC Prize kwam hetzelfde model niet verder dan 7,8 procent.

Dat is geen klein verschil. Dat is een factor vijf.

ARC Prize-medeoprichter François Chollet trekt de grens bij instellingen die voor iedereen beschikbaar zijn en niet speciaal voor deze test zijn gebouwd. Die mogen. Een testopstelling die je speciaal voor de benchmark in elkaar zet, niet. Hij geeft toe dat er veel heen en weer is gegaan met OpenAI over de juiste manier van meten, vooral over dat samenvatten van context.

Wat mij betreft is dit precies waarom je een scorebord nooit als inkoopcriterium moet gebruiken. Twee getallen over hetzelfde model, in dezelfde week, met een factor vijf ertussen. Het verschil zit niet in het model maar in de meetopstelling, en die kiest de partij met het meeste belang bij de uitkomst.

De prijsverlaging kun je zelf natrekken op je eigen factuur. De benchmark niet.

Wat je hiermee doet

Twee dingen, en het eerste kost je een middag.

Zoek de drie taken op die je het vaakst door een groot model haalt en waar het minste oordeel bij komt kijken. Denk aan het sorteren van inkomende mail, het samenvatten van verslagen, het uit documenten trekken van velden. Dat is het werk dat naar de onderste prijsklasse kan. Draai het een week lang naast elkaar op je huidige model en op Luna, met dezelfde honderd voorbeelden, en vergelijk de uitkomsten met de hand. Ziet niemand het verschil, dan houd je de goedkope versie.

Het tweede punt is structureel. Zet de modelnaam in je instellingen, niet in je code of je prompts. In tien dagen tijd bewogen de prijzen bij drie leveranciers. Wie zijn keuze heeft vastgetimmerd, kan die beweging niet volgen en betaalt de rekening van vorige maand nog even door.

De labs vechten nu om de bodem van de markt. Dat is goed nieuws, zolang je kunt bewegen.

Volgende Stap

De vraag die ik het vaakst krijg is niet welk model het beste is, maar welk werk je aan welk model geeft. Dat is een keuze over processen en risico, niet over benchmarks.

Wil je die verdeling een keer samen doorlopen voor je eigen organisatie? Neem contact op.