GPT-6 Astra, GPT-6.1 Sol en GPT-6 Luna: OpenAI legt uit welk model je waarvoor kiest en wat het kost

OpenAI heeft op 2 oktober 2026 een praktische gids gepubliceerd voor de GPT-6-familie. Het bedrijf noemt GPT-6 zijn meest geavanceerde reeks modellen en biedt drie varianten aan: Astra, Sol en Luna. De gids is geschreven voor ontwikkelaars, maar de kernvraag is er een voor elke ondernemer: welk model past bij welke taak, en wat kost dat?

Welk GPT-6-model kies je?

OpenAI positioneert GPT-6 Astra als het slimste model, bedoeld voor het zwaarste denkwerk. GPT-6.1 Sol noemt het bedrijf geschikt voor complexe programmeertaken, onderzoek en het bedienen van een computer. GPT-6 Luna is de snelle en zuinige variant voor dagelijks, steeds terugkerend werk met een duidelijk doel. Als voorbeelden noemt OpenAI het uitlezen van factuurgegevens, het sorteren van aanvragen en het maken van gestructureerde samenvattingen.

De prijzen liggen ver uit elkaar. Per invoer en uitvoer rekent OpenAI voor Astra 10 en 50 dollar, voor Sol 2 en 10 dollar en voor Luna 0,10 en 0,50 dollar. Die bedragen gelden per miljoen tokens, de eenheden tekst waarin AI-modellen rekenen. Sol zou volgens OpenAI bijna de intelligentie van Astra halen voor een vijfde van de prijs. Dat is een claim van de leverancier zelf. Onafhankelijke vergelijkingen van Sol en Astra staan niet in de bronnen.

Hoe hou je de kosten onder controle?

OpenAI raadt aan om niet alleen het model te kiezen, maar ook hoeveel moeite het model mag steken in een taak. Bij gewone taken zoals feiten uitlezen volstaat een laag niveau. Bij werk dat oordeelsvermogen vraagt, kies je een gemiddeld niveau, en een hoog niveau is voor lastige analyse of nauwkeurige controle. De hoogste standen probeer je volgens OpenAI pas als het hoge niveau tekortschiet, en je houdt ze alleen als de verbetering de extra tijd en kosten rechtvaardigt. Er is ook een snelle modus, die sneller en gelijkmatiger antwoordt tegen een hogere prijs per token. Dat telt bijvoorbeeld voor een chatbot op je site, waar klanten niet willen wachten.

Een tweede hefboom is caching: het hergebruiken van vaste instructies en achtergrondmateriaal bij terugkerend werk. Volgens OpenAI kosten die hergebruikte invoertokens tot 95 procent minder dan nieuwe, afhankelijk van het model. Voor een Luna-taak komt dat neer op 0,01 dollar in plaats van 0,10 dollar. Het advies is om stabiele instructies vooraan te zetten en wisselende details erachter. OpenAI wijst er ook op dat je bij een kostenraming rekening moet houden met het wegschrijven van die cache en met aparte tarieven voor heel lange invoer.

Wie een toepassing live zet, moet volgens de gids eerst testen met representatieve taken. Meet het slagingspercentage, de snelheid en de kosten per geslaagde taak. Dat laatste cijfer is bruikbaarder dan de prijs per token, want een goedkoop model dat vaak faalt, kan duurder uitvallen.

Wat zegt onafhankelijk onderzoek?

Een studie van onderzoekers van de University of Maryland en AWS, besproken door The Decoder, geeft een nuchterder beeld. Ze lieten programmeeragenten vanuit één foto een bewerkbare 3D-scène bouwen in de software Blender. Alle zes geteste GPT-configuraties leverden bijna altijd een werkende scène af, maar de nauwkeurigheid liep sterk uiteen. GPT-6 Astra scoorde het best met 53,4 procent bij binnenscènes en 39,6 procent bij buitenscènes. Zwakkere configuraties kwamen op ongeveer 15 procent.

Opvallend is dat het model zijn eigen werk slecht beoordeelt. Als het moest kiezen welke van twee versies beter bij het origineel paste, zat het rond of onder kansniveau. Zelfs Astra verpestte laat in het proces zijn eigen scène, met een val van 33,9 naar 4,4 procent. Meer rekenruimte hielp wel: op een kantoortest sprong Astra van 32,3 naar 61,8 procent. De onderzoekers besluiten dat verbeteringen moeten steunen op concrete metingen, niet op het oordeel van de agent.

Dat is een testopstelling voor 3D en dus geen directe weerspiegeling van kantoorwerk. Toch past het bij het advies van OpenAI zelf om te meten en te controleren. De bronnen bevatten geen onafhankelijke cijfers over factuurverwerking, klantenservice of marketingteksten.

Wat zeggen de klantvoorbeelden?

OpenAI toont vier bedrijven die Astra gebruiken: Harvey voor juridische concepten, Cognition voor het testen van software, Hex voor dashboards over verkoopkanalen en Invideo voor videomontage. Invideo meldt ongeveer drie keer zoveel succes bij kleurcorrectie, en een paar editors maakten in één dag zo’n 50 effecten. Dat zijn cijfers van het bedrijf zelf, doorgegeven door OpenAI, zonder onafhankelijke controle.

Wat in geen van de bronnen staat: of de modellen in Europese datacenters draaien, wat ze in euro kosten en hoe het zit met gegevensbescherming voor Europese klanten. De gids verwijst alleen naar instellingen voor gegevenscontrole zonder daar details bij te geven.