«GPT для кодинга» — это не одна нейросеть, а семейство из трёх моделей OpenAI: Luna, Terra и Sol. Все три вышли 9 июля 2026 года под общим именем GPT-5.6, и именно на них работают Codex, ChatGPT и платное API OpenAI. Цены на старте — от $1 до $5 за миллион входных токенов; 30 июля OpenAI снизил их для двух младших моделей (Luna — на 80%, Terra — на 20%).
В статье — цены и лимиты семейства, где какая модель доступна, как выбирать под задачу, практика с промптами и честные ограничения. Цифры — «на момент публикации» (август 2026) со ссылками на первоисточники. Про установку самого Codex CLI — в отдельном гиде, здесь речь о моделях.
Семейство GPT-5.6: три модели вместо одной
Анонс вышел 9 июля 2026 года, модели сразу стали доступны в ChatGPT, Codex и API (OpenAI). Главное, что нужно знать про семейство:
- три уровня — Sol (флагман), Terra (баланс «цена/качество»), Luna (самая быстрая и дешёвая);
- у всех трёх — контекст до 1 000 000 токенов и выход до 128 000 токенов;
- срез знаний — 16 февраля 2026;
- режимы рассуждений от none до max, плюс режим ultra — Sol координирует четыре агента параллельно.
Эти характеристики первым разобрал Simon Willison в день релиза:
The new models are priced per 1M input/output tokens as Luna $1/$6, Terra $2.50/$15, Sol $5/$30. All three models have a February 16th 2026 knowledge cutoff, a million token context window, and 128,000 maximum output tokens.
«Новые модели стоят $1/$6 (Luna), $2.50/$15 (Terra) и $5/$30 (Sol) за миллион входных/выходных токенов. У всех трёх — срез знаний от 16 февраля 2026, контекст миллион токенов и максимум 128 000 выходных токенов.»
Цены: стартовые и после снижения 30 июля
Через три недели после релиза OpenAI пересчитал цены вниз — и это важно, потому что большинство обзоров июля до сих пор цитируют старые цифры. 30 июля Luna подешевела на 80%, Terra — на 20%, Sol остался без изменений (OpenAI, 30.07.2026).
| Модель | Роль в кодинге | Цена API за 1М токенов (вход/выход) | Было на старте (09.07.2026) |
|---|---|---|---|
| Luna | быстрая и дешёвая, массовые задачи | $0.20 / $1.20 | $1 / $6 (снижена на 80%) |
| Terra | баланс для повседневной агентной работы | $2 / $12 | $2.50 / $15 (снижена на 20%) |
| Sol | флагман, сложный кодинг, режим ultra | $5 / $30 | $5 / $30 (без изменений) |
Общие для всех трёх: контекст до 1 млн токенов, выход до 128 000 токенов, срез знаний 16.02.2026. Цены API подтверждены в анонсе и странице GPT-5.6.
Почему цены важны для кодинга: одна агентная сессия может прогнать миллионы токенов, и разница между Sol и Luna на одинаковой задаче — порядок величины. При этом по данным OpenAI разрыв в качестве не такой же большой: Terra на кодинговых бенчмарках лишь немного уступает флагману (подробнее — в разделе про ограничения).
Где используются модели GPT-5.6
Семейство — это общий двигатель для всех продуктов OpenAI, доступность зависит от тарифа.
Codex — агент OpenAI, который работает в терминале (CLI), в IDE, десктоп-приложении и вебе на chatgpt.com/codex. Установка и вход разобраны в отдельной статье. По README репозитория:
В Codex модели распределены по планам: Free и Go получают Terra; на Plus, Pro, Business и Enterprise доступны Sol, Terra и Luna с выбором уровня рассуждений; в Codex также доступен режим max, а режим ultra — на планах Plus и выше (анонс OpenAI). CLI по умолчанию стартует на gpt-5.6-sol со средним уровнем рассуждений (документация Codex).
ChatGPT и ChatGPT Work. В чате всё проще: на Free и Go — Terra; на Plus и выше — Sol (с уровнем рассуждений medium и выше), Pro и Enterprise дополнительно получают Sol Pro и ultra (анонс OpenAI).
OpenAI API. Все три модели доступны по токенам — это то, что подключают к своим агентам и CI. Вместе с GPT-5.6 в API появились новые возможности: Programmatic Tool Calling (модель пишет и запускает JavaScript, который оркеструет вызовы инструментов), multi-agent (субагенты в одном запросе, бета) и промпт-кэш с явными breakpoints (Simon Willison, документация). Кэширование — тема, достойная отдельного разбора: чтение из кэша даёт скидку 90%, а запись в кэш тарифицируется с коэффициентом 1.25 к обычной цене входа (анонс OpenAI).
Агенты третьих сторон принимают GPT-5.6 как одну из доступных моделей. В анонсе OpenAI приводят отзывы Cursor, Qodo (ревью PR), Cognition (Devin), Notion, Ramp, Shopify, Cisco и других (анонс) — из них видно, зачем компаниям дешёвые Terra и Luna: массовые фоновые задачи и рутину выгоднее гонять на них, а не на флагмане. Например, в сообщении о снижении цен Ramp называет Luna своей моделью по умолчанию для фоновых агентных автоматизаций (OpenAI, 30.07.2026).
Как выбрать модель под задачу
Практическое правило: чем лучше вы понимаете задачу и чем больше таких задач у вас в потоке, тем дешевле модель вам подходит. Флагман нужен там, где ошибка дорога, а решение неочевидно.
| Задача | Модель | Почему |
|---|---|---|
| тесты к известному модулю, импорт и миграция данных, однотипные правки | Luna | дёшево, быстро, ошибки повторного запуска почти ничего не стоят |
| рефакторинг, ревью кода, работа с чужим кодом, длинные сессии | Terra | баланс; по данным OpenAI сравнима с GPT-5.5 |
| большой рефакторинг, архитектура, долгие автономные сессии, режим ultra | Sol | максимальное качество; ultra запускает 4 агентов параллельно |
Про разницу в ценах на уровне рассуждений: Simon Willison прогнал одну задачу на всех трёх моделях и шести уровнях рассуждений — самый дешёвый вариант (Luna, без рассуждений) стоил 0.71 цента, самый дорогой (Sol, max) — 48.55 цента (Simon Willison, цены на старте). Выбор уровня рассуждений влияет на стоимость сильнее, чем выбор модели.
Дополнительно экономят промпт-кэшем: если контекст повторяется между запросами (например, инструкции проекта или файлы-конвенции), чтение из кэша дешевле на 90%. Настройки кэша с явными breakpoints описаны в документации API.
Практика: промпты и кейсы
Показательный кейс использования флагмана — библиотека alchemy-utils: 12 августа 2026 года Simon Willison поручил Codex и GPT-5.6 Sol Ultra собрать кроссплатформенную версию своей SQLite-библиотеки на SQLAlchemy. Один промпт, методология red/green TDD, движки SQLite/PostgreSQL/DuckDB — к вечеру готовы 164 прошедших теста, CLI и релиз 0.1a0 (разбор кейса).
Промпт из кейса — готовый шаблон для собственных задач:
Do a research spike to see what it would take to build a library with the same
core API as SQLite-utils - in particular the insert and upsert and insert_all
and upsert_all and create and update methods, and the table introspection stuff -
but backed by SQLalchemy so it works for multiple database engines
Test against PostgreSQL and SQLite and duckdb
Use ~/dev/sqlite-utils for reference
Create a git repo for this and commit and early and often - use uv init to start
the project - use red/green TDD and pytest
«Проведи research-spike: оцени, что нужно для библиотеки с тем же ядром API, что у SQLite-utils, — но на SQLAlchemy, чтобы она работала с несколькими движками БД. Проверяй на PostgreSQL, SQLite и DuckDB. Используй ~/dev/sqlite-utils как референс. Создай git-репозиторий и коммить часто; проект начни через uv init; используй red/green TDD и pytest.» (Simon Willison, 12.08.2026)
Что в этом промпте сработало: у задачи есть референс, конкретные движки для проверки, процесс (TDD, git, uv) и образец тестов. Агент смог сам проверить результат, поэтому «выглядит готово» заменилось на «тесты зелёные на трёх движках».
Для API выбор модели — обычный параметр запроса, и разумная стратегия — маршрутизация: сложное (план, архитектура) на Sol, рутину (тесты, миграции) на Luna. Подключение моделей по API-ключу к агентам разобрано на примере Claude Code в статье «Claude Code через API» — механика токенов, лимитов и оплаты та же.
Честные ограничения
Семейство сильное, но без оговорок не обойтись.
Бенчмарки расходятся с практикой. OpenAI заявляет, что на кодинговом индексе Artificial Analysis Coding Agent Index Sol с максимальным уровнем рассуждений набирает 80 баллов — на 2.8 выше Claude Fable 5 (анонс). Но на SWE-Bench Pro тот же Sol получает 64.6% против 80% у Fable 5, и OpenAI сам предупреждает, что примерно 30% задач этого бенчмарка сломаны (цитата у Simon Willison). Лучший критерий — собственная задача с тестами, а не цифры из пресс-релиза.
It’s definitely very competent, though so far it hasn’t struck me as better than Fable at the kind of complex coding tasks I’ve been using with Anthropic’s model.
«Определённо очень компетентная модель, но пока она не показалась мне лучше Fable на тех сложных задачах кодинга, которые я решаю на модели Anthropic.»
Контекст в Codex меньше, чем в API. Заявленные 1 млн токенов — это API; в Codex CLI эффективный контекст на момент публикации около 256 тыс. токенов, и на очень больших кодовых базах агент раньше «забывает» начало сессии (сравнение агентов на Habr). Лечится декомпозицией и свежим контекстом на каждый батч.
Стоимость длинных сессий. Разница между Luna и Sol на одной задаче — порядок величины, а сессии агентов легко съедают миллионы токенов. Контролировать счёт можно дешёвыми моделями для рутины, промпт-кэшем и лимитами расходов.
Переходный период. GPT-5.4 и GPT-5.4 mini при входе через ChatGPT отключаются 31 августа 2026 — их заменяют Terra и Luna (help-центр OpenAI). Автоматизация, завязанная на старые имена моделей, потребует обновления.
Галлюцинации и «правдоподобно, но неверно» остаются общей проблемой всех LLM: агент может убедительно объяснить решение, которое не работает. Проверка тестами и ревью — не опция, а часть процесса (об этом подробнее в «Что такое агентный кодинг»).
Российские реалии
Для работы с моделями OpenAI из России главное ограничение — не качество моделей, а доступ:
- API и платформа. platform.openai.com и API недоступны с российских IP: OpenAI ограничила доступ ещё в декабре 2022 года («ChatGPT: как пользоваться нейросетью в России»). Ключ API нужно создавать с зарубежным номером и картой, работать — через VPN.
- Оплата российскими картами. Visa/Mastercard от российских банков и Mir OpenAI не принимает. Рабочие схемы — виртуальные зарубежные карты, карты банков Казахстана/Грузии/Армении, крипта и посредники; OpenAI при этом отклоняет подозрительные карты и может блокировать аккаунт при входе с российского IP (личный опыт с суммами, Habr).
- Бесплатный план ChatGPT не требует карты — этого достаточно, чтобы попробовать Terra в Codex на скромных лимитах.
- Обходной путь для агентов. Codex CLI можно подключить к российскому инференсу вместо OpenAI — практический разбор переключения на API Яндекса есть на Habr. Сравнение Codex, Claude Code и Kimi на одной задаче, включая доступность и цены, — Habr, август 2026, полный гид по Codex — Habr.
Честно: отдельных русскоязычных разборов именно моделей GPT-5.6 (Luna/Terra/Sol) на момент публикации немного — в рунете тема чаще подаётся через инструменты (Codex, Cursor), а не через модели. Ситуация меняется быстро, поэтому перед покупкой доступа сверяйте цены и доступность на официальных страницах.
Итог
GPT для кодинга — это семейство из трёх моделей одного API: Luna за $0.20/$1.20 на массовые задачи, Terra за $2/$12 на повседневную агентную работу и Sol за $5/$30 на сложное и автономное. После снижения цен 30 июля младшие модели стали главным инструментом для тех, кто гоняет агентов в больших объёмах, а флагман остался для задач, где ошибка дорога.
Практический вывод: выбирайте модель под задачу и уровень рассуждений, используйте промпт-кэш и тесты как критерий готовности. Из России всё упирается не в модели, а в доступ: VPN для API и платформы, зарубежная карта или посредник для оплаты.
Дальше по серии: общая вводная — «Что такое агентный кодинг», установка Codex CLI — «Codex CLI от OpenAI», сравнение моделей и агентов — «Нейросети для программирования» и «Лучший ИИ-агент для кодинга», кейс с Sol Ultra — «Codex и GPT-5.6 Sol Ultra: alchemy-utils».
