O preço do GPT-5.6 Luna caiu 80% na API: a entrada passou de US$ 1 para US$ 0,20 por milhão de tokens, enquanto a saída caiu de US$ 6 para US$ 1,20. A redução é real e já aparece na documentação oficial, mas não significa mensalidade menor no ChatGPT. Para quem opera automações de marketing, SEO ou conteúdo em alto volume, a mudança pode alterar quais tarefas valem a pena colocar em produção.
Resumo rápido
- O GPT-5.6 Luna agora custa US$ 0,20 na entrada e US$ 1,20 na saída por milhão de tokens.
- O corte de 80% vale para a API; assinaturas e cotas do ChatGPT e do Codex não ficaram 80% mais baratas.
- O ganho aparece melhor em classificação, extração, triagem, padronização e outros fluxos repetitivos de grande volume.
- Antes de migrar, compare qualidade, latência, tokens de raciocínio e custo por tarefa concluída — não só o preço nominal.
Preço do GPT-5.6 Luna cai 80% na API
A OpenAI anunciou a redução em 30 de julho de 2026. No comunicado sobre preço e desempenho do GPT-5.6, a empresa atribui a mudança a ganhos de eficiência na execução dos modelos, no software de produção e no gerenciamento de contexto.
A documentação do GPT-5.6 Luna já mostra US$ 0,20 por milhão de tokens de entrada, US$ 0,02 para entrada em cache e US$ 1,20 para saída. A Axios confirmou os mesmos valores e observou que o corte ocorreu apenas três semanas depois do lançamento geral da família GPT-5.6.
| Modelo | Preço anterior | Novo preço | Mudança |
|---|---|---|---|
| GPT-5.6 Luna | US$ 1 entrada / US$ 6 saída | US$ 0,20 entrada / US$ 1,20 saída | -80% |
| GPT-5.6 Terra | US$ 2,50 entrada / US$ 15 saída | US$ 2 entrada / US$ 12 saída | -20% |
| GPT-5.6 Sol | US$ 5 entrada / US$ 30 saída | US$ 5 entrada / US$ 30 saída | Sem alteração |
O detalhe que evita uma conclusão errada: o corte é no preço por token da API. A OpenAI informou que preços de assinatura e orçamentos de cota do ChatGPT e do Codex permanecem iguais; Terra e Luna apenas passam a consumir menos créditos nos produtos pagos.
Quanto a redução economiza em uma operação real?
Considere um fluxo mensal que envie 100 milhões de tokens de entrada e gere 20 milhões de tokens de saída. No preço antigo, a conta de tokens seria de US$ 220: US$ 100 pela entrada e US$ 120 pela saída.
Com o novo preço do GPT-5.6 Luna, o mesmo volume nominal custa US$ 44: US$ 20 pela entrada e US$ 24 pela saída. A economia é de US$ 176, exatamente 80%, antes de considerar cache, contexto longo e eventuais ferramentas cobradas à parte.
Simulação menor para conferir a conta
Com 10 milhões de tokens de entrada e 2 milhões de saída, o custo cai de US$ 22 para US$ 4,40. A fórmula é simples: volume em milhões multiplicado pelo preço de entrada, somado ao volume de saída multiplicado pelo preço de saída.
Essa simulação ajuda no orçamento, mas não substitui um teste. Modelos de raciocínio podem gerar tokens internos e saídas de tamanhos diferentes. Um modelo nominalmente barato pode custar mais se precisar de várias tentativas; outro mais caro pode resolver a tarefa de primeira. A métrica útil é custo por resultado aprovado.
Quais tarefas de marketing combinam com o Luna?
O Luna foi posicionado para cargas sensíveis a custo e de alto volume. Em marketing, isso favorece tarefas com regra clara, grande repetição e resultado fácil de validar. O modelo também aceita ferramentas e fluxos de várias etapas, mas preço baixo não elimina a necessidade de limites e revisão.
| Bom ponto de partida | Exige comparação ou revisão forte |
|---|---|
| Classificar termos de busca por intenção | Definir estratégia de campanha e orçamento |
| Extrair entidades, produtos, cidades e atributos | Tomar decisão que afeta conta, acesso ou dados |
| Agrupar palavras-chave e sugerir taxonomia | Publicar conteúdo sem revisão editorial |
| Resumir relatórios e padronizar campos | Responder a tema jurídico, financeiro ou sensível |
| Gerar primeiras variações para teste | Escolher sozinho a mensagem final da marca |
Para conteúdo, a redução pode tornar viável processar inventários inteiros: identificar páginas órfãs, sugerir agrupamentos, extrair padrões de títulos ou montar uma fila de revisão. Isso complementa uma estratégia de SEO com inteligência artificial, mas não transforma geração em massa em estratégia.
Em criação social, o modelo barato pode produzir rascunhos estruturados a partir de processos já definidos, como os exemplos de prompts para Reels no Instagram e de prompts para roteiros de vídeo. A aprovação humana continua responsável por fatos, tom, oferta e adequação à plataforma.
O ChatGPT ficou 80% mais barato?
Não. A redução anunciada se aplica aos preços de uso do Luna e do Terra na API. A mensalidade dos planos do ChatGPT não caiu 80%, e a OpenAI afirmou que os preços das assinaturas e os orçamentos de cota permaneceram inalterados.
Há um efeito indireto em ChatGPT Work e Codex: o uso de Terra e Luna passa a consumir menos créditos dentro das assinaturas pagas. Isso pode aumentar o volume prático que cabe na cota, mas não é a mesma coisa que reduzir a mensalidade ou liberar uso ilimitado.
O Luna substitui Terra e Sol?
Também não. A própria OpenAI recomenda escolher o nível de inteligência conforme resultado esperado, custo do erro, urgência e escala. O Luna ganha força na execução de tarefas bem delimitadas; Terra ocupa o meio-termo; Sol continua voltado aos problemas mais complexos.
Em um fluxo de conteúdo, por exemplo, um modelo mais forte pode definir critérios de auditoria e resolver ambiguidades. Depois, o Luna pode aplicar esses critérios a milhares de URLs. O ganho vem do roteamento: usar inteligência mais cara só onde ela muda o resultado.
Cuidado com a economia aparente: migrar tudo sem avaliação pode trocar custo de API por custo de retrabalho. Compare amostras aprovadas, taxa de erro e necessidade de reprocessamento antes de ampliar o volume.
Como testar o novo preço sem trocar tudo?
- Escolha uma tarefa conhecida. Use um lote com resultados que sua equipe já sabe avaliar.
- Defina critérios antes do teste. Meça precisão, completude, formato, latência e custo por item aprovado.
- Rode a mesma amostra. Compare Luna com o modelo atual usando instrução, ferramentas e limites equivalentes.
- Registre consumo real. Separe entrada, cache, saída, chamadas de ferramentas e reprocessamentos.
- Escale em etapas. Comece com baixo risco e mantenha aprovação humana para publicação, orçamento, acesso e exclusão.
A documentação oficial também traz uma condição importante: prompts com mais de 272 mil tokens têm preço de entrada multiplicado por 2 e de saída por 1,5 para toda a solicitação. Em automações longas, gerenciar contexto pode importar tanto quanto o valor-base.
Checklist antes de migrar
- Existe um conjunto de teste com resposta esperada?
- O erro é fácil de detectar antes de chegar ao público?
- O prompt reaproveita cache e evita reenviar contexto inútil?
- O fluxo limita ferramentas, escrita e ações irreversíveis?
- O painel mede custo por tarefa aprovada, não apenas por token?
Leia também no Trafego
Veja como aplicar IA em SEO com critério, monte prompts práticos para Reels e melhore seus roteiros de vídeo com ChatGPT.
Última revisão: 31 de julho de 2026. Valores conferidos no anúncio e na documentação oficial da OpenAI, com confirmação independente da Axios. Preços de API podem mudar; verifique a página oficial antes de fechar orçamento.
Perguntas frequentes
Qual é o novo preço do GPT-5.6 Luna?
Na API padrão, o GPT-5.6 Luna custa US$ 0,20 por milhão de tokens de entrada, US$ 0,02 por milhão de tokens de entrada em cache e US$ 1,20 por milhão de tokens de saída. Os valores começaram a valer em 30 de julho de 2026.
A redução de 80% vale para o ChatGPT?
Não. O corte de 80% é no preço do Luna na API. Assinaturas e orçamentos de cota do ChatGPT e do Codex permanecem iguais, embora Terra e Luna consumam menos créditos nos planos pagos.
O GPT-5.6 Terra também ficou mais barato?
Sim. O Terra caiu 20%: passou para US$ 2 por milhão de tokens de entrada e US$ 12 por milhão de tokens de saída. O preço do GPT-5.6 Sol não mudou.
Contextos longos custam o mesmo?
Não. Segundo a documentação oficial, prompts acima de 272 mil tokens recebem multiplicador de 2 vezes na entrada e 1,5 vez na saída para a solicitação inteira. Por isso, compactação e cache continuam relevantes.
Conclusão
A queda de 80% torna o GPT-5.6 Luna uma opção muito mais séria para automações de alto volume. O melhor uso, porém, não é migrar tudo por impulso: é medir onde o modelo mantém a qualidade, reduzir contexto desperdiçado e reservar modelos mais fortes para decisões em que o erro custa caro.
Você já calcula custo por tarefa aprovada nas suas automações? Conte nos comentários qual fluxo faria sentido testar primeiro.
