OpenAI hævder, at deres nye GPT-5.6-model familie gør det væsentligt billigere at køre AI-agenter uden at tabe nævneværdig ydeevne i en række opgaver. I virksomhedens egen gennemgang sammenlignes en søge-benchmark (BrowseComp), hvor GPT-5.5 på det højeste “reasoning”-niveau scorer 84,36 procent til en samlet pris på 33,27 dollar, mens GPT-5.6 Luna på samme “Extra High”-niveau scorer 84,04 procent til 1,33 dollar. OpenAI skriver samtidig, at priserne siden er blevet sat yderligere ned, uden at angive de nye satser i teksten.
I praksis betyder det, at udviklere, der betaler pr. kald og pr. token, kan få samme type resultater for færre penge, hvis de kan flytte dele af arbejdet over på de mindre og billigere 5.6-modeller i stedet for konsekvent at bruge den dyreste “flagship”-model. OpenAI peger på, at Luna og Terra med mere beregningstid “ofte” kan levere på niveau med GPT-5.4 og GPT-5.5, men billigere. Det er en påstand, der i kilden primært underbygges af eksempler på udvalgte benchmarks og “success stories” fra startups, som OpenAI refererer uden at navngive eller dokumentere detaljeret.
Den centrale ændring er ikke kun selve modellen, men også nye styringer i Responses API, som skal gøre det lettere at holde sammen på et længere forløb i en agent, koordinere flere del-agenters arbejde og få modellen til at kalde værktøjer mere systematisk. OpenAI fremhæver blandt andet “programmatic tool calling”, hvor modellen kan skrive JavaScript til at køre værktøjer parallelt og behandle deres output uden at fylde hele kontekstvinduet. Oversat til almindeligt dansk: Mere af det mekaniske arbejde flyttes ud af modelteksten, så man betaler for færre tokens og lader modellen bruge kræfterne på vurderinger frem for mellemregninger.
Kompromiset for danske virksomheder er klassisk: Lavere regning kan kræve mere opsætning. Man skal vælge model pr. delopgave, skrue på “reasoning effort” og bygge en arbejdsgang, hvor værktøjer og mellemtrin håndteres uden for prompten. Det er især relevant for teams med mange forespørgsler eller stramme svartidskrav, mens små projekter ofte vil mærke mest bøvl og mindst gevinst, indtil besparelsen kan måles i egen drift.
Kilde: OpenAI News.
Aktører i artiklen
