Den 30. juli sænkede OpenAI prisen på GPT-5.6 Luna med præcis 80 % og på Terra med 20 %. Der var gået 21 dage siden lanceringen.
Rabatten er ægte, den er stor, og den flytter grænsen for hvilke AI-projekter der kan betale sig. Men mellem sætningen om at tokenprisen faldt 80 % og sætningen om at jeres AI blev 80 % billigere ligger der en håndfuld detaljer, som afgør om du reelt sparer penge. Vi tager begge dele.
| Model | Pris 9. juli | Pris 30. juli | Ændring |
|---|---|---|---|
| GPT-5.6 Luna | $1 / $6 | $0,20 / $1,20 | −80 % |
| GPT-5.6 Terra | $2,50 / $15 | $2 / $12 | −20 % |
| GPT-5.6 Sol Standard | $5 / $30 | $5 / $30 | Uændret |
| GPT-5.6 Sol Fast | (hed Priority Processing) | $10 / $60 | 2× Standard |
USD pr. million input- og outputtokens, short context, direkte API-adgang. Kilde: OpenAIs prisdokumentation.
Regnestykket holder hele vejen. (1,00 − 0,20) / 1,00 giver 80 %. (2,50 − 2,00) / 2,50 giver 20 %. Det er ikke afrundede marketingtal, men de faktiske takster før og efter.
De tre modeller i GPT-5.6-familien er positioneret efter opgavetyngde: Sol til de svære opgaver, Terra som mellemtrin, Luna som den hurtigste og billigste. Sol beholder sin pris og får i stedet en ny Fast mode, som erstatter Priority Processing: samme model, op til 2,5 gange hurtigere, dobbelt pris.
Det usædvanlige er timingen. Prisfald på frontier-modeller plejer at komme måneder efter en lancering, når kapaciteten er indkørt og konkurrenterne har svaret. Her gik der tre uger. Axios peger på, at billigere kinesiske open-weight-modeller lægger pres på både OpenAI og Anthropic, og at kunderne lige nu interesserer sig mere for pris end for benchmarks. Det mønster har vi set før i år med prisfald hos konkurrerende modeller.
En Luna-forespørgsel med 2.000 input- og 100 outputtokens koster nu omkring en halv tusindedel dollar. Det lyder som en teknikalitet. Det er det ikke.
Ved den pris skifter en hel kategori af opgaver status fra at være for dyre til at være billigere end at lade være. Klassifikation af indgående mails. Udtræk af felter fra tusindvis af PDF-filer. Kategorisering af supporthenvendelser. Førstegangsvurdering af leads. Opgaver, hvor volumen tidligere gjorde regnestykket umuligt, og hvor man derfor enten lod være eller satte et menneske til det. Automatisering af workflows med AI får pludselig en helt anden business case.
Replits CTO kalder Luna det tætteste, de er kommet på intelligens der er for billig til at måle. Det er en kundeudtalelse valgt af OpenAI selv, ikke en uafhængig måling. Men retningen er reel nok. Når marginalprisen på en simpel AI-opgave nærmer sig nul, holder man op med at budgettere den enkeltvis.
Så lad os sige det uden forbehold, inden vi begynder at nuancere: adgangen til brugbar AI blev markant billigere på én dag.
Dagen før prisannonceringen udgav OpenAI en teknisk gennemgang af, hvordan de har sænket omkostningen ved at levere modellerne. Den forklarer både hvad der er sket, og hvad der ikke er sket. Du behøver ikke skrive kode for at få noget ud af den.
GPU-kernels. Kernels er den lavniveaukode, der udfører modellens regneoperationer på grafikkortene. Flaskehalsen er sjældent antallet af udregninger, men hvor meget data der flyttes rundt undervejs. OpenAI skriver, at GPT-5.6 Sol via Codex selv omskrev og optimerede produktionskernels i programmeringssprogene Triton og Gluon, og at arbejdet sænkede de samlede serveringsomkostninger med 20 %.
Speculative decoding. Her lader man en lille, hurtig model gætte de næste tokens, som den store model derefter godkender eller forkaster i ét hug. Rammer gættene rigtigt, får man flere ord ud pr. dyr beregning. OpenAI siger, at Sol designede og kørte flere hundrede eksperimenter på den lille models arkitektur og forbedrede tokengenereringens effektivitet med over 15 %.
Routing og harness. Requests fordeles smartere på tværs af geografi og hardware. Og den agentiske harness, altså det lag i opbygningen af en AI-agentstak der styrer modellens værktøjer og hukommelse, sender mindre unødvendig kontekst rundt i Codex og ChatGPT Work. Værktøjer vises først når de skal bruges, tool-output er som standard skåret til 10.000 tokens, og historikken er append-only, så prompt-cachen bliver ved med at ramme. OpenAI nævner selv 30 modelkald som et realistisk tal for én agentisk brugeropgave. En lille besparelse pr. kald bliver hurtigt til en stor besparelse.
Det er en god historie, og den er teknisk troværdig. Tre præciseringer hører med.
For det første: processen er menneskeledet. Ordet autonomt dækker over, at modellen løste konkrete, afgrænsede optimeringsopgaver under opsyn. Det er ikke en model, der ændrede sine egne vægte eller besluttede sin egen retning.
For det andet: 20 % og 15 % må ikke lægges sammen. De to tal måler forskellige ting mod forskellige baselines, og OpenAI oplyser ikke, hvor meget de overlapper. 35 % findes ikke i kilderne.
For det tredje, og vigtigst: en oplyst omkostningsforbedring på 20 % forklarer ikke et prisfald på 80 %. Terras 20 % passer nogenlunde med den tekniske gevinst. Lunas 80 % gør ikke. Pris er en strategisk beslutning, ikke en aflæsning af omkostninger.
De bliver rutinemæssigt blandet sammen, og forskellen afgør om du sparer penge eller bare tror det. Den er også kernen i inferensøkonomi og tokenpriser.
Tokenprisen er den offentlige takst. Den faldt 80 % på Luna. Dokumenteret.
OpenAIs omkostning ved at levere modellen er intern og ikke offentliggjort. Vi kender ét delmål: 20 % fra kernelarbejdet. Marginen kender vi ikke.
Din opgavepris er totalomkostningen ved én færdig, godkendt forretningsopgave. Den indeholder alle modelkald, reasoning-tokens, cache writes, værktøjskald, gentagne forsøg, ventetid og den tid et menneske bruger på at kontrollere og rette. Det er den eneste af de tre, der står på dit budget.
Reuters beskrev samme spænding i sin dækning af prisfaldet: tokenpriser falder, mens længere agentiske opgaver bruger flere tokens og gør regningen mindre forudsigelig.
Og så er der den mest kontraintuitive konsekvens. InfoWorld citerer analytiker Pareekh Jain for, at de fleste virksomheder ikke skærer i AI-budgettet efter et prisfald. De geninvesterer besparelsen i flere opgaver, længere ræsonnement og mere automatisering til nogenlunde samme forbrug. Det er Jevons paradoks i AI-udgave: billigere enheder øger efterspørgslen så meget, at totalen stiger. Ved 80 % rabat skal dit forbrug bare femdobles, før regningen er tilbage hvor den startede. Ved 20 % rabat skal det stige 25 %.
Det er ikke nødvendigvis et problem. Men du bør vide det, inden du lover økonomiafdelingen en lavere faktura.
Én million korte klassifikationskald med 2.000 input- og 100 outputtokens, uden cache, værktøjer eller gentagelser:
| Model | Før | Nu | Besparelse |
|---|---|---|---|
| Luna | $2.600 | $520 | $2.080 |
| Terra | $6.500 | $5.200 | $1.300 |
| Sol Standard | $13.000 | $13.000 | $0 |
Kvalitetens break-even. Antag at en opgave på Terra koster 10 cent og lykkes i første forsøg 90 % af gangene. Det giver 11,1 cent pr. succes. Den samme opgave på Luna koster 2 cent, men lykkes kun 60 % af gangene, altså 3,3 cent pr. succes. Luna vinder stadig klart.
Læg nu til, at hver fejl kræver to minutters medarbejdertid til 300 kr. i timen. Med 40 % fejlrate koster det 4 kroner pr. opgave i forventet fejlomkostning. Hele tokenbesparelsen er væk, og mere til.
Pointen er ikke at holde sig fra Luna. Pointen er at måle omkostning pr. vellykket opgave i stedet for pris pr. million tokens. Den første måling tager højde for kvalitet. Den anden gør ikke.
Long context. Overstiger dit prompt 272.000 inputtokens, prissættes hele requestet til 2 gange input og 1,5 gange output. Ikke kun de overskydende tokens, men hele forespørgslen. Et prompt på 273.000 tokens krydser altså en hård kant.
Cache writes. At læse fra prompt-cachen koster 10 % af normal inputpris, hvilket er rigtig godt. Men på GPT-5.6 koster det 1,25 gange normal inputpris at skrive til cachen. Modellen sætter som standard sit cache-breakpoint ved den seneste bruger- eller værktøjsbesked, så hvis noget foranderligt ligger tidligere i din prompt, kan du ende med at skrive et nyt prefix til cachen igen og igen uden nogensinde at ramme den. Sæt eksplicitte breakpoints efter det stabile indhold, og hold øje med felterne cached_tokens og cache_write_tokens.
Værktøjer. Websøgning, computer use og andre værktøjer har deres egen pris oven i modeltokens. En agentregning kan ikke regnes ud fra modelprisen alene.
Regional behandling. Endpoints med data residency koster 10 % ekstra for modeller udgivet fra 5. marts 2026 og frem. Køber du via Amazon Bedrock, faktureres du af AWS og kan have andre takster end direkte hos OpenAI.
Fast mode er den nye version af Priority Processing. Du sætter service_tier til fast og får op til 2,5 gange hurtigere svar, men kun på Sol, og til dobbelt tokenpris.
Fire ting bør du kende, før du slår det til. Det er samme model, så der er ingen ekstra intelligens i Fast mode, kun mindre ventetid. Rate limit deles med Standard, så Fast fordobler ikke din kvote. Long context understøttes ikke, så store prompts må køre Standard. Og rammer din trafik mere end 50 % vækst inden for 15 minutter over 1 mio. tokens i minuttet, kan requests blive nedgraderet og returnere service_tier default. Ramp op gradvist, og tjek hvad svaret faktisk siger.
Og så den regel, der oftest bliver overset: latency i AI-systemer opstår mange steder. Hvis modellens svartid kun udgør en femtedel af den samlede ventetid i dit produkt, giver en 2,5 gange hurtigere model ikke et 2,5 gange hurtigere produkt. Fast giver mening, når et menneske sidder og venter: interaktiv kodning, live kundesupport, incident response. Til natlige batchkørsler er Batch eller Flex både billigere og mere logisk.
Så ændrer der sig ingenting på din faktura. OpenAI siger direkte, at abonnementspriser og kvotebudgetter er uændrede.
Til gengæld bruger Terra og Luna nu færre credits i ChatGPT Work og Codex. Du får altså mere ud af den samme plan, flere opgaver inden for samme loft. Det er mere værdi, ikke en rabat.
For dig som medarbejder er den relevante forskel sjældent prisen alligevel. Den er ventetid og efterkontrol. En billigere model, der rammer plet i første forsøg, er guld værd. En billigere model, du skal rette bagefter, koster dig mere, end den sparer virksomheden.
| Påstand | Dom | Sådan siger man det korrekt |
|---|---|---|
| Luna er 80 % billigere | Rigtigt, afgrænset | 80% lavere API-pris end ved lanceringen |
| Vores AI bliver 80 % billigere | Nej | Tokenlinjen kan falde op til 80 %, totalen skal måles |
| OpenAI sænkede sine omkostninger 80 % | Forkert | Prisen faldt 80 %, oplyst omkostningsgevinst er 20 % |
| 20 % plus 15 % giver 35 % cost-down | Forkert | Forskellige baselines og ukendt overlap |
| Fast er 2,5 gange hurtigere | Med forbehold | Op til 2,5 gange på Sol, end-to-end er typisk mindre |
| Fast er en bedre model | Forkert | Samme intelligens, kortere ventetid |
| ChatGPT blev 80 % billigere | Forkert | Abonnementet er uændret, Terra og Luna bruger færre credits |
| Priserne er permanente | Ubegrundet | Prissnapshot pr. 3. august, de kan ændres igen |
Overdrivelsen opstår som regel i den samme kæde: OpenAI offentliggør en korrekt, afgrænset prisændring. Udvalgte kunder leverer stærke citater. Medier forkorter til at AI-priserne kollapser. Sociale medier blander pris, omkostning, hastighed og intelligens sammen. Og til sidst bliver en modeltakst til en ROI-garanti i et salgsmøde. Hvert led fjerner en fodnote.
Planen her følger almindelige AI FinOps-principper: mål først, flyt bagefter.
De første 30 dage: Træk dit faktiske forbrug ud fordelt på model, tier, cache reads og writes, output og værktøjer. Genberegn din nuværende baseline på de nye priser uden at skifte model. Så isolerer du den rene priseffekt. Frys en evalueringssuite med kvalitet, sikkerhed, latency og fejlomkostning, så du har noget at måle imod.
De næste 30: Flyt lavrisiko-opgaver med høj volumen til Luna bag et feature flag. Byg eskalering, så usikre svar automatisk sendes videre til Terra eller Sol. Ryd op i dine promptprefixes og sæt eksplicitte cache-breakpoints. Læg offline-jobs på Batch eller Flex, og reservér Fast til de flows, hvor du kan dokumentere, at ventetid koster penge.
De sidste 30: Beslut hvad gevinsten skal bruges til. Lavere kundepris, større kvote, bedre kvalitet eller højere margin er fire forskellige strategier, og den beslutning bliver ikke truffet af sig selv. Opdater dine ROI-modeller med omkostning pr. vellykket opgave. Og klæd salget på, så forskellen mellem 80 % tokenrabat og totaløkonomi ikke bliver et løfte, I ikke kan holde.
Prisfaldet er reelt, det er stort, og det rykker grænsen for hvad der kan automatiseres med sprogmodeller. Luna til $0,20 pr. million inputtokens gør opgaver økonomisk mulige, som var urealistiske for tre uger siden. Det er værd at reagere på.
To reaktioner er dog forkerte: at flytte alt til Luna, og at afvise det hele som marketing. Den rigtige er at isolere prisgevinsten, måle sin kvalitetsbund, route opgaver dynamisk mellem modellerne og så beslutte bevidst, hvad forskellen skal bruges til.
Prisen på en token faldt 80 %. Hvad det er værd for jer, afhænger stadig af, hvor mange tokens I bruger, hvor tit I rammer rigtigt første gang, og hvor meget det koster, når I ikke gør.
Om tallene i denne artikel. Alle priser er hentet fra OpenAIs officielle pris- og modeldokumentation og er et snapshot pr. 3. august 2026. De kan ændre sig igen, og de gælder direkte API-adgang i short context. Køber du gennem en cloudkanal som Amazon Bedrock, kan taksterne afvige. Regnestykkerne bruger offentlige listepriser og illustrative tokenmængder. De er eksempler til at vise mekanikken, ikke tilbud eller forecast.
Effektivitetstallene på 20 % og over 15 % er OpenAIs egne målinger uden uafhængig revision, og kundeudtalelserne er udvalgt af OpenAI selv. Vi gengiver dem, fordi de er relevante signaler, men de er ikke dokumentation for, hvad I selv vil opleve. Det finder I kun ud af ved at måle på jeres egen workload.