Michael JohnsonVoor één en dezelfde opdracht in een repository kunnen meerdere pogingen nodig zijn: een agent stelt een patch voor, voert tests uit en herstelt vervolgens fouten. Een lage tokenprijs beantwoordt op zichzelf niet de belangrijkste vraag: hoeveel kost het om een wijziging te krijgen die je kunt accepteren.
Op 2 oktober 2026 is het antwoord: de standaard API-tarieven van GPT‑6.1 Sol voor input- en outputtokens zijn vijf keer lager dan die van GPT‑6 Astra. OpenAI stelt ook dat Sol Astra heeft geëvenaard op één benchmark voor agentisch programmeren. Maar dat bewijst geen algemene gelijkwaardigheid in Codex en garandeert geen vijfvoudige besparing op een voltooide patch.
Maak eerst onderscheid tussen API en Codex-abonnement
De API wordt afgerekend op basis van het aantal gebruikte tokens. In Codex via ChatGPT geldt een inbegrepen limiet van je werkabonnement, dus de API-prijzen kun je daarop niet toepassen. OpenAI licht toe dat het verbruik van die limiet afhangt van het model, de taak en de instellingen, terwijl de API apart wordt afgerekend; dit staat in de help over gebruik in Work en Codex.
De tabel toont de standaard API-tarieven per miljoen tokens voor verzoeken met een inputcontext van maximaal 272 duizend tokens:
| Model | Gewone input | Gecachete input | Cache schrijven | Output |
|---|---|---|---|---|
| GPT‑6.1 Sol | $2 | $0,10 | $2,50 | $10 |
| GPT‑6 Sol | $2 | $0,20 | $2,50 | $10 |
| GPT‑6 Astra | $10 | $1 | $12,50 | $50 |
| GPT‑6 Luna | $0,10 | $0,01 | $0,125 | $0,50 |
Volgens de gewone tarieven is Sol voor input en output vijf keer goedkoper dan Astra, en kost gecachete input tien keer minder. Vergeleken met GPT‑6 Sol is de nieuwe versie voor gewone input en output echter niet goedkoper: het tariefvoordeel zit in gecachete input, waarvan de prijs is gehalveerd. Luna is veel goedkoper dan alle drie, maar een lage prijs zegt op zichzelf niets over hoe goed een model een complexe taak uitvoert. Deze tarieven staan op de API-prijspagina van OpenAI.
Wat kost dezelfde poging?
Neem als voorbeeld een hypothetisch verzoek met 20 duizend nieuwe inputtokens, 80 duizend gecachete tokens en 10 duizend outputtokens. We gaan ervan uit dat de cache wordt gebruikt; het schrijven naar de cache, toolaanroepen en herhaalde pogingen laten we buiten beschouwing.
| Model | Berekening | Kosten |
|---|---|---|
| GPT‑6.1 Sol | $0,040 + $0,008 + $0,100 | $0,148 |
| GPT‑6 Sol | $0,040 + $0,016 + $0,100 | $0,156 |
| GPT‑6 Astra | $0,200 + $0,080 + $0,500 | $0,780 |
| GPT‑6 Luna | $0,002 + $0,0008 + $0,005 | $0,0078 |
Bij deze samenstelling van het verzoek kost één poging met Sol ongeveer 5,3 keer minder dan met Astra. Vergeleken met GPT‑6 Sol is het verschil $0,008, ongeveer 5,1% van de kosten van een poging. Dit is een rekenvoorbeeld, geen meting van een typische Codex-taak: het tokenverbruik, het aantal toolaanroepen en het aantal herhalingen kunnen per model verschillen.
Er geldt ook een tariefdrempel: voor verzoeken met een context van meer dan 272 duizend inputtokens verdubbelen de tarieven voor input en cache, terwijl die voor output anderhalf keer zo hoog worden — voor het hele verzoek. De berekening hierboven is dus zonder aanpassingen niet geschikt voor een lange context; de voorwaarden staan op de modelpagina van GPT‑6.1 Sol.
Wat de vergelijking met Astra precies aantoont
In de aankondiging van GPT‑6.1 Sol stelde OpenAI dat Sol Astra heeft geëvenaard op DeepSWE v1.1, een benchmark voor complexe engineeringtaken in echte codebases, tegen ongeveer een vijfde van de kosten. De nauwkeurige formulering is hier: ‘op DeepSWE v1.1 volgens OpenAI’.
Op OSWorld 2.0, waar het uitvoeren van computertaken wordt beoordeeld, bleef Sol bij het hoogste redeneerniveau 2,1 procentpunt achter bij Astra. Volgens OpenAI waren de kosten per taak daarbij ongeveer zeven keer lager. Het bedrijf waarschuwt dat de evaluaties zijn uitgevoerd in een onderzoeksomgeving of via de API en kunnen afwijken van het gebruik in productie-interfaces door systeeminstructies, tools en instellingen.
Dit zijn resultaten die door de leverancier zelf zijn gepubliceerd, geen onafhankelijke test van de modellen met dezelfde Codex-werkwijze. De materialen die voor dit artikel zijn bekeken, bevatten geen vergelijkbare onafhankelijke test van Sol en Astra op dezelfde Codex-taken.
Wat ontwikkelaars zeggen
De eerste discussies na de lancering zijn een reden om het model in je eigen omgeving te testen, maar geen representatieve evaluatie. In één Reddit-discussie over snelheid en limietverbruik klagen gebruikers over trage generatie. Eén auteur schrijft dat een eenvoudige handeling of het inkorten van de context bij hem minstens twee minuten duurde. Dit zijn individuele observaties, zonder identieke opdrachten of gecontroleerde omstandigheden.
In een andere discussie over de snelheid van Sol zijn de meningen verdeeld: sommigen vinden trage generatie een probleem, anderen merken op dat de snelheid waarmee tokens worden gegenereerd op zichzelf niet laat zien hoelang de hele taak duurt. Dat zijn verschillende maatstaven, en de discussie bevat geen gecontroleerde meting van een van beide.
Er is ook een afzonderlijke negatieve ervaring met een poging om een gamedemo te bouwen: de auteur meldt dat het model vereisten over het hoofd zag en wezenlijke tekortkomingen na een verduidelijking niet herstelde. Dit meet de algehele kwaliteit van het model niet en vergelijkt het ook niet rechtstreeks met Astra.
Ten slotte meldde een gebruiker op 30 september in een GitHub-issue over modelkeuze in de VS Code-extensie dat Sol zichtbaar was in de Codex-desktopapp, maar ontbrak in de modellenlijst van de extensie op Windows. Dit beschrijft één specifieke configuratie; het stelt noch de oorzaak noch de omvang van het probleem vast.
De controleerbare auteurs van deze berichten gebruiken pseudoniemen; daarom staan hier geen rechtstreekse citaten met bevestigde echte namen. De praktische conclusie uit deze vroege reacties is bescheidener: kwaliteit, tijd tot afronding van de taak en limietverbruik moeten afzonderlijk worden gemeten.
Korte tijdlijn
- 3 september 2026. OpenAI introduceerde GPT‑6 Astra.
- 22 september 2026. GPT‑6 Sol en GPT‑6 Luna verschenen in de API.
- 29 september 2026. OpenAI kondigde de release van GPT‑6.1 Sol aan voor de API, ChatGPT Work en Codex.
- 30 september 2026. Op GitHub verscheen een melding dat Sol ontbrak in de modellenlijst van de VS Code-extensie op Windows.
De releasedatums staan in de API-changelog van OpenAI; de melding over VS Code staat in de specifieke GitHub-discussie. Dit is een vroege tijdlijn, geen beoordeling van de beschikbaarheid van het model voor alle gebruikers.
Wanneer kies je Sol en wanneer Astra?
Voor Plus en Standard Business noemt OpenAI een indicatieve bandbreedte van 15–160 lokale berichten per venster van vijf uur voor Sol en 5–45 voor Astra. Dit is geen gegarandeerd aantal taken: het verbruik hangt af van het model, de taak en de instellingen; cloudtaken kunnen meer van de limiet verbruiken en er kunnen ook wekelijkse limieten gelden. Deze schattingen kun je niet omzetten in een besparingsfactor of rechtstreeks vergelijken met API-prijzen; de voorwaarden worden toegelicht in de help over limieten in Work en Codex.
De praktische keuze hangt af van de kosten van fouten en de wachttijd:
- Sol is het proberen waard voor terugkerende taken met een duidelijk controleerbaar resultaat — bijvoorbeeld wanneer er tests en heldere acceptatiecriteria zijn. De standaard API-tarieven liggen aanzienlijk lager dan die van Astra.
- Je kunt Astra behouden voor complexe of risicovolle taken, waarbij de kwaliteit van het resultaat belangrijker is dan de kosten van één poging. Hoeveel beter Astra de taken van een specifiek team uitvoert, moet in de praktijk worden getest.
- Luna kan geschikt zijn voor eenvoudige, terugkerende handelingen als de kwaliteit voldoende is. De minimale tokenprijs bewijst niet dat complex werk met dit model goedkoper uitvalt.
Vergelijk de modellen door met elk hetzelfde kleine pakket taken uit te voeren en vooraf te bepalen welk resultaat acceptabel is: bijvoorbeeld het slagen voor tests, voldoen aan de vereisten en goedkeuring bij code review. Noteer het aantal pogingen, het tokenverbruik, de toolaanroepen en de tijd tot een voltooide patch. Zo meet je niet de prijs van een antwoord, maar de kosten van een resultaat.
Oordeel: Sol kost voor gewone API-input- en outputtokens inderdaad vijf keer minder dan Astra; voor één benchmark voor agentisch programmeren meldt OpenAI een gelijk resultaat. Maar er is onvoldoende bewijs voor algemene gelijkwaardigheid in Codex. In een abonnement is API-besparing niet rechtstreeks van toepassing, en de eerste reacties van ontwikkelaars zijn voorlopig uiteenlopend en tegenstrijdig. Sol is een serieuze kandidaat als goedkopere optie, maar of je Astra ermee moet vervangen hangt af van hoe beide modellen presteren op de taken van jouw team.