GPT-5.6 Sol, Terra i Luna: què significa l'arquitectura de tres nivells per a la teva empresa

Resum de l'article:El 9 de juliol, OpenAI va publicar Sol, Terra i Luna com una família de models amb tres nivells diferents de capacitat i…Pensem en els nostres clients, així que hem fet una breu selecció de l'article. Prem per entendre ràpidament la idea principal.

El 9 de juliol, OpenAI va publicar Sol, Terra i Luna com una família de models amb tres nivells diferents de capacitat i cost. Per a les pimes que han estat aplicant un únic model de manera uniforme a tots els seus tipus de tasques, aquesta arquitectura formalitza una elecció que fins ara s'havia de prendre manualment i obre un camí pràctic per construir sistemes d'IA organitzats entorn de classes de tasques en lloc d'entorn d'una única eina.

El 9 de juliol, OpenAI va publicar GPT-5.6 després d'un breu període d'accés limitat en fase regulatòria, i l'estructura del llançament és tan rellevant com el salt de capacitat. En lloc d'un únic model insígnia, la companyia va publicar tres nivells sota un mateix nom de família: Sol, Terra i Luna. Aquesta arquitectura transforma la pregunta principal per a les empreses que integren IA: ja no és "quin model hauríem de fer servir", sinó "quin model hauria de gestionar cada classe de tasca, a quin cost i amb quin marge de tolerància al risc".

Per a les petites i mitjanes empreses, aquest canvi de pregunta genera a la vegada una decisió més complexa i una de més útil.

Què fan realment Sol, Terra i Luna

OpenAI posiciona Sol com el nivell insígnia per a les tasques professionals més exigents: anàlisi estratègica en profunditat, desenvolupament de programari complex, cadenes de raonament multipassos llargues i decisions d'alt risc on el cost d'un error és material. Sol és el nivell de major capacitat i el més car.

Terra funciona com la capa de treball equilibrada, dissenyada per al volum de la feina empresarial quotidiana: documents extensos, anàlisis internes, generació de contingut i planificació estratègica. Les seves capacitats se situen prop de GPT-5.5, i el seu preu ronda la meitat del cost de Sol per a la mateixa tasca.

Luna està optimitzada per a velocitat i volum: respostes curtes, generació d'esborranys, classificació, extracció de dades i processament massiu. És el nivell més ràpid i el més econòmic de la família.

Els tres models comparteixen una finestra de context d'aproximadament 1,05 milions de tokens i admeten fins a 128.000 tokens de sortida, cosa que permet treballar amb conjunts de documents extensos, exportacions completes de CRM o registres operatius llargs en una única sol·licitud.

L'estructura de preus reflecteix amb claredat la diferenciació per nivells:

La diferència de cinc a un en el cost de tokens de sortida entre Sol i Luna converteix l'elecció de nivell en una decisió pressupostària que escala ràpidament.

El canvi d'arquitectura que això genera per a les pimes

La majoria de fluxos d'IA a pimes s'han construït entorn d'un únic model aplicat de manera uniforme a tots els tipus de tasca, des d'esborranys de suport al client fins a anàlisi estratègica. La família GPT-5.6 formalitza un principi que fins ara era una elecció manual: les classes de tasques diferents tenen perfils de capacitat i cost distints, i construir una capa d'enrutament entre nivells produeix millor economia d'ús que seleccionar un únic nivell i aplicar-lo en tots els casos.

L'estructura Sol/Terra/Luna ofereix quelcom semblant a un marc d'enrutament llest per fer servir: una mateixa marca, tres nivells de còmput i raonament, amb una fixació de preus que reflecteix el diferencial de valor real entre tipus de tasques.

Per a les pimes, la implicació pràctica és l'oportunitat de dissenyar sistemes d'IA entorn de classes de tasques i marges de rendibilitat en lloc d'entorn d'una única elecció de model. Les tasques estratègiques van a Sol, el volum operatiu va a Terra, i la feina rutinària massiva va a Luna. Aquest enfocament redueix els costos de tokens en fluxos d'alt volum alhora que preserva l'accés a la capacitat insígnia per a les tasques on té un impacte mesurable en la qualitat o el risc.

Com pensa GLC en això per als seus clients

A partir del 12 de juliol, les nostres recomanacions per a pimes que treballen amb GPT-5.6 o l'estan considerant s'agrupen en quatre àrees.

Terra com a punt de partida de treball. Per a la majoria de pimes, Terra és la base més adequada per als processos quotidians: ofereix una qualitat propera a GPT-5.5 amb millor economia d'ús i va ser dissenyat específicament com el motor operatiu de la família. Construir fluxos entorn de Terra per defecte, reservant Sol per a tasques genuïnament d'alt risc, manté els costos manejables a escala.

Una arquitectura de dos o tres nivells en lloc d'una elecció uniforme. Terra gestiona els processos interns, des d'informes fins a generació de contingut. Luna cobreix el suport d'alt volum i el processament de dades. Sol entra com una capa separada per a decisions estratègiques i d'alt risc: disseny d'arquitectura, analítica complexa, codi crític. El valor d'aquesta estructura creix proporcionalment al volum de tasques dels nivells inferiors.

Economia de tokens abans del llançament. Amb una diferència de cinc a un en el cost de tokens de sortida entre Sol i Luna, seleccionar el nivell incorrecte per a un flux de volum consumeix pressupost de maneres que són invisibles fins que arriba la factura. Modelar la càrrega abans del desplegament, és a dir, quantes sol·licituds fluiran per Luna, quantes per Terra i quins escenaris concrets requereixen genuïnament Sol, és més ràpid de fer en un full de càlcul que de corregir en producció.

Sol com a laboratori, Terra i Luna com a producció. Experimentar amb lògica nova complexa, nous conceptes de producte i cadenes multipassos en Sol, per migrar després els patrons demostrats a Terra o Luna a escala, dona accés a la capacitat completa del nivell insígnia durant el disseny i a l'economia dels nivells inferiors durant l'operació.

Escenaris concrets per àrea de negoci

Vendes i màrqueting. La feina de posicionament estratègic, els marcs de missatgeria per a nous mercats i el raonament darrere de l'arquitectura de campanya corresponen a Sol, on la profunditat de l'anàlisi redueix el risc d'una aposta estratègica errònia. La producció regular de contingut, butlletins, pàgines d'aterratge i publicacions a xarxes, funciona eficientment a Terra. Les proves A/B massives de titulars, descripcions i textos d'anunci escalen amb neteja a Luna, on es poden generar i filtrar milers de variants a un cost mínim.

Suport al client i operacions. L'automatització de suport de primera línia, respostes a FAQ, enrutament de sol·licituds i respostes ràpides, funciona a Luna, on la velocitat i el cost per interacció importen més i les tasques estan prou definides. Els casos de suport complexos que combinen documentació, historial del client i lògica de negoci corresponen a Terra com a capa principal, amb vies d'escalada a Sol per a situacions crítiques poc freqüents.

Analítica interna i decisions de gestió. Analitzar grans conjunts de dades internes, informes, exportacions de CRM, correspondència i registres de log, encaixa bé amb Terra, que equilibra capacitat de context, qualitat de sortida i cost per a la càrrega analítica típica d'una pime. Els escenaris multipassos des de dades fins a decisió, com anàlisi de mercat amb modelatge d'escenaris i generació de recomanacions, corresponen a Sol com a capa de raonament d'un procés agent més complex.

ChatGPT Work: la capa d'agent per sobre

Juntament amb el llançament de GPT-5.6, OpenAI va presentar ChatGPT Work, posicionat no com un model sinó com una capa d'execució: una eina capaç d'operar a les teves aplicacions i fitxers, desenvolupar un projecte durant hores i convertir un objectiu en feina completada en lloc d'en una resposta.

L'agent combina les capacitats de Codex per a tasques de desenvolupament i ChatGPT per a diàleg i lògica, amb Sol, Terra i Luna com a models subjacents. Per a les pimes, això significa que la selecció de model s'estén més enllà de "quin model respon la meva pregunta" i passa a formar part del disseny d'un flux de treball: quina classe de tasca va a l'agent, en quin nivell s'executa i on entra la revisió humana en el procés.

A GLC ajudem els clients a descriure els seus processos de negoci com a "feines a realitzar" que un agent pot executar, per optimitzar després la combinació Sol/Terra/Luna de cada flux en funció de la qualitat, el cost i els requisits de control.

Què fer abans que acabi juliol

Cinc accions que converteixen aquest llançament en un canvi pràctic en el funcionament dels teus sistemes d'IA:

1. Mapar els processos de negoci on ara fas servir IA, i on la IA podria tenir un impacte més gran, al llarg de vendes, suport, operacions i analítica.
2. Classificar aquests processos per tipus de tasca: estratègica, operativa o massiva. Aquesta classificació es converteix en el mapa d'enrutament per a Sol, Terra i Luna.
3. Executar un pilot amb una configuració d'enrutament Terra més Luna per a un flux real, mesurar costos i qualitat de sortida, i fer-lo servir com a referència per a decisions posteriors.
4. Per a tasques d'alt risc i alt valor, operacions importants, decisions amb implicacions legals o eleccions d'arquitectura de TI, planificar experiments separats a Sol amb revisió humana obligatòria abans que qualsevol resultat es porti a la pràctica.
5. Assignar la responsabilitat de l'arquitectura d'IA dins de l'equip: una persona o un soci que examini l'economia del model, l'adequació al procés i el risc, més enllà de les característiques del model en si.

El llançament de Sol/Terra/Luna és, en la nostra lectura, menys una actualització incremental de model i més una invitació estructural a passar d'un enfocament d'eina única a una arquitectura d'IA deliberada, per capes i integrada en els processos reals del negoci.

Si vols mapar els teus fluxos actuals contra aquest marc i identificar on s'aplica l'arquitectura a la teva situació concreta, una primera conversa cobreix el terreny en menys d'una hora. Escriu-nos.