GPT-5.6 recensito: le varianti Luna, Terra e Sol spiegate bene

OpenAI ha portato in disponibilità generale GPT-5.6 il 9 luglio 2026, dopo un’anteprima chiusa partita il 26 giugno. La differenza rispetto ai lanci precedenti è che questa volta non c’è un modello solo, ma tre: Luna, Terra e Sol, dalla più piccola alla più grande. La scelta di quale usare è il cuore della questione, e in questa recensione la spieghiamo in modo pratico, con i prezzi e un confronto onesto con la concorrenza del momento.

Partiamo dal giudizio secco. GPT-5.6 è una famiglia solida e ben pensata, con un’idea chiara: dare la potenza giusta al compito giusto senza pagarla tutta ogni volta. Sul lavoro agentico a lungo respiro OpenAI rivendica un vantaggio; sul coding più difficile il primato resta discutibile. Vediamo perché.

Tre varianti, un’idea sola

Un termine da chiarire subito: variante. Qui non sono tre modelli diversi per architettura, ma tre tagli dello stesso modello, che si differenziano per dimensione, velocità, costo e capacità. L’idea è semplice: non serve il modello più grande per rispondere a una domanda banale, così come non basta il più piccolo per un problema complesso.

• Luna è la variante piccola: veloce ed economica, pensata per compiti ripetitivi ad alto volume dove contano velocità e costo più della potenza pura.
• Terra sta in mezzo: OpenAI la posiziona come equivalente alla generazione precedente, GPT-5.5, ma a circa metà del costo. È il cavallo da lavoro per la maggior parte delle attività quotidiane.
• Sol è l’ammiraglia: costruita per il lavoro pesante, coding avanzato, ricerca scientifica, applicazioni di cybersicurezza.

Tutte e tre condividono le stesse specifiche di base: finestra di contesto da 1 milione di token, fino a 128.000 token in uscita e una conoscenza aggiornata al 16 febbraio 2026 (dettagli tecnici). La finestra di contesto è la quantità di testo che il modello può tenere sotto gli occhi in una singola conversazione; un token vale grosso modo tre quarti di una parola in inglese.

A chi serve quale

La regola pratica è questa. Se gestisci grandi volumi di richieste semplici, per esempio la classificazione di migliaia di messaggi o risposte di primo livello a un supporto clienti, parti da Luna: paghi poco e vai veloce. Se fai lavoro d’ufficio vario, stesura di testi, analisi di documenti, assistenza alla programmazione ordinaria, Terra è il punto di equilibrio: buona qualità a costo contenuto. Sol tienila per i problemi difficili, dove un errore costa più della differenza di prezzo: coding complesso, ricerca, compiti dove serve la testa migliore.

Il consiglio operativo è lo stesso che vale per tutte le famiglie a più tagli: costruisci con la variante media come base e chiama l’ammiraglia solo per i passaggi dove serve davvero. Usare Sol per tutto è uno spreco, esattamente come usare Luna per un problema che la mette in difficoltà. C’è però un rovescio della medaglia da tenere presente: gestire tre varianti significa anche costruire una logica che decida quale usare in ogni momento, e testare che la variante piccola non stia rispondendo male su casi che meriterebbero quella grande. La flessibilità ha un costo di progettazione. Per un uso personale non cambia nulla, scegli il taglio a mano; per un prodotto con molte richieste, il risparmio arriva solo se investi un po’ di lavoro nel meccanismo che smista i compiti tra Luna, Terra e Sol.

Prezzi

Il listino di OpenAI è in dollari. Ecco i prezzi per milione di token, in ingresso e in uscita (fonte, prezzi in $):

• Luna: 1 dollaro in ingresso, 6 in uscita.
• Terra: 2,50 dollari in ingresso, 15 in uscita.
• Sol: 5 dollari in ingresso, 30 in uscita.

Come ordine di grandezza, Luna sta sotto il singolo euro in ingresso, Sol si avvicina ai 4,60 euro in ingresso e 27-28 in uscita, ma il riferimento resta il dollaro e il cambio oscilla. Un avvertimento che vale per tutti questi confronti: il prezzo per milione di token dice sempre meno di quello che sembra, perché modelli diversi usano quantità molto diverse di token di ragionamento per lo stesso compito. Un modello più caro a listino può risultare più economico a lavoro finito se pensa in modo più efficiente, e viceversa.

Chi usa ChatGPT con l’abbonamento invece dell’API accede alle nuove varianti dal piano a pagamento. ChatGPT Plus in Italia costa attorno ai 23 euro al mese; il listino ufficiale è in dollari e il prezzo può variare.

Cosa cambia per chi sviluppa

Insieme ai modelli, OpenAI ha rilasciato alcune funzioni per l’API che interessano chi costruisce agenti. La più significativa è il Programmatic Tool Calling: i modelli possono comporre ed eseguire codice JavaScript che orchestra le chiamate agli strumenti, invece di chiamarli uno alla volta. In pratica avvicina l’uso degli strumenti a una vera sessione di terminale che concatena comandi. C’è poi una funzione multi-agente che permette al modello di avviare sotto-agenti per lavoro parallelo, il pattern ormai standard per gli agenti seri, e i prompt cache breakpoint, che portano anche su OpenAI un modello di gestione della cache più esplicito, già familiare a chi usa Claude.

Velocità e immagini

Sul fronte velocità, OpenAI ha annunciato Sol servito su hardware Cerebras fino a 750 token al secondo: una velocità che, se confermata nell’uso reale, cambia il tipo di applicazioni interattive che si possono costruire.

C’è anche una piccola comodità per chi lavora con le immagini: si può ora chiedere all’API di elaborare l’immagine alla risoluzione originale, senza ridimensionarla prima. Sembra un dettaglio, ma per compiti dove contano i particolari fini, come leggere un documento scansionato o un grafico denso, evita la perdita di informazioni introdotta dal ridimensionamento. Sono aggiunte che, prese insieme, dicono la direzione: OpenAI sta costruendo l’API attorno agli agenti, non più attorno alla singola risposta.

Il confronto onesto con Fable 5 e Gemini 3.5

Qui bisogna essere precisi, perché è facile prendere per oro le tabelle degli annunci. OpenAI mette in vetrina il lavoro agentico a lungo respiro. Su un test chiamato Agents’ Last Exam, che valuta flussi di lavoro professionali lunghi su 55 discipline, Sol tocca un nuovo massimo di 53,6, superando Claude Fable 5 di 13,1 punti; secondo OpenAI persino le varianti più piccole battono Fable 5 a una frazione del costo (fonte). Sono numeri dichiarati dal produttore, quindi vanno letti con la dovuta cautela.

Sul coding la storia cambia. Su SWE-Bench Pro, un test di risoluzione di problemi reali di programmazione, Fable 5 arriva all’80% contro il 64,6% di Sol. Non a caso OpenAI ha pubblicato, il giorno prima del lancio, un articolo che critica proprio SWE-Bench Pro, stimando che circa il 30% dei compiti di quel test siano difettosi. Può darsi che abbia ragione, ma il tempismo dice qualcosa. Anche uno sviluppatore esperto come Simon Willison, che ha avuto accesso anticipato, scrive che Sol è “molto competente” ma che sui compiti di coding complesso non gli è parso migliore di Fable 5 (fonte).

E Gemini 3.5? Google gioca soprattutto sul terreno della velocità e del costo con la variante Flash, uscita a maggio. È il concorrente naturale di Luna e Terra sul lavoro ad alto volume, più che di Sol sui compiti di frontiera. Non pubblichiamo qui numeri di confronto diretto perché i benchmark ufficiali comparabili al momento sono pochi e disomogenei: preferiamo non dare cifre che non reggono.

L’opinione netta: la famiglia GPT-5.6 è ottima sul lavoro agentico e sull’efficienza di costo, ma la scelta di attaccare pubblicamente un benchmark il giorno prima di uscirne male è il tipo di mossa che erode la fiducia. Sul coding difficile, oggi, Fable 5 resta il riferimento; su tutto il resto GPT-5.6 offre il miglior rapporto tra potenza e prezzo grazie ai tre tagli.

Un esempio italiano concreto

Immaginiamo un e-commerce di Bologna che gestisce migliaia di richieste di assistenza al giorno. La stragrande maggioranza sono domande semplici: dov’è il mio ordine, come faccio un reso. Per queste conviene Luna, che risponde in fretta e costa pochissimo. Quando arriva un caso complicato, una contestazione che richiede di leggere lo storico dell’ordine e ragionare su una politica di rimborso, il sistema può passare a Terra o Sol. Così l’azienda paga la potenza alta solo sul 5% dei casi che la richiede davvero. È uno scenario ipotetico, non un caso che abbiamo misurato, ma è esattamente il modo in cui questa famiglia a tre tagli è pensata per essere usata.

Cosa cambia per te

Se sviluppi o gestisci un prodotto, GPT-5.6 ti chiede una scelta in più: quale variante per quale compito. È una buona notizia, perché puoi tarare spesa e qualità invece di pagare un prezzo unico. Parti da Terra come base, scendi a Luna dove il volume conta più della potenza, sali a Sol solo per i problemi difficili. Misura i costi reali a lavoro finito, non a listino.

Se usi ChatGPT dall’abbonamento, le nuove varianti arrivano nel selettore del modello: per il lavoro quotidiano il taglio medio è più che sufficiente. E se il tuo lavoro è coding difficile, prima di migrare tutto su Sol conviene provarlo sul tuo codice reale e confrontarlo con quello che già usi: sui problemi di programmazione più duri, oggi, l’ammiraglia di OpenAI non è ancora chiaramente davanti a Claude Fable 5.