TLDR;

O corte refere-se à redução de preços da API do GPT, com descontos de até 80% em alguns níveis — por exemplo, Luna passou a custar 20 centavos por 1 milhão de tokens e Terra teve 20% de redução. A OpenAI atribuiu o corte a ganhos de eficiência técnica, como reescrever kernels de GPU em Triton/Gluon e usar speculative decoding, o que diminuiu custos de servidor em torno de 20% e permitiu repassar economia. O desconto foi focado em tiers de alto volume (Luna e Terra) — o modelo top Sol não baixou e o modo Fast é até 2,5× mais rápido e duas vezes mais caro, então para economizar prefira Terra/Luna e evite usar Sol Fast nas assinaturas.

Resumo

Nas últimas semanas, em vez de uma bolha de valorização, vimos cortes de preço em IA: a OpenAI reduziu tarifas do GPT em até 80%, com quedas em modelos de alto volume (Luna e Terra) e manutenção do Sol, seu supermodelo, que ganhou também uma opção Sol Fast—até 2,5× mais rápido e duas vezes mais caro. Ao contrário de manobra de marketing, boa parte do corte vem de ganhos reais de eficiência: o GPT‑5.6 “Sol” reescreveu kernels GPU de produção (em Triton/Gluon), o que diminuiu cerca de 20% no custo de servidor, e empregou técnicas como speculative decoding (um draft model menor que especula tokens para o modelo grande validar) e monitoramento autônomo para lidar com falhas de hardware. Garantias numéricas vieram com verificação por floating‑point sanitizer. A OpenAI também ajustou contagem de créditos e substituiu priority processing pelo modo fast, afetando consumo em assinaturas e APIs. Do ponto de vista de desenvolvimento de agentes, o artigo recomenda deferred discovery de ferramentas, cap tokens para outputs, estratégia history append‑only, caching e evitar reescrever todo o contexto a cada turno para reduzir custos e misses de cache — práticas que melhoram eficiência e escalabilidade, beneficiando amplamente empresas, desenvolvedores, e usuários finais.