Simon Willison, OpenAI’ın 9 Temmuz 2026’da yayınladığı GPT-5.6 aile üyeleri hakkında ilk izlenimlerini ve teknik detayları paylaştı. Üç varyant (Luna, Terra, Sol), 1 milyon token context, agresif fiyatlandırma ve programmatic tool calling gibi yeni yeteneklerle geliyor. Willison’un blog yazısı özellikle fiyat/performans karşılaştırmaları ve pelikanlarla yaptığı geleneksel görsel testler açısından değerli.
Aile üyeleri ve fiyatlar
Fiyatlar 1 milyon input/output token başına:
- Luna (en küçük): $1 / $6
- Terra (orta): $2.50 / $15
- Sol (en büyük): $5 / $30
Karşılaştırma için: Claude Opus $5/$25, Claude Fable 5 $10/$50. Yani Sol, Claude Opus ile input tarafında eş; output biraz daha pahalı. Fable 5 hâlâ premium konumunu koruyor ama Sol’a göre çift maliyet.
Teknik özellikler
- Bilgi kesme tarihi: 16 Şubat 2026
- Context window: 1 milyon token
- Maksimum output: 128.000 token
Benchmark performansı
55 profesyonel iş akışı alanını değerlendiren Agents’ Last Exam testinde:
- Sol: 53.6, Claude Fable 5’i 13.1 puan geride bıraktı
- Terra: Fable 5’i onaltıda bir maliyetle geçti
Öte yandan SWE-Bench Pro’da tablo tersine dönüyor: Claude Fable 5 %80, Sol %64.6. Ancak OpenAI, SWE-Bench Pro’daki görevlerin yaklaşık %30’unun problematik olduğunu iddia eden bir eleştiri de yayınladı. Yani “benchmark savaşları” bu ay da devam ediyor.
Yeni API özellikleri
- Programmatic Tool Calling: Modeller tool çağrılarını orkestrasyonlayan JavaScript çalıştırıyor. Yani tek turda birden çok tool çağrısını kod ile ifade edebilmek mümkün.
- Multi-agent yetenekleri: Paralel ve odaklı iş için alt agent’lar açabilme.
- Prompt cache breakpoint’leri: Claude tarzı explicit cache control. VS Code ekibinin token verimliliği bloğundaki tekniklerin bir benzeri.
- Image detail level: Original detail seçeneği görsellerin yeniden boyutlandırılmasını engelliyor.
Willison’un ilk izlenimleri
Willison, Sol’un “kesinlikle çok yetkin” olduğunu ancak test ettiği kompleks kodlama görevlerinde Claude Fable’ı geçemediğini not düşüyor. Yani benchmark’lar bir yanda, gerçek dünya iş yükleri diğer yanda hâlâ farklı hikayeler anlatabiliyor.
Willison’un ünlü pelikan testi
Willison, geleneksel pelikan görsel testlerini reasoning effort seviyelerinde (none’tan max’a) ve üç modelin hepsinde çalıştırdı. Maliyetler $0.0071 ile $0.4855 arasında değişti. Reasoning effort yükseldikçe hem kalite hem maliyet ciddi şekilde artıyor.
Willison, yeni özellikleri kendi LLM tool’una entegre etmeyi planladığını da söylüyor.
GPT-5.6’nın en dikkat çekici tarafı fiyatlandırma yapısı. Luna’nın 1$ input’u küçük görevlerde ciddi bir maliyet avantajı. Terra ise “günlük varsayılan” tarafında hem fiyat hem yeteneklerle iyi bir konumda. Sol premium reasoning için tercih edilirken, karmaşık coding görevlerinde Claude Fable hâlâ ciddi bir rakip. Willison’un altını çizdiği gibi, benchmark rakamları önemli ama gerçek karar kendi iş yükünüzde her modelin verdiği çıktıya bakmakla veriliyor.
