> ## Content Index > Fetch the complete content index at: https://adrianoamalfi.com/llms.txt > Use this file to discover other available public pages before exploring further. # GPT-5.6 Sol ha riscritto i kernel che lo eseguono. Luna ora costa l'80% in meno - URL: https://adrianoamalfi.com/gpt-5-6-auto-ottimizzazione/ - Published: 2026-07-31T05:54:31.000Z - Updated: 2026-07-31T05:54:31.000Z - Description: GPT-5.6 Sol ha ottimizzato l'infrastruttura che lo serve: kernel Triton riscritti, costi di serving -20%. Luna crolla a $0.20 per milione di token. - Author: Adriano Amalfi - Tags: AI Agentica, GPT-5.6, Auto-ottimizzazione, LLM, OpenAI, Prezzi API OpenAI a 24 ore di distanza racconta la stessa storia da angolazioni diverse. Un primo post, del 29 luglio 2026, è un resoconto tecnico: GPT-5.6 Sol ha riscritto kernel **Triton** in produzione, riducendo i costi di serving del 20%. Un secondo, del giorno dopo, è il listino prezzi aggiornato: Luna crolla a $0.20 per milione di token. Presi insieme, descrivono il primo caso documentato di un modello di frontiera che modifica in produzione lo stack che lo serve, chiudendo un circuito di ottimizzazione che si auto-alimenta. ## Cosa dicono i due post I dati grezzi: [il post del 29 luglio](https://openai.com/index/gpt-5-6-frontier-intelligence-efficiency/?ref=adrianoamalfi.com) documenta che GPT-5.6 Sol, all'interno di Codex, ha riscritto e ottimizzato autonomamente kernel di produzione nei linguaggi Triton e **Gluon**, due DSL open source per GPU mantenute da OpenAI. Il risultato misurabile: il costo end-to-end del serving del modello è sceso del *20%*. Sol ha anche progettato ed eseguito centinaia di esperimenti sull'architettura del **draft model** usato per lo **speculative decoding**, testando variazioni di dimensione, struttura e feature. Ha poi avviato e monitorato il ***training dello speculator***, intervenendo autonomamente su guasti hardware e instabilità. L'efficienza di generazione dei token è **aumentata di oltre il *15%***. Non sono numeri da ***benchmark*** accademico. Sono interventi su un **sistema in produzione** su larga scala, e i miglioramenti sono stati ottenuti facendo eseguire al modello stesso **lavoro di ingegneria** che prima richiedeva team umani specializzati. Sul lato prezzi, [il post del 30 luglio](https://openai.com/index/advancing-the-price-performance-frontier-with-gpt-5-6/?ref=adrianoamalfi.com) traduce questi guadagni in **cifre da listino.** **GPT-5.6 Luna** passa a ***$0.20* per milione** di token in input e *$1.20* in output: un taglio dell'***80%* in un colpo solo**. **GPT-5.6 Terra** scende del **20%, a $2/$12**. **GPT-5.6 Sol** mantiene il prezzo invariato ma introduce la **modalità Fast**, che promette velocità fino a ***2.5×* a prezzo doppio**, senza degradazione dell'intelligenza. Il caso Blitzy, citato nel post, dà la misura dell'**effetto combinato** di **efficienza del modello** e **riduzione del prezzo**: Luna gestisce *2.2×* **più contesto** producendo *8.5×* meno token in output rispetto a GPT-5.4 mini, a un **costo inferiore** dell'87%. ## Il circuito che i post descrivono senza nominarlo Nessuno dei due post usa mai l'espressione "**auto-ottimizzazione**". La cornice è quella di un "**human-led process**": esseri umani che supervisionano, modello che esegue task specifici. Ma il meccanismo descritto è diverso da un assistente che suggerisce e un ingegnere che valuta. **Sol scrive kernel** in Triton e Gluon, li testa, e quei kernel **vanno in produzione**. Non è un esperimento isolato: OpenAI scrive che "*questo lavoro continua, creando un *ciclo di feedback* più stretto: man mano che i nostri *modelli migliorano* e sono in grado di *lavorare in modo più autonomo*, la nostra capacità di *migliorare l'efficienza* accelera*". È la descrizione letterale di un ciclo che si **auto-alimenta.** Il punto è la **direzione del flusso**. In uno stack AI tradizionale, l**'infrastruttura serve il modello**: GPU, kernel, scheduler e rete sono un **substrato fisso** su cui l'inferenza gira. Qui il **modello ha agito** sull'infrastruttura, con effetti misurabili. I kernel che Sol ha riscritto sono lo stesso software che esegue Sol. Il loop è: più il **modello migliora l'infrastruttura**, più l'infrastruttura diventa efficiente, più compute si libera per far girare il modello, più il modello può essere usato per migliorare l'infrastruttura. Questo **non è un *paper*** di ricerca su "**AI for chip design**". È un **deploy**. Ed è la prima volta, per quanto documentato pubblicamente, che un modello di frontiera **chiude questo anello** a livello di sistema. ## Cosa si rompe La **relazione tra costo e prezzo** è la prima a saltare. Se un modello può ridurre del 20% i **costi di serving** in un singolo ciclo di ottimizzazione, e può iterare, il **prezzo di listino** smette di **riflettere un costo** marginale e diventa un segnale. Luna a $0.20 per milione di token non è il **punto di equilibrio** tra spese e ricavi: è il prezzo a cui OpenAI **sceglie di vendere** capacità dopo aver accumulato abbastanza efficienza da poterselo permettere. La **velocità del taglio,** 80% in una sola mossa, suggerisce che il **margine di manovra** è ampio e che il prossimo **ciclo di ottimizzazione** potrebbe comprimerlo ancora prima che i concorrenti si adeguino. Salta anche la **prevedibilità del deployment**. OpenAI ha dovuto costruire **tooling di verifica** dedicato per potersi fidare dei kernel generati da Sol. Il post del 29 luglio menziona [FpSan](https://triton-lang.org/main/programming-guide/chapter-3/fpsan.html?ref=adrianoamalfi.com), un ***Floating-Point Sanitizer*** open source sviluppato per **validare la correttezza** numerica del codice GPU prodotto dal modello. Il dettaglio è importante: più il modello diventa **capace di modificare** il proprio stack, più il collo di bottiglia si sposta **dall'ottimizzazione alla verifica**. Scrivere un kernel più veloce è il **problema che Sol ha risolto**; garantire che sia corretto è il **problema che richiede strumenti** nuovi, e **FpSan** è il primo mattone di una **categoria di tooling** che oggi non esiste se non dove OpenAI stessa l'ha costruita. Poi c'è la **frattura competitiva**. Il loop di **auto-ottimizzazione** è un **moltiplicatore asimmetrico**: funziona meglio per chi ha già i **modelli più capaci,** perché sono i modelli più capaci a produrre le **ottimizzazioni migliori**. **OpenAI ha usato Sol**, il suo modello di punta, per **rendere più economico** l**'intero stack** incluso Luna, il modello più economico. Un concorrente che partisse da un **modello meno capace** non potrebbe generare lo stesso **tasso di miglioramento** infrastrutturale, e resterebbe **esposto a prezzi** che scendono più velocemente dei suoi costi. L'ultima conseguenza è la più concreta. I due post descrivono un sistema in cui il **costo marginale dell'inferenza** non è più governato dal **prezzo delle GPU** ma dalla velocità con cui il **modello impara a usare meglio** le GPU che ha. È un **cambio di variabile** indipendente. E poiché il ciclo è **dichiaratamente iterativo**, il prossimo **aggiornamento di prezzo** non arriverà quando NVIDIA avrà una nuova architettura: arriverà quando **Sol avrà trovato un altro 20%**. ## Further Reading [Floating-Point Sanitizer (FpSan) — Triton documentation![](https://static.ghost.org/v5.0.0/images/link-icon.svg)![](https://adrianoamalfi.com/content/images/thumbnail/triton-logo-01350dd2-f229-4cfb-b69b-7aab7d662a9a.png)](https://triton-lang.org/main/programming-guide/chapter-3/fpsan.html?ref=adrianoamalfi.com) [Welcome to Triton’s documentation! — Triton documentation![](https://static.ghost.org/v5.0.0/images/link-icon.svg)![](https://adrianoamalfi.com/content/images/thumbnail/triton-logo-5bb8e278-5d3f-4404-99f4-4e49f6f428ad.png)](https://triton-lang.org/main/index.html?ref=adrianoamalfi.com) - [*GPT-5.6 Pricing ufficiale*](https://openai.com/business/pricing/?ref=adrianoamalfi.com#api) : il listino aggiornato con i nuovi prezzi di Luna e Terra. Utile per calcolare l'impatto reale sui costi operativi. - [*GPT-5.6 Luna API docs*](https://developers.openai.com/api/docs/models/gpt-5.6-luna?ref=adrianoamalfi.com) : la documentazione tecnica del modello, con limiti di contesto, capacità di tool calling e parametri di utilizzo.