GPT-5.6 Sol ha riscritto i kernel che lo eseguono. Luna ora costa l'80% in meno

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 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 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, 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

Welcome to Triton’s documentation! — Triton documentation

• GPT-5.6 Pricing ufficiale : 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 : la documentazione tecnica del modello, con limiti di contesto, capacità di tool calling e parametri di utilizzo.