Como usar a API GPT-5.6: Sol, Terra e Luna

A OpenAI lançou o GPT-5.6 para disponibilidade geral em 9 de julho de 2026. O acesso à API é de autoatendimento: qualquer conta da API pode usá-lo sem lista de espera ou restrição de plano. Em vez de um único modelo, a família traz três níveis — Sol, Terra e Luna — com preços, níveis de raciocínio e controles explícitos de cache de prompt.

Experimente o Apidog hoje

Este guia mostra como escolher um modelo, fazer a primeira chamada, ajustar o raciocínio, usar cache explícito e migrar do GPT-5.5. Para o contexto de posicionamento e benchmarks, consulte a visão geral do GPT-5.6 Sol. Aqui, o foco é implementar e comparar as opções com prompts reais.

Ao final, você terá chamadas para os três níveis e um processo repetível para avaliar custo, qualidade e latência no Apidog.

TL;DR

• Use gpt-5.6-sol para raciocínio profundo, gpt-5.6-terra para workloads equilibradas e gpt-5.6-luna para alto volume e baixa latência.
• O alias gpt-5.6 aponta para Sol. Em produção, prefira IDs explícitos.
• Preços por 1M de tokens:
  • Sol: $5 entrada / $30 saída
  • Terra: $2,50 entrada / $15 saída
  • Luna: $1 entrada / $6 saída
• O raciocínio possui seis níveis: none, low, medium, high, xhigh e max.
• O modo Pro é uma configuração: reasoning.mode: "pro". Não é um modelo separado.
• Para reutilizar prefixos grandes, use prompt_cache_options.mode: "explicit" com ttl.
• Ao migrar do GPT-5.5, teste um nível de raciocínio abaixo e remova instruções redundantes de brevidade dos prompts.

Os três IDs de modelo e quando escolher cada um

A geração é GPT-5.6; Sol, Terra e Luna são níveis de capacidade. Segundo a cobertura de lançamento da MarkTechPost, esses níveis devem evoluir de forma independente entre gerações.

ID do modelo	Nível	Entrada / saída por 1M de tokens	Use quando
gpt-5.6-sol	Carro-chefe	$5 / $30	Raciocínio profundo, agentes, depuração complexa
gpt-5.6-terra	Equilibrado	$2,50 / $15	Funcionalidades de produto e tarefas semelhantes ao GPT-5.5
gpt-5.6-luna	Rápido	$1 / $6	Classificação, extração, roteamento e rascunhos

A OpenAI relata que Sol alcança aproximadamente 53 no Agentes' Último Exame, contra 46,9 do GPT-5.5. Trate isso como um dado de lançamento: valide a melhoria em tarefas do seu produto.

Use este fluxo de decisão:

1. Comece com Terra para prototipar.
2. Promova apenas os casos que falham de forma mensurável para Sol.
3. Mova fluxos estáveis, simples e de grande volume para Luna.
4. Fixe o ID do nível no código de produção para controlar custo e comportamento.

A análise de preços do GPT-5.6 detalha a comparação entre gerações e concorrentes.

O alias gpt-5.6 aponta para Sol. Evite depender dele em produção se custo previsível for importante.

Sua primeira requisição

Os IDs abaixo correspondem à documentação da OpenAI. Você precisa de uma chave de API com faturamento ativado.

Opção 1: Chat Completions para código existente

Se sua aplicação já usa Chat Completions, basta trocar o modelo:

from openai import OpenAI

client = OpenAI()

response = client.chat.completions.create(
    model="gpt-5.6-sol",
    messages=[
        {
            "role": "system",
            "content": "You are a concise code reviewer."
        },
        {
            "role": "user",
            "content": "Review this for edge cases: def parse_price(raw): return float(raw.strip('$'))"
        }
    ]
)

print(response.choices[0].message.content)

A mesma chamada com curl:

curl https://api.openai.com/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -d '{
    "model": "gpt-5.6-sol",
    "messages": [
      {
        "role": "user",
        "content": "Explain idempotency keys in one paragraph."
      }
    ]
  }'

Opção 2: API Responses para novas integrações

Para novas implementações, use a API Responses. As adições de GA estão concentradas nela, incluindo configurações de raciocínio:

from openai import OpenAI

client = OpenAI()

response = client.responses.create(
    model="gpt-5.6-terra",
    input="Summarize the trade-offs between webhooks and polling.",
    reasoning={"effort": "low"}
)

print(response.output_text)

Antes de integrar um nível definitivamente, execute o mesmo prompt de produção em Sol, Terra e Luna. Compare:

• qualidade factual;
• formato da resposta;
• latência;
• tokens de entrada e saída;
• custo estimado por chamada.

Escolhendo um nível de esforço de raciocínio

O GPT-5.6 expõe seis níveis:

none → low → medium → high → xhigh → max

Use-os conforme a complexidade da tarefa.

Esforço	Indicação
none	Reformatação, extração estruturada, templates e tarefas mecânicas
low	Resumos simples, classificação e roteamento
medium	Ponto de partida para a maioria das workloads
high	Depuração, análises técnicas e decisões com múltiplas restrições
xhigh	Problemas difíceis que exigem maior profundidade
max	Arquitetura, bugs sutis de concorrência e planejamento multi-etapa

Para tarefas mecânicas e sensíveis à latência, combine Luna com none:

response = client.responses.create(
    model="gpt-5.6-luna",
    input="Extract invoice number, date, and total as JSON.",
    reasoning={"effort": "none"}
)

Para começar, use medium. Depois, ajuste um nível por vez e meça o resultado. A orientação de migração da OpenAI indica que muitas workloads do GPT-5.5 mantêm a qualidade usando um nível de raciocínio abaixo no GPT-5.6.

Modo Pro

O modo Pro é independente do esforço. Ele prioriza qualidade em vez de velocidade:

response = client.responses.create(
    model="gpt-5.6-sol",
    input="Review this incident postmortem and identify missing corrective actions.",
    reasoning={
        "effort": "high",
        "mode": "pro"
    }
)

Use-o para respostas em que uma conclusão ruim custa mais do que uma execução mais lenta, como análises legais, postmortems e revisões de arquitetura.

Configurando o cache de prompt

O GPT-5.6 permite controle explícito de cache. Isso é útil quando muitas requisições compartilham um prefixo grande, como um playbook, política, documentação interna ou instruções de sistema.

Configure o cache assim:

response = client.responses.create(
    model="gpt-5.6-luna",
    input=[
        {"role": "system", "content": SUPPORT_PLAYBOOK},
        {"role": "user", "content": ticket_text}
    ],
    prompt_cache_options={
        "mode": "explicit"
    }
)

Adicione ttl quando precisar controlar o período de reutilização:

response = client.responses.create(
    model="gpt-5.6-luna",
    input=[
        {"role": "system", "content": SUPPORT_PLAYBOOK},
        {"role": "user", "content": ticket_text}
    ],
    prompt_cache_options={
        "mode": "explicit",
        "ttl": "30m"
    }
)

O mínimo é de 30 minutos. Consulte a referência da API da OpenAI para os valores aceitos de ttl e as regras de posicionamento do ponto de interrupção.

Quando o cache compensa

As gravações de cache custam 1,25x a taxa de entrada não armazenada. Leituras em cache mantêm desconto de 90%.

Para um prefixo reutilizado:

• duas chamadas sem cache: 2,0x o custo de entrada;
• uma gravação + uma leitura: 1,35x o custo de entrada.

Ou seja: o cache se paga a partir da segunda reutilização dentro do TTL.

Exemplo com Luna e um playbook estático de 40.000 tokens:

• sem cache: $0,04 por chamada;
• primeira gravação: $0,05;
• cada leitura posterior: $0,004.

Em 100 chamadas, o prefixo estático custa aproximadamente:

Sem cache:      $4,00
Com cache:      $0,45
Economia:       ~89%

A regra prática é simples: habilite cache explícito quando um prefixo grande for reutilizado pelo menos duas vezes dentro do TTL.

O que há de novo na API Responses em GA

Três recursos foram lançados na API Responses:

1. Chamada programática de ferramentas
   
   Em vez de alternar entre modelo, ferramenta e servidor a cada passo, o modelo pode escrever JavaScript para orquestrar ferramentas. Esse código é executado em um ambiente V8 isolado e sem acesso à rede.

2. Multi-agente em beta
   
   Uma requisição pode distribuir trabalho entre subagentes executados em paralelo. Isso é útil quando o problema pode ser dividido em partes independentes.

3. Raciocínio persistente
   
   O contexto de raciocínio pode continuar entre conversas usando reasoning.context, evitando que um agente multi-turn precise reconstruir seu contexto em cada chamada.

Também existem os novos níveis de detalhe de visão original e auto, que preservam as dimensões originais da imagem. Use a referência da API da OpenAI para validar formatos de requisição e parâmetros antes da implementação.

Migrando do GPT-5.5

Se você já segue o fluxo do guia da API GPT-5.5, trate a mudança como ajuste de comportamento, não apenas como troca de slug.

1. Teste o esforço atual e um nível abaixo

Se você usava:

{
  "reasoning": {
    "effort": "high"
  }
}

Teste também:

{
  "reasoning": {
    "effort": "medium"
  }
}

Compare qualidade, latência e uso de tokens antes de manter o nível mais alto.

2. Remova diretivas redundantes de brevidade

O GPT-5.6 tende a produzir respostas mais curtas e com menos introduções genéricas. Remova instruções acumuladas como:

Seja conciso.
Não use preâmbulos.
Vá direto ao ponto.
Não explique demais.

Depois, teste novamente. Essas instruções podem deixar a saída curta demais.

A análise de Simon Willison é uma referência independente útil sobre o comportamento da família no lançamento.

3. Faça benchmark com tarefas reais

Antes de liberar tráfego de produção:

1. Monte um conjunto de prompts representativos.
2. Rode cada prompt no GPT-5.5 e em Terra.
3. Compare respostas e métricas de uso.
4. Só promova para Sol os casos em que Terra falhar.
5. Avalie Luna para fluxos estáveis e de alto volume.

Testando a API no Apidog

curl confirma que o endpoint responde. Para escolher o modelo certo, você precisa de testes reproduzíveis. Baixe o Apidog e crie uma coleção de comparação.

1. Crie um ambiente com sua chave e variáveis de modelo:

   OPENAI_API_KEY=...
   MODEL_SOL=gpt-5.6-sol
   MODEL_TERRA=gpt-5.6-terra
   MODEL_LUNA=gpt-5.6-luna

1. Crie uma requisição POST para a API Responses.

2. Referencie uma variável de modelo no corpo:
   

   {
     "model": "{{MODEL_TERRA}}",
     "input": "Explique as diferenças entre webhooks e polling.",
     "reasoning": {
       "effort": "medium"
     }
   }

1. Duplique a requisição para Sol e Luna.

2. Envie o mesmo prompt de produção para os três modelos.

3. Compare resposta, latência e o bloco de uso retornado pela API.

Para estimar custo por requisição, multiplique os tokens de entrada e saída pelas taxas do nível testado. Isso produz uma decisão baseada nos seus prompts, não em benchmarks genéricos.

Repita o mesmo procedimento ao mudar o esforço de raciocínio. Uma requisição salva por combinação de modelo e esforço torna visível sua curva de qualidade versus custo.

FAQ

A API GPT-5.6 está disponível para todos?

Sim. Desde 9 de julho de 2026, qualquer conta da API OpenAI pode chamar os três modelos em autoatendimento. O acesso à API não depende do plano ChatGPT.

Qual é a janela de contexto e o corte de conhecimento do GPT-5.6?

Segundo a cobertura inicial da documentação, a família possui:

• janela de contexto de 1M de tokens;
• saída máxima de 128K tokens;
• corte de conhecimento em 16 de fevereiro de 2026.

A página de modelos da OpenAI é a fonte oficial. Confirme esses limites para sua conta antes de projetar uma integração dependente deles.

Qual é a diferença entre o modo Pro e o Ultra?

O modo Pro é uma configuração de API:

{
  "reasoning": {
    "mode": "pro"
  }
}

Ele funciona nos três modelos e prioriza qualidade em vez de velocidade.

Ultra é uma configuração multi-agente que executa quatro agentes em paralelo por padrão e está disponível no ChatGPT Work para planos Pro e Enterprise, além do Codex a partir do Plus. Consulte a análise do modo Ultra do GPT-5.6 para avaliar quando o gasto adicional de tokens faz sentido.

Devo usar Chat Completions ou a API Responses?

Use Chat Completions quando você já possui código funcional e quer apenas trocar o modelo.

Use a API Responses em novas implementações. Os recursos de chamada programática de ferramentas, multi-agente e raciocínio persistente foram lançados nela.

Próximos passos

Comece com um teste pequeno e mensurável:

1. Escolha Terra.
2. Execute um prompt real do seu produto com reasoning.effort: "medium".
3. Rode novamente com um nível abaixo.
4. Compare qualidade, tokens e latência.
5. Adicione cache explícito se houver um prefixo estático grande.
6. Teste Sol apenas para os casos em que Terra não alcançar a qualidade necessária.
7. Avalie Luna para fluxos repetitivos e de alto volume.

Mantenha sua coleção de comparação. Sol, Terra e Luna devem evoluir em ritmos próprios, e requisições salvas permitem repetir o benchmark a cada lançamento. O Apidog centraliza requisições, ambientes e contagens de tokens para transformar futuras avaliações de modelo em um ciclo curto de testes.