Blog
GPT-6 Sol en Luna: waar je de nieuwe modellen van OpenAI voor inzet
Dylan van den Bosch
Oprichter van Biite23 september 2026 · 8 min lezen
In dit stuk
Kort samengevat
- GPT-6 Sol is het model voor alledaags werk en automatisering tussen systemen. Luna is gebouwd voor grote volumes met eenvoudige beslissingen.
- Luna past bij tagging en het opschonen van data, zolang het uit vaste categorieën kiest en niets zelf hoeft aan te vullen.
- Op kenniswerk zoals analyses en rapportages gingen beide modellen volgens onafhankelijke metingen achteruit.
- Kies per taak een model en leg vooraf vast hoe je de uitkomst controleert.
Stel dat je tweeduizend formulierinzendingen hebt liggen. Bedrijfsnamen op vijf manieren gespeld, functies in het verkeerde veld, een paar dubbelingen ertussen. Dat is geen werk voor je beste analist, en ook niet voor het zwaarste AI-model dat er is. Het is werk voor iets snels, iets goedkoops en iets dat netjes binnen de lijntjes blijft.
Precies dat soort onderscheid maakt OpenAI nu zelf. Op 22 september bracht het naast het zware GPT-6 Astra twee nieuwe modellen uit: GPT-6 Sol en GPT-6 Luna. Het was een drukke week. Een dag eerder had SpaceXAI al Grok 4.7 uitgebracht, en op dezelfde dag kwam Anthropic met Claude Opus 5.5.
Wie elke release najaagt, is volgende week weer aan het overstappen. Bij Biite ben ik daarom niet aan één model getrouwd. Opus doet bij mij het meeste werk, en Sonnet, Gemini en GPT-6 Astra pakken op wat zij beter kunnen. Die verdeling maken is het eigenlijke vak, en elke release schuift haar een stukje op. Sol en Luna heb ik zelf nog niet in een opdracht gebruikt, want ze zijn een dag oud. Wat hier staat, komt uit wat OpenAI publiceert en uit wat onafhankelijke testers in de eerste dag hebben gemeten.
Wat zijn GPT-6 Sol en GPT-6 Luna?
De GPT-6-familie telt nu drie modellen, elk voor een ander soort werk. Astra is het zwaarste model en bedoeld voor het moeilijkste werk. Sol is het model voor alledaags werk: het kan redeneren, maar is sneller en lichter dan Astra. Luna is gebouwd voor snelheid en grote aantallen.
Sol en Luna nemen ook de schrijfstijl over die OpenAI eerder bij Astra invoerde, met kortere antwoorden, minder jargon en minder bijzaken (MacRumors). In ChatGPT vind je ze in de Work-modus en in Codex, voor wie een Plus-, Pro-, Business-, Enterprise- of Edu-abonnement heeft. Gratis gebruikers krijgen Luna in de desktopapp. In de gewone Chat-modus zitten ze nog niet. Via de API zijn ze allebei beschikbaar, voor ongeveer de helft van wat de vorige versies kostten.
Waar is GPT-6 Sol sterk in?
Sol is een kostenefficiënte kandidaat voor het automatiseren van werk tussen systemen. Op AutomationBench, dat meet hoe goed een model bedrijfsprocessen afhandelt, haalt Sol op de instelling xhigh 33,2 procent. Daarmee scoort het hoger dan Astra op een lage instelling en hoger dan Claude Opus 5 op zijn hoogste stand (OpenAI). Dat is geen voorsprong op Opus 5.5: daarvoor rapporteert Anthropic 40,0 procent. De instellingen en testomstandigheden tellen bij zulke vergelijkingen mee.
Op betrouwbaarheid zijn er ook verbeteringen. In OpenAI’s interne test met vragen die eerder feitelijke fouten uitlokten, maakt Sol ongeveer half zoveel fouten als zijn voorganger. Dat is geen meting van doorsnee gebruik. Artificial Analysis zag de hallucination rate op AA-Omniscience dalen van 92 naar 60 procent. Die maat telt onjuiste antwoorden binnen alle niet-correcte reacties, inclusief gedeeltelijke antwoorden en vragen waarop het model geen antwoord geeft. Het betekent dus niet dat 60 procent van alle antwoorden onjuist is.
Vertaal je dat naar online marketing, dan kom je uit bij het werk dat nu tussen systemen blijft liggen. Een lead die uit een formulier komt en met de juiste velden in je CRM moet landen. Een wekelijkse controle of de campagnes in je advertentieaccount nog kloppen met je meetplan. Het zijn taken met duidelijke regels en een vaste volgorde, en daar is Sol goed in.
Bij het zelf bedienen van een computer is de afweging tussen kwaliteit en kosten belangrijk. Op OSWorld 2.0 offline haalt Sol op xhigh 60,5 procent, ongeveer gelijk aan Opus 5 op medium volgens OpenAI. Voor een agent die zelfstandig door schermen klikt, zou ik ook Astra en Opus 5.5 testen. De aangehaalde scores zijn geen garantie dat een model jouw hele proces foutloos afhandelt.
Waar is GPT-6 Luna voor bedoeld?
Luna draait om aantallen. Het is snel en kost 10 dollarcent per miljoen tokens input. Simon Willison noemt het een van de goedkoopste modellen die OpenAI ooit uitbracht, zette het meteen in een eigen demo en omschrijft het als “fast and competent”.
Daarmee komen de marketingtaken in beeld die je bij grote volumes met de hand niet bijhoudt. Denk aan tagging, waarbij je pagina’s, zoekopdrachten of producten indeelt op onderwerp, fase of intentie. Aan data cleaning, zoals die tweeduizend formulierinzendingen van hierboven. Of aan het sorteren van binnenkomende vragen en reacties, zodat ze bij de juiste persoon terechtkomen. Als ik Luna ergens als eerste op loslaat, dan is het hier.
Er zit wel één harde grens aan. Op dezelfde AA-Omniscience-meting daalde Luna’s hallucination rate van 93 naar 77 procent. Ook dat is geen foutpercentage voor alle antwoorden of voor jouw marketingdata. Het is wel reden om onzekerheid expliciet op te vangen. Laat Luna kiezen uit een vaste lijst categorieën, geef het de optie “onbekend”, en laat het nooit zelf een ontbrekende waarde invullen. Test of het bedrijfsnamen goed gelijktrekt en controleer steekproeven. Een ontbrekend telefoonnummer bedenken mag het niet.
Tagging en meten liggen dicht bij elkaar. Hoe je voorkomt dat je data stilletjes verkeerd wordt, lees je in Wat je analytics niet meet.
Waar zet je Sol en Luna beter niet voor in?
Voor je analyses en rapportages kun je beter verder kijken. Artificial Analysis zag beide modellen achteruitgaan op GDPval, de benchmark voor kenniswerk, en wijt dat aan zwakkere presentatie. Een concurrentieanalyse, een strategisch document of een rapportage voor de directie leg je dus liever bij een ander model neer. Claude Opus 5.5 scoort juist op dat terrein sterk, zoals je leest in het stuk over Opus 5.5.
Voor technisch werk ligt dat anders. Dan Shipper van Every maakte Sol meteen zijn dagelijkse model voor programmeerwerk. Het is volgens hem niet helemaal Astra, maar het komt dicht genoeg in de buurt (Dan Shipper op X). Voor werk aan je site of je koppelingen is het dus zeker het proberen waard.
GPT-6 Sol of Claude Opus 5.5?
Ze kwamen op dezelfde dag uit, maar ze zijn voor ander werk gebouwd. Op basis van wat de makers en de eerste testers publiceren, ziet de verdeling er zo uit:
| Soort werk | Eerste kandidaat | Waarom |
|---|---|---|
| Processen tussen systemen automatiseren | GPT-6 Sol | Goede kandidaat bij een beperkt budget; geen aangetoonde voorsprong op Opus 5.5 |
| Tagging, classificeren, data cleaning in grote aantallen | GPT-6 Luna | Snel en goedkoop, mits met vaste categorieën |
| Analyses, rapportages, strategische documenten | Claude Opus 5.5 | Sterk op kenniswerk (GDPval) |
| Een agent die zelf door schermen werkt | GPT-6 Astra of Claude Opus 5.5 | Hoogste scores op computergebruik |
Lees die tabel als een startpunt en niet als een uitslag. De cijfers van OpenAI en Anthropic zijn niet een op een te vergelijken, omdat ze soms andere versies van dezelfde benchmark en andere instellingen gebruiken.
Zo zet je een nieuw model goed in
Een model kiezen is eigenlijk het makkelijke deel. Of het werkt, hangt vooral af van wat je eromheen inricht. Bij Biite loop ik daarvoor steeds dezelfde stappen door.
Begin bij de taak en niet bij het model. Schrijf op wat er binnenkomt, wat eruit moet komen en welke fout het duurst is. Een verkeerd getagde pagina is vervelend, een verkeerd gekoppelde lead kost omzet. Maak daarna een testset van een stuk of vijftig voorbeelden die je met de hand hebt gecontroleerd, en laat twee of drie modellen daar hun werk op doen. In een middag zie je welk model bij jouw data past.
Geef het model vervolgens de ruimte om te zeggen dat het iets niet weet. Een lege waarde of “onbekend” is altijd beter dan een verzonnen waarde die ongemerkt je rapportage in loopt. Blijf ook na de test steekproefsgewijs controleren, want een model dat in de eerste week goed werkt, kan bij andere invoer anders reageren.
Leg tot slot vast waar het model bij mag. Betere bescherming tegen prompt injection is geen garantie dat instructies uit een webpagina of document nooit het werk overnemen. Geef een model alleen toegang tot de systemen die het nodig heeft en beperk waar het gegevens naartoe kan sturen. Een model dat klantdata verwerkt, geef je geen onbeperkte toegang tot externe bestemmingen.
Veelgestelde vragen
Wat is het verschil tussen GPT-6 Sol en GPT-6 Luna?
Sol is het model voor alledaags werk waar redeneren bij komt kijken, zoals het automatiseren van processen. Luna is sneller en goedkoper en bedoeld voor grote aantallen eenvoudige beslissingen, zoals tagging en het opschonen van data.
Kan ik GPT-6 Sol al in ChatGPT gebruiken?
Ja, in de Work-modus en in Codex, als je een betaald abonnement hebt. In de gewone Chat-modus zitten Sol en Luna nog niet. Gratis gebruikers krijgen Luna in de desktopapp.
Is GPT-6 Sol beter dan Claude Opus 5.5?
Sol is een kostenefficiënte kandidaat voor procesautomatisering, maar de genoemde benchmarks tonen geen voorsprong op Opus 5.5 aan. Opus 5.5 scoort sterk op kenniswerk. Welke het beste past, hangt af van je taak, je budget en de fouten die je kunt accepteren. Test ze op je eigen data.
Wat de komende weken gaan laten zien
Sol en Luna zijn een dag oud. De cijfers in dit stuk komen van de maker en van een handvol vroege testers, en hoe ze zich houden op echt marketingwerk moet nog blijken. Ik ga Luna als eerste proberen op tagging en data cleaning, omdat het daar het meest belooft. Een week later, op 29 september, bracht OpenAI bovendien dots uit: agents die altijd aanstaan en draaien op het zwaardere GPT-6 Astra.
Wil je weten welk model in jouw marketingprocessen welk werk kan doen, en hoe je dat zo inricht dat je de uitkomst kunt controleren? Daar gaan werken met AI en data en techniek over.
Wie dit schreef
Dylan van den Bosch, Oprichter van Biite. wie is Biite · LinkedIn
Dit stuk raakt aan Werken met AI. Daar staat wat er precies onder valt en wanneer het niet past.
Meer lezen