GPT-5.6 Sol vs Terra vs Luna: qual escolher no Codex

- Preços, taxas de crédito e nomes de modelos mudam rápido; os números abaixo foram conferidos com a documentação oficial no momento da escrita (08/2026) - verifique a documentação ao vivo antes de depender deles.

Os três níveis, num relance

O Codex direciona cada tarefa para um dos três níveis de modelo GPT-5.6: Sol, Terra, Luna - substituindo a antiga nomenclatura por versão numerada. Os três níveis diferem em quanto "raciocínio profundo" o agente gasta por tarefa, o que determina tanto a velocidade quanto o custo em créditos.

Os números exatos de créditos estão na seção "Créditos, não só dólares" mais abaixo.

Escolha este nível quando - uma decisão de 10 segundos

Escolha a Sol quando:

• A tarefa abrange muitos arquivos ou uma decisão de arquitetura ainda não está clara.
• Você está depurando um bug difícil e ainda não sabe a causa raiz.
• Uma resposta errada sai caro - mudanças em produção, código sensível à segurança.

Escolha a Terra quando:

• Trabalho de recursos do dia a dia: implementar uma função, montar uma rota de API.
• Corrigir um teste que falha, uma refatoração limpa dentro de um arquivo ou módulo.
• Você quer um padrão "bom o bastante, rápido o bastante" sem ter que pensar nisso.

Escolha a Luna quando:

• Código repetitivo: gerar scaffolding de CRUD, configuração repetitiva.
• A especificação já está completamente clara - você mesma escreveu o plano, e o agente só o segue.
• Rodar um grande volume de tarefas pequenas e parecidas (renomeações em massa, esboços de documentação).

Nota prática: rodei a mesma tarefa pequena nos três níveis só para sentir a diferença, não para produzir números precisos de benchmark - e o resultado bateu com a divisão acima: a Terra dá conta na maior parte do tempo, a Sol justifica seu custo quando uma tarefa é genuinamente confusa, e a Luna é rápida, mas seus limites aparecem rápido assim que ela precisa acompanhar muitos arquivos de uma vez.

Terra - o padrão de código do dia a dia

A Terra é o nível equilibrado - forte o suficiente para a maior parte do trabalho de código real (implementação de recursos, correção de bugs, refatoração de um módulo, escrita de testes) sem pagar o custo da Sol. É o nível que o Codex deve usar por padrão se você não especificar outra coisa, e um ponto de partida razoável para a maioria das sessões.

Se uma tarefa na Terra fica saindo dos trilhos, ou você está fazendo muita limpeza manual depois dela, esse é o sinal para experimentar a Sol - não para continuar forçando a Terra numa tarefa que não é a dela.

Sol - quando a complexidade justifica o custo

A Sol é o nível mais forte, e o mais caro - conforme a tabela de créditos abaixo, a Sol custa cerca de 2,5x a Terra para o mesmo volume de tokens. Use-a quando o problema é ambíguo, abrange muitos arquivos, ou o custo de errar é alto demais para arriscar.

Segundo benchmarks de terceiros (agregados da Artificial Analysis, não uma publicação direta da OpenAI), a Sol pontua cerca de 63,7% em testes de conclusão de tarefas complexas, contra aproximadamente 40,7% da Terra - uma diferença ampla o bastante para justificar o gasto extra de créditos quando uma tarefa é genuinamente difícil. A OpenAI também foi citada dizendo que o GPT-5.6 é significativamente mais eficiente em tokens que a geração anterior para código - mas trate isso como um número "relatado" por fontes secundárias, não uma citação direta da OpenAI, e verifique se você precisar de uma citação exata.

Luna - rápida, barata, com um limite real

A Luna é o nível mais barato e mais rápido - ideal para trabalho de alto volume e bem especificado: código repetitivo, scaffolding repetitivo, mudanças em massa em arquivos parecidos. Seu custo em créditos fica uma ordem de grandeza inteira abaixo do da Terra, então, para trabalho simples, rodar a Luna primeiro e subir só se necessário faz mais sentido do que usar a Terra ou a Sol por padrão.

O limite real: segundo essa mesma fonte de benchmark de terceiros, a precisão de recuperação de contexto longo da Luna fica em torno de 41,3%, contra aproximadamente 90% de Sol/Terra. Não entregue a ela trabalho que exige entender uma base de código grande inteira de uma vez - ela tende a esquecer ou perder detalhes que estão mais distantes.

Como definir o modelo no Codex

Há três maneiras de definir o nível, dependendo de você querer um padrão duradouro ou uma troca pontual.

1. Defina um padrão persistente no config.toml - adicione esta linha ao ~/.codex/config.toml (aplica a todos os projetos) ou ao .codex/config.toml de um projeto (aplica só àquele projeto):

model = "gpt-5.6-terra"

Troque terra por sol ou luna conforme o nível que você quer como padrão.

2. Troque temporariamente com uma flag de CLI - útil quando você só precisa de um nível diferente para uma única execução:

codex --model gpt-5.6-sol
# or
codex -m gpt-5.6-sol

3. Troque no meio da sessão com /model - digite /model enquanto uma sessão está rodando para mudar de nível sem sair dela.

Pegadinha comum: digitar só gpt-5.6 sem o sufixo de nível - segundo algumas fontes técnicas de terceiros - assume a Sol na tarifa premium, não a Terra. Sempre especifique o sufixo de nível (-sol/-terra/-luna) para evitar uma cobrança da Sol sem querer. Isso não foi dito explicitamente no trecho da documentação primária que li - vale verificar ao vivo antes de depender disso.

O Codex também tem uma chave model_reasoning_effort que ajusta "o quanto ele pensa" de forma independente da escolha do nível - a lista completa de níveis não foi totalmente confirmada no trecho da documentação oficial que li no momento da escrita, então confira a documentação ao vivo se você precisar de um nível específico.

Créditos, não só dólares

A maioria das comparações de Sol/Terra/Luna online precifica as coisas em dólares por milhão de tokens de API - mas se você usa o Codex por meio de um plano do ChatGPT (sem chave de API separada), o número que você realmente vê são créditos descontados da cota do seu plano, não dólares puros.

(Fonte: a página oficial de preços em créditos, conferida no momento da escrita.) Segundo essa mesma página de preços, uma única mensagem do GPT-5.6 costuma consumir cerca de 5 a 40 créditos, dependendo da complexidade da tarefa e do nível em uso - um jeito rápido de estimar até onde vai a cota do seu plano sem converter para dólares. Se você paga por uma chave de API separada em vez da cota de um plano, o preço em dólares - segundo algumas fontes de terceiros, após o corte de preço do fim de julho de 2026 - fica em torno de Sol US$ 5/US$ 30, Terra US$ 2/US$ 12, Luna US$ 0,20/US$ 1,20 por milhão de tokens (entrada/saída). Esse número não é confirmado diretamente na página da própria OpenAI, então trate-o como ponto de referência. Para o detalhamento completo por plano do ChatGPT, leia o detalhamento completo de preços do Codex.

Perguntas frequentes (FAQ)

O que são Sol, Terra e Luna no Codex?

São os três níveis de modelo GPT-5.6 para os quais o Codex direciona tarefas, substituindo a antiga nomenclatura por versão numerada. A Sol é a mais forte e mais cara, a Terra é o padrão equilibrado do dia a dia, e a Luna é a mais rápida e barata, mas mais fraca na recuperação de contexto longo.

Qual nível GPT-5.6 devo usar para código do dia a dia no Codex?

A Terra. É o padrão equilibrado para trabalho de recursos do dia a dia, depuração e refatorações - forte o suficiente para a maioria das tarefas sem o custo da Sol ou a fraqueza de contexto longo da Luna.

Quando vale a pena mudar para a Sol?

Quando a tarefa abrange muitos arquivos, a especificação ainda está ambígua, ou uma resposta errada sai caro - mudanças em produção, código sensível à segurança. A Sol custa cerca de 2,5x a Terra em créditos, então só vale a pena quando o raciocínio mais profundo de fato muda o resultado.

A Luna é boa o suficiente para trabalho de código real, ou só para código repetitivo?

A Luna lida bem com trabalho de alto volume e bem especificado - código repetitivo, scaffolding, mudanças repetitivas. Mas, segundo benchmarks de terceiros, ela é notavelmente mais fraca na recuperação de contexto longo, então não entregue a ela trabalho que exige entender uma base de código grande de uma vez.

Como eu mudo o modelo no Codex - arquivo de configuração ou um comando?

Os três funcionam: defina model = gpt-5.6-terra no config.toml (~/.codex/config.toml para um padrão global, ou o .codex/config.toml de um projeto) para um padrão persistente, passe --model gpt-5.6-sol (ou -m) como flag de CLI para uma execução, ou digite /model no meio da sessão para trocar temporariamente.

Conclusão

Comece com a Terra - ainda é a decisão mais rápida para a maioria das tarefas. Suba para a Sol quando a complexidade realmente merecer, desça para a Luna quando o trabalho for claro e de alto volume. Defina um nível padrão no config.toml e sempre deixe explícito o sufixo de nível para evitar uma cobrança da Sol sem querer. Os nomes de modelos, os preços e as taxas de crédito aqui mudam rápido - confira em learn.chatgpt.com/codex/pricing e learn.chatgpt.com/docs/models antes de depender de um número específico. Se você precisa entender o que é o Codex antes de se aprofundar nos níveis, leia o que é o OpenAI Codex.