OpenAI: GPT-6 Luna (batch)

GPT-6 Luna هو نموذج نصي من OpenAI، وهو جزء من سلسلة GPT-6. وضمن تلك السلسلة يقع دون GPT-6 Sol، ويُطرح كخيار سريع وفعّال من حيث التكلفة. وهو موجّه للأعمال ذات الحجم الكبير والحساسة لزمن الاستجابة، لذا يستحق النظر فيه عندما تحتاج إلى معالجة طلبات كثيرة بسرعة بدلًا من أقوى قدرة استدلال متاحة من العائلة نفسها.

على جانب الإدخال، يقبل GPT-6 Luna النصوص والصور والملفات، ويعيد النصوص فقط. نافذة السياق هي 1,050,000 رمز، وهي كبيرة بما يكفي لاستيعاب مستندات طويلة جدًا أو سجلات محادثات ممتدة في طلب واحد. الحد الأقصى للإخراج هو 128,000 رمز، لذا يمكن توليد نصوص طويلة إلى جانب ميزانية الإدخال الكبيرة تلك. ويدعم مجموعة من معاملات الطلب، بما في ذلك عناصر التحكم في الاستدلال والمخرجات المنظمة واستخدام الأدوات، ما يعني أن النموذج يستطيع أداء أكثر من مجرد إكمال محادثة عادي.

إن الجمع بين نافذة سياق كبيرة جدًا ومدخلات الصور والملفات يجعل النموذج مناسبًا للمهام التي تكون فيها المادة المصدرية كبيرة أو مختلطة. قد تستخدمه لتلخيص تقارير وعقود طويلة أو الاستعلام عنها، أو تشغيل التصنيف أو الاستخراج على دفعات كبيرة من المستندات، أو بناء تجارب محادثة تحتاج إلى تذكر سجل طويل. ولأن إدخال الصور مدعوم، يمكنه أيضًا التعامل مع الطلبات التي تجمع بين لقطات الشاشة أو الصفحات الممسوحة ضوئيًا وتعليمات نصية. ويشير توفر الأدوات والمخرجات المنظمة إلى سير عمل وكيلي خفيف، حيث يستدعي النموذج دوالًا أو يعيد بيانات وفق مخطط ثابت.

يمكنك استدعاء النموذج عبر واجهة API المتوافقة مع OpenAI من api14 باستخدام معرّف النموذج openai/gpt-6-luna:batch. ولأن الواجهة تتبع تنسيق OpenAI، فإن العملاء ومجموعات أدوات التطوير SDK الحالية تعمل عمومًا مع تغيير عنوان URL الأساسي ومعرّف النموذج. المعاملات المدعومة هي include_reasoning و max_tokens و reasoning و reasoning_effort و response_format و seed و structured_outputs و tool_choice و tools و verbosity. وتغطي هذه طول الإخراج، والحتمية عبر seed، والاستجابات بصيغة JSON أو المقيّدة بمخطط، وعمق الاستدلال، واختيار الأدوات.

أما بالنسبة للحدود، فإن الحقائق الواردة هنا لا تسرد حدود المعدل أو الحصص أو تاريخ قطع المعرفة، لذا تحقق من الوثائق المباشرة بشأن ذلك. ويشير المزوّد إلى أن GPT-6 Luna يقع دون GPT-6 Sol، لذا إذا كانت المهمة تتطلب أقوى استدلال في السلسلة، فقد يكون نموذج أكبر من العائلة أنسب. أما المهام ذات الحجم الكبير والحساسة لزمن الاستجابة، والتصنيف، وتدفقات العمل الوكيلية الخفيفة، فإن Luna هو الخيار المقصود.