OpenAI: GPT-6 Luna

GPT-6 Luna ist ein Textmodell von OpenAI und Teil der GPT-6-Serie. OpenAI positioniert es als das schnelle, kosteneffiziente Mitglied dieser Serie, unterhalb von GPT-6 Sol. Es wurde vom Anbieter am 22. September 2026 veröffentlicht. Wenn Sie zwischen Modellen der GPT-6-Familie wählen, ist Luna dasjenige, das auf Workloads ausgerichtet ist, bei denen Geschwindigkeit und Durchsatz wichtiger sind als Spitzenleistung.

Auf der Eingabeseite akzeptiert Luna Text, Bilder und Dateien, sodass Sie Prompts senden können, die schriftliche Anweisungen mit visuellen Inhalten oder Dokumentinhalten mischen. Die Ausgabe ist reiner Text. Das Kontextfenster umfasst 1.050.000 Token, was groß genug ist, um ganze Codebasen, lange Dokumentsammlungen oder ausgedehnte Gesprächsverläufe in einer einzigen Anfrage aufzunehmen. Die maximale Ausgabe beträgt 128.000 Token, sodass neben diesem großen Eingabebudget auch lange Generierungen möglich sind.

Die Kombination aus einem sehr großen Kontextfenster und gemischten Eingabemodalitäten deutet auf einige praktische Anwendungen hin. Chat-Anwendungen können lange Verläufe ohne aggressive Kürzung führen. Klassifizierungs- und Extraktionsaufgaben können ganze Dokumente, einschließlich gescannter Seiten oder Screenshots, aufnehmen und strukturierten Text zurückgeben. Leichtgewichtige agentische Workflows passen ebenfalls, da das Modell Tool-Aufrufe unterstützt und über große Arbeitskontexte hinweg arbeiten kann. Hochvolumige und latenzempfindliche Aufgaben sind laut OpenAIs eigener Beschreibung das Ziel, daher sind Batch-Verarbeitung, Routing, Tagging und ähnliche repetitive Arbeit vernünftige Kandidaten.

Sie rufen das Modell über die OpenAI-kompatible API von api14 mit der Modell-ID "openai/gpt-6-luna" auf. Die unterstützten Anfrageparameter sind include_reasoning, max_completion_tokens, max_tokens, reasoning, reasoning_effort, response_format, seed, structured_outputs, tool_choice, tools und verbosity. Da der Endpunkt der Form der OpenAI-Chat-Completions folgt, funktionieren bestehende Clients und SDKs mit einer Änderung der Basis-URL und der Modell-ID. Verwenden Sie response_format oder structured_outputs, wenn Sie vorhersehbares JSON benötigen, tools und tool_choice für Funktionsaufrufe und seed, wenn Sie eine besser reproduzierbare Stichprobenziehung wünschen. Die Parameter reasoning und reasoning_effort steuern, wie viel interne Schlussfolgerung das Modell ausführt, während verbosity die Länge seiner Antworten beeinflusst und max_tokens oder max_completion_tokens die Generierung begrenzen.

Behalten Sie die Grenzen im Auge, wenn Sie sich entscheiden. Die Ausgabe ist reiner Text, daher sind Bildgenerierung oder Audioausgabe nicht Teil dieses Modells. Die Anbieterbeschreibung ordnet Luna in der Serie unter GPT-6 Sol ein. Wenn eine Aufgabe also die stärkste Schlussfolgerungsfähigkeit der Familie erfordert statt Geschwindigkeit und Effizienz, könnte ein anderes Modell besser passen. Für alles andere, insbesondere Chat mit großem Kontext, Dokument- und Bildverständnis, Klassifizierung und toolgesteuerte Agenten in großem Umfang, ist Luna der natürliche Ausgangspunkt.