OpenAI: GPT-6 Luna

GPT-6 Luna est un modèle de texte d'OpenAI, faisant partie de la série GPT-6. OpenAI le positionne comme le membre rapide et économique de cette série, situé en dessous de GPT-6 Sol. Il a été publié par le fournisseur le 22 septembre 2026. Si vous hésitez entre les modèles de la famille GPT-6, Luna est celui qui cible les charges de travail où la vitesse et le débit importent plus que la capacité de haut niveau.

Côté entrée, Luna accepte le texte, les images et les fichiers, vous pouvez donc envoyer des prompts qui mélangent des instructions écrites avec du contenu visuel ou documentaire. La sortie est uniquement du texte. La fenêtre de contexte est de 1 050 000 tokens, ce qui est suffisamment grand pour contenir des bases de code entières, de longs ensembles de documents ou des historiques de conversation étendus dans une seule requête. La sortie maximale est de 128 000 tokens, des générations longues sont donc possibles en parallèle de ce large budget d'entrée.

La combinaison d'une très grande fenêtre de contexte et de modalités d'entrée mixtes ouvre quelques usages pratiques. Les applications de chat peuvent conserver de longs historiques sans troncature agressive. Les tâches de classification et d'extraction peuvent prendre des documents entiers, y compris des pages scannées ou des captures d'écran, et renvoyer du texte structuré. Les workflows agentiques légers conviennent aussi, puisque le modèle prend en charge l'appel d'outils et peut opérer sur de grands contextes de travail. Les tâches à fort volume et sensibles à la latence sont la cible, selon la description d'OpenAI elle-même, le traitement par lots, le routage, l'étiquetage et les travaux répétitifs similaires sont donc des candidats raisonnables.

Vous appelez le modèle via l'API compatible OpenAI d'api14 en utilisant l'identifiant de modèle "openai/gpt-6-luna". Les paramètres de requête pris en charge sont include_reasoning, max_completion_tokens, max_tokens, reasoning, reasoning_effort, response_format, seed, structured_outputs, tool_choice, tools et verbosity. Comme le point de terminaison suit la forme des chat completions d'OpenAI, les clients et SDK existants fonctionnent avec un changement d'URL de base et d'identifiant de modèle. Utilisez response_format ou structured_outputs lorsque vous avez besoin d'un JSON prévisible, tools et tool_choice pour l'appel de fonctions, et seed lorsque vous voulez un échantillonnage plus reproductible. Les paramètres reasoning et reasoning_effort contrôlent la quantité de raisonnement interne effectuée par le modèle, tandis que verbosity influence la longueur de ses réponses, et max_tokens ou max_completion_tokens plafonnent la génération.

Gardez les limites en tête au moment de décider. La sortie est uniquement du texte, la génération d'images ou la sortie audio ne font donc pas partie de ce modèle. La description du fournisseur place Luna en dessous de GPT-6 Sol dans la série, donc si une tâche exige le raisonnement le plus fort offert par la famille plutôt que la vitesse et l'efficacité, un autre modèle peut être plus adapté. Pour tout le reste, en particulier le chat à grand contexte, la compréhension de documents et d'images, la classification et les agents pilotés par outils à grande échelle, Luna est le point de départ naturel.