OpenAI: GPT-5.6 Luna

GPT-5.6 Luna, OpenAI का एक टेक्स्ट मॉडल है, जो GPT-5.6 श्रृंखला का हिस्सा है। OpenAI इसे तेज़ और लागत-कुशल बताता है, और इसे परिवार के सबसे बड़े या सबसे सक्षम सदस्य के बजाय उच्च-मात्रा और विलंबता-संवेदनशील काम के लिए स्थित किया गया है। यह टेक्स्ट श्रेणी में आता है, इसलिए इसका उद्देश्य ऑडियो, वीडियो या एम्बेडिंग कार्यों के बजाय भाषा को समझना और उत्पन्न करना है।

मॉडल इनपुट के रूप में टेक्स्ट, छवियाँ और फ़ाइलें स्वीकार करता है, और केवल टेक्स्ट लौटाता है। इसकी संदर्भ विंडो 1,050,000 टोकन है, जो इतनी बड़ी है कि एक ही अनुरोध में बहुत लंबे दस्तावेज़, विस्तारित बातचीत इतिहास या बड़े कोडबेस रख सके। अधिकतम आउटपुट 128,000 टोकन है, इसलिए उस विंडो के भीतर लंबी जनरेशन संभव है। इसका ज्ञान कटऑफ 2026-02-16 है, और प्रदाता जारी तिथि 2026-07-09 है। चूँकि यह टेक्स्ट के साथ-साथ छवि और फ़ाइल इनपुट भी संभालता है, यह मिश्रित सामग्री पर काम कर सकता है, जैसे एक ही कॉल में एक दस्तावेज़, एक स्क्रीनशॉट और एक लिखित प्रश्न।

ये विशेषताएँ उपयोगों के एक काफी विशिष्ट समूह की ओर संकेत करती हैं। उच्च-मात्रा चैट और वर्गीकरण स्पष्ट उदाहरण हैं, क्योंकि मॉडल थ्रूपुट और कम विलंबता के लिए बनाया गया है। हल्के एजेंटिक वर्कफ़्लो भी उपयुक्त हैं: टूल कॉलिंग समर्थित है, इसलिए मॉडल तय कर सकता है कि आपके द्वारा परिभाषित फ़ंक्शन कब लागू करने हैं और कुछ चरणों को एक साथ जोड़ना है। बड़ी संदर्भ विंडो इसे चंकिंग के बिना लंबी रिपोर्ट, अनुबंध या लॉग को सारांशित करने या क्वेरी करने के लिए उचित बनाती है, और छवि इनपुट आरेख, स्क्रीनशॉट या स्कैन किए गए पृष्ठों के बारे में प्रश्न पूछने की अनुमति देता है। रीज़निंग नियंत्रण का मतलब है कि आप इस आधार पर प्रयास बढ़ा या घटा सकते हैं कि किसी कार्य में विचार-विमर्श चाहिए या बस एक त्वरित उत्तर।

आप इसे api14 के OpenAI-संगत API के माध्यम से मॉडल आईडी "openai/gpt-5.6-luna" का उपयोग करके कॉल करते हैं। समर्थित अनुरोध पैरामीटर हैं include_reasoning, max_completion_tokens, max_tokens, reasoning, reasoning_effort, response_format, seed, structured_outputs, tool_choice, tools और verbosity। व्यवहार में इसका मतलब है कि आप आउटपुट लंबाई सीमित कर सकते हैं, रीज़निंग आउटपुट का अनुरोध या दमन कर सकते हैं, कितना रीज़निंग प्रयास खर्च होगा यह नियंत्रित कर सकते हैं, response_format और structured_outputs के माध्यम से JSON या स्कीमा-अनुरूप प्रतिक्रियाएँ माँग सकते हैं, टूल परिभाषित कर सकते हैं और टूल चयन नियंत्रित कर सकते हैं, अधिक प्रतिलिपि-योग्य सैंपलिंग के लिए seed सेट कर सकते हैं, और verbosity समायोजित कर सकते हैं। यदि आप पहले से OpenAI-संगत क्लाइंट का उपयोग करते हैं, तो इसे api14 पर इंगित करना और मॉडल आईडी बदलना मुख्य कदम है।

तथ्यों में केवल टेक्स्ट-आउटपुट और ज्ञान कटऑफ के अलावा कोई घोषित सीमा नहीं है, इसलिए इन्हें अपने कार्य के विरुद्ध जाँचने के लिए सीमाओं के रूप में मानें। यदि आपको टेक्स्ट के अलावा किसी अन्य मोडैलिटी में आउटपुट चाहिए, तो यह मॉडल उस आवश्यकता को पूरा नहीं करेगा। यदि आपका वर्कलोड छोटा है और विलंबता-संवेदनशील नहीं है, तो रीज़निंग और verbosity नियंत्रण अभी भी आपको व्यवहार ट्यून करने देते हैं, लेकिन मॉडल का घोषित डिज़ाइन लक्ष्य मात्रा और गति है। ऐसे काम के लिए जो 2026-02-16 के बाद के ज्ञान पर निर्भर करता है, मॉडल के आंतरिक ज्ञान पर निर्भर रहने के बजाय प्रासंगिक सामग्री प्रॉम्प्ट में या फ़ाइल और छवि इनपुट के माध्यम से देने की योजना बनाएँ।