OpenAI: GPT-5.6 Luna

GPT-5.6 Luna è un modello testuale di OpenAI, parte della serie GPT-5.6. OpenAI lo descrive come veloce ed efficiente in termini di costi, posizionato per carichi di lavoro ad alto volume e sensibili alla latenza, piuttosto che come il membro più grande o più capace della famiglia. Appartiene alla categoria testo, quindi il suo scopo è la comprensione e la generazione del linguaggio, non attività audio, video o di embedding.

Il modello accetta testo, immagini e file come input e restituisce solo testo. La sua finestra di contesto è di 1.050.000 token, abbastanza ampia da contenere documenti molto lunghi, cronologie di conversazione estese o codebase di dimensioni considerevoli in un'unica richiesta. L'output massimo è di 128.000 token, quindi generazioni lunghe sono possibili entro quella finestra. Il suo knowledge cutoff è 2026-02-16 e la data di rilascio del provider è 2026-07-09. Poiché gestisce input di immagini e file insieme al testo, può lavorare su materiale misto come un documento più uno screenshot più una domanda scritta in un'unica chiamata.

Queste caratteristiche indicano un insieme di utilizzi piuttosto specifico. Chat ad alto volume e classificazione sono quelli più ovvi, dato che il modello è costruito per throughput e bassa latenza. Anche i flussi di lavoro agentici leggeri sono adatti: il tool calling è supportato, quindi il modello può decidere quando invocare funzioni che definisci e concatenare alcuni passaggi. L'ampia finestra di contesto lo rende ragionevole per riassumere o interrogare report, contratti o log lunghi senza chunking, e l'input di immagini consente domande su diagrammi, screenshot o pagine scansionate. I controlli di reasoning significano che puoi aumentare o diminuire lo sforzo a seconda che un'attività richieda deliberazione o solo una risposta rapida.

Lo chiami tramite l'API compatibile con OpenAI di api14 usando l'id del modello "openai/gpt-5.6-luna". I parametri di richiesta supportati sono include_reasoning, max_completion_tokens, max_tokens, reasoning, reasoning_effort, response_format, seed, structured_outputs, tool_choice, tools e verbosity. In pratica questo significa che puoi limitare la lunghezza dell'output, richiedere o sopprimere l'output di reasoning, controllare quanto sforzo di reasoning viene speso, chiedere risposte JSON o conformi a uno schema tramite response_format e structured_outputs, definire strumenti e controllare la selezione degli strumenti, impostare un seed per un campionamento più riproducibile e regolare la verbosity. Se usi già un client compatibile con OpenAI, puntarlo su api14 e cambiare l'id del modello è il passo principale.

Non c'è alcuna limitazione dichiarata nei fatti oltre all'output solo testuale e al knowledge cutoff, quindi considera quelli come i confini da verificare rispetto alla tua attività. Se hai bisogno di un output in una modalità diversa dal testo, questo modello non soddisfa tale esigenza. Se il tuo carico di lavoro è piccolo e non sensibile alla latenza, i controlli di reasoning e verbosity ti permettono comunque di regolare il comportamento, ma l'obiettivo di progettazione dichiarato del modello è volume e velocità. Per attività che dipendono da conoscenze successive al 2026-02-16, pianifica di fornire il materiale rilevante nel prompt o tramite input di file e immagini invece di affidarti alla conoscenza interna del modello.