OpenAI: GPT-6 Luna

GPT-6 Luna è un modello di testo di OpenAI, parte della serie GPT-6. OpenAI lo posiziona come il membro veloce ed economicamente efficiente di quella serie, collocandosi sotto GPT-6 Sol. È stato rilasciato dal fornitore il 22 settembre 2026. Se stai scegliendo tra i modelli della famiglia GPT-6, Luna è quello pensato per carichi di lavoro in cui velocità e throughput contano più della capacità di fascia alta.

Sul lato input, Luna accetta testo, immagini e file, quindi puoi inviare prompt che mescolano istruzioni scritte con contenuti visivi o documentali. L'output è solo testo. La finestra di contesto è di 1.050.000 token, abbastanza ampia da contenere interi codebase, lunghi insiemi di documenti o cronologie di conversazione estese in una singola richiesta. L'output massimo è di 128.000 token, quindi sono possibili generazioni lunghe insieme a quel grande budget di input.

La combinazione di una finestra di contesto molto ampia e modalità di input miste indica alcuni usi pratici. Le applicazioni di chat possono gestire cronologie lunghe senza troncamenti aggressivi. Le attività di classificazione ed estrazione possono prendere interi documenti, incluse pagine scansionate o screenshot, e restituire testo strutturato. Anche i flussi di lavoro agentici leggeri sono adatti, poiché il modello supporta il tool calling e può operare su contesti di lavoro ampi. I lavori ad alto volume e sensibili alla latenza sono l'obiettivo, secondo la descrizione di OpenAI stessa, quindi elaborazione batch, routing, tagging e lavori ripetitivi simili sono candidati ragionevoli.

Chiami il modello tramite l'API compatibile con OpenAI di api14 usando il model id "openai/gpt-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. Poiché l'endpoint segue la forma delle chat completions di OpenAI, i client e gli SDK esistenti funzionano con un cambio di base URL e model id. Usa response_format o structured_outputs quando hai bisogno di JSON prevedibile, tools e tool_choice per il function calling, e seed quando vuoi un campionamento più ripetibile. I parametri reasoning e reasoning_effort controllano quanto ragionamento interno esegue il modello, mentre verbosity influenza la lunghezza delle sue risposte, e max_tokens o max_completion_tokens limitano la generazione.

Tieni presenti i limiti quando decidi. L'output è solo testo, quindi la generazione di immagini o l'output audio non fanno parte di questo modello. La descrizione del fornitore colloca Luna sotto GPT-6 Sol nella serie, quindi se un'attività richiede il ragionamento più forte offerto dalla famiglia anziché velocità ed efficienza, un altro modello potrebbe essere più adatto. Per tutto il resto, in particolare chat con contesto ampio, comprensione di documenti e immagini, classificazione e agenti guidati da tool ad alto volume, Luna è il punto di partenza naturale.