OpenAI: GPT-6 Luna Pro (batch)

GPT-6 Luna Pro (batch) è un modello testuale di OpenAI, identificato su api14 come openai/gpt-6-luna-pro:batch. È lo stesso modello di base di GPT-6 Luna, servito con reasoning.mode impostato su pro per risposte di qualità superiore su attività complesse. La variante batch è pensata per carichi di lavoro in cui quella modalità pro di qualità superiore è accettabile, ed è stata rilasciata dal provider il 22 settembre 2026.

Il modello accetta input di testo, immagini e file, e produce output testuale. La sua finestra di contesto è di 1.050.000 token, e l'output massimo è di 128.000 token. I parametri di richiesta supportati includono max_tokens, response_format, structured_outputs, seed, tools, tool_choice, reasoning, reasoning_effort, include_reasoning e verbosity. Poiché reasoning è esposto come parametro, puoi controllare quanta capacità di ragionamento interno applica il modello, e include_reasoning ti consente di decidere se il contenuto di ragionamento viene restituito insieme alla risposta finale.

Queste capacità indicano un insieme piuttosto specifico di casi d'uso. L'ampia finestra di contesto si adatta a documenti lunghi, come contratti, articoli di ricerca, basi di codice o report multi-file, in cui il modello deve ragionare su materiale che non entrerebbe in una finestra più piccola. Gli input di immagini e file lo rendono utilizzabile per attività che combinano pagine scansionate, diagrammi o allegati con istruzioni scritte. Gli output strutturati, response_format e la chiamata di tool lo rendono adatto a pipeline di estrazione, classificazione, compilazione di moduli e flussi di lavoro in stile agente che devono chiamare funzioni esterne. I controlli di ragionamento sono utili quando un'attività richiede un'analisi multi-step accurata invece di una risposta rapida.

Chiami il modello tramite l'API compatibile con OpenAI di api14 usando l'id del modello openai/gpt-6-luna-pro:batch. Poiché l'interfaccia segue la forma delle chat completions di OpenAI, invii una richiesta all'endpoint chat completions con quell'id nel campo model, e puoi passare qualsiasi parametro supportato nello stesso corpo della richiesta. Tools e tool_choice gestiscono la chiamata di funzioni, response_format e structured_outputs vincolano la forma della risposta, seed supporta un campionamento riproducibile, e max_tokens limita l'output generato. reasoning, reasoning_effort, include_reasoning e verbosity ti danno il controllo su come il modello ragiona e su quanto dice.

Una considerazione pratica è che la modalità pro consuma molto più della modalità standard, quindi la variante batch è meglio riservarla ad attività in cui la qualità di ragionamento extra conta. Per lavori più semplici o ad alto volume, il GPT-6 Luna non-pro può essere più adatto. Nota anche che l'output è solo testuale, quindi se hai bisogno di immagini o audio generati, questo modello non è la scelta giusta.