OpenAI: GPT-6 Luna

GPT-6 Luna is een tekstmodel van OpenAI, onderdeel van de GPT-6-serie. OpenAI positioneert het als het snelle, kostenefficiënte lid van die serie, onder GPT-6 Sol. Het werd door de provider uitgebracht op 22 september 2026. Als je kiest tussen modellen in de GPT-6-familie, is Luna degene die is gericht op workloads waarbij snelheid en doorvoer belangrijker zijn dan topcapaciteit.

Aan de invoerkant accepteert Luna tekst, afbeeldingen en bestanden, dus je kunt prompts sturen die geschreven instructies combineren met visuele of documentinhoud. Uitvoer is alleen tekst. Het contextvenster is 1.050.000 tokens, groot genoeg om volledige codebases, lange documentsets of uitgebreide gespreksgeschiedenissen in één verzoek te bevatten. De maximale uitvoer is 128.000 tokens, dus lange generaties zijn mogelijk naast dat grote invoerbudget.

De combinatie van een zeer groot contextvenster en gemengde invoermodaliteiten wijst op een paar praktische toepassingen. Chatapplicaties kunnen lange geschiedenissen dragen zonder agressieve afkapping. Classificatie- en extractietaken kunnen volledige documenten verwerken, inclusief gescande pagina's of screenshots, en gestructureerde tekst retourneren. Lichtgewicht agentische workflows passen ook, aangezien het model tool calling ondersteunt en over grote werkcontexten kan werken. Volumineuze en latentiegevoelige taken zijn het doel, volgens OpenAI's eigen beschrijving, dus batchverwerking, routering, tagging en vergelijkbaar repetitief werk zijn redelijke kandidaten.

Je roept het model aan via de OpenAI-compatibele API van api14 met het model-id "openai/gpt-6-luna". De ondersteunde verzoekparameters zijn include_reasoning, max_completion_tokens, max_tokens, reasoning, reasoning_effort, response_format, seed, structured_outputs, tool_choice, tools en verbosity. Omdat het endpoint de vorm van OpenAI chat completions volgt, werken bestaande clients en SDK's met een wijziging van base URL en model-id. Gebruik response_format of structured_outputs wanneer je voorspelbare JSON nodig hebt, tools en tool_choice voor function calling, en seed wanneer je meer herhaalbare sampling wilt. De parameters reasoning en reasoning_effort bepalen hoeveel interne redenering het model uitvoert, terwijl verbosity de lengte van zijn antwoorden beïnvloedt, en max_tokens of max_completion_tokens begrenzen de generatie.

Houd de limieten in gedachten bij het beslissen. Uitvoer is alleen tekst, dus beeldgeneratie of audio-uitvoer maakt geen deel uit van dit model. De providerbeschrijving plaatst Luna onder GPT-6 Sol in de serie, dus als een taak de sterkste redenering vereist die de familie biedt in plaats van snelheid en efficiëntie, kan een ander model beter passen. Voor al het andere, met name chat met grote context, document- en beeldbegrip, classificatie en toolgestuurde agents op volume, is Luna het natuurlijke startpunt.