OpenAI: GPT-6 Luna

GPT-6 Luna to model tekstowy od OpenAI, część serii GPT-6. OpenAI pozycjonuje go jako szybkiego, opłacalnego członka tej serii, plasującego się poniżej GPT-6 Sol. Został udostępniony przez dostawcę 22 września 2026. Jeśli wybierasz między modelami z rodziny GPT-6, Luna jest tym przeznaczonym do zadań, w których szybkość i przepustowość liczą się bardziej niż najwyższa możliwa wydajność.

Po stronie wejścia Luna przyjmuje tekst, obrazy i pliki, więc możesz wysyłać polecenia łączące instrukcje pisemne z treścią wizualną lub dokumentową. Wyjście jest wyłącznie tekstowe. Okno kontekstu wynosi 1 050 000 tokenów, co wystarcza, aby pomieścić całe bazy kodu, długie zestawy dokumentów lub rozbudowaną historię rozmowy w jednym żądaniu. Maksymalne wyjście to 128 000 tokenów, więc długie generacje są możliwe obok tak dużego budżetu wejściowego.

Połączenie bardzo dużego okna kontekstu i mieszanych modalności wejściowych wskazuje na kilka praktycznych zastosowań. Aplikacje czatowe mogą prowadzić długie historie bez agresywnego obcinania. Zadania klasyfikacji i ekstrakcji mogą przyjmować całe dokumenty, w tym zeskanowane strony lub zrzuty ekranu, i zwracać ustrukturyzowany tekst. Lekkie przepływy agentowe również pasują, ponieważ model obsługuje wywoływanie narzędzi i może działać na dużych kontekstach roboczych. Zadaniami o dużym wolumenie i wrażliwymi na opóźnienia są cele, zgodnie z opisem samego OpenAI, więc przetwarzanie wsadowe, routing, tagowanie i podobna powtarzalna praca to rozsądni kandydaci.

Model wywołujesz przez API zgodne z OpenAI od api14, używając identyfikatora modelu "openai/gpt-6-luna". Obsługiwane parametry żądania to include_reasoning, max_completion_tokens, max_tokens, reasoning, reasoning_effort, response_format, seed, structured_outputs, tool_choice, tools i verbosity. Ponieważ endpoint ma kształt uzupełnień czatu OpenAI, istniejące klienty i SDK działają po zmianie bazowego adresu URL i identyfikatora modelu. Użyj response_format lub structured_outputs, gdy potrzebujesz przewidywalnego JSON, tools i tool_choice do wywoływania funkcji, a seed, gdy chcesz bardziej powtarzalnego próbkowania. Parametry reasoning i reasoning_effort kontrolują, ile wewnętrznego rozumowania wykonuje model, natomiast verbosity wpływa na długość jego odpowiedzi, a max_tokens lub max_completion_tokens ograniczają generację.

Pamiętaj o ograniczeniach przy podejmowaniu decyzji. Wyjście jest wyłącznie tekstowe, więc generowanie obrazów lub wyjście audio nie wchodzi w zakres tego modelu. Opis dostawcy plasuje Lunę poniżej GPT-6 Sol w serii, więc jeśli zadanie wymaga najmocniejszego rozumowania, jakie oferuje rodzina, a nie szybkości i wydajności, lepszym wyborem może być inny model. Poza tym, szczególnie w przypadku czatu z dużym kontekstem, rozumienia dokumentów i obrazów, klasyfikacji oraz agentów sterowanych narzędziami na dużą skalę, Luna jest naturalnym punktem wyjścia.