Robocikowo>ROBOCIKOWO
GPT-6 Luna
Modele AI›GPT

GPT-6 Luna

GPT-6 Luna (gpt-6-luna) · Rodzina: GPT
Budżetowy model z rodziny GPT-6 od OpenAI, wydany 22 września 2026: 0,10 USD za milion tokenów wejściowych i 0,50 USD za milion wyjściowych — o połowę taniej niż GPT-5.6 Luna.
✓ Aktywny✓ Publiczny dostępLLMModel multimodalnyModel używający narzędzi📁 GPT
Data premiery
22 września 2026
🏢OpenAIProducent
Dostęp:APIHostedWdrożenie:☁ Cloud

Przegląd

GPT-6 Luna to najtańszy model z rodziny GPT-6 opracowanej przez OpenAI, udostępniony 22 września 2026 roku razem ze średnim GPT-6 Sol — około trzy tygodnie po flagowym GPT-6 Astra. Jest przeznaczony do zastosowań o dużej skali, w których liczy się koszt jednostkowy zapytania, a nie maksymalna zdolność modelu.

Model działa pod identyfikatorem API gpt-6-luna i kosztuje 0,10 USD za milion tokenów wejściowych oraz 0,50 USD za milion wyjściowych. Względem poprzednika GPT-5.6 Luna, wycenianego na 0,20 i 1,20 USD za milion, jest to obniżka rzędu połowy ceny — i to przy deklarowanym wzroście zdolności, nie kosztem jakości.

Luna zamyka trzystopniową ofertę GPT-6 od dołu: nad nią stoi GPT-6 Sol w cenie 2 i 10 USD za milion tokenów, a na szczycie GPT-6 Astra za 10 i 50 USD. Różnica cenowa między Luną a Astrą wynosi więc stukrotność na tokenach wejściowych. OpenAI nie ujawniła w materiale premierowym rozmiaru okna kontekstu ani szczegółowych wyników benchmarkowych Luny.

Klasyfikacja
LLMModel multimodalnyModel używający narzędzi
Rodzina: GPT
Dostęp i wdrożenie
APIHostowane
Chmura
Wagi: Zamknięte
Kluczowe parametry
📥 Wejście: tekst, obraz, dokumenty

Specyfikacja techniczna

Modalności
⬇ Wejście (Input)
textimagedocuments
⬆ Wyjście (Output)
textcodestructured_data

Możliwości i zastosowania

Natywne możliwości modelu
Rozumowanie
Zdolność modelu do logicznego wnioskowania i rozwiązywania złożonych problemów.
Kategoria: reasoning
Programowanie
Generowanie, analizowanie i modyfikowanie kodu w wielu językach programowania. Obejmuje pisanie funkcji, debugowanie, refaktoryzację, code review, tworzenie testów. Mierzone benchmarkami takimi jak HumanEval, SWE-bench.
Kategoria: coding
Użycie narzędzi
Zdolność modelu do wywoływania zewnętrznych funkcji, API i narzędzi w trakcie rozmowy: kalkulator, wyszukiwarka, edytor kodu, baza danych. Model decyduje kiedy i jak użyć narzędzia oraz interpretuje jego wynik.
Kategoria: planning
Wywoływanie funkcji
Natywne wsparcie dla ustrukturyzowanego wykorzystania narzędzi, umożliwiające przepływy pracy oparte na agentach.
Kategoria: planning
Wyjście strukturyzowane
Generowanie danych w ustrukturyzowanych formatach, np. JSON.
Kategoria: structured_generation
Rozumienie obrazu
Analiza i interpretacja treści obrazów.
Kategoria: vision
Wielojęzyczność
Kompetencje w wielu językach naturalnych (od kilku do stu+): rozumienie, generowanie, tłumaczenie, code-switching w obrębie jednej rozmowy. Modele frontier obsługują szeroki wachlarz języków ze zbliżoną jakością.
Kategoria: language
Klasyfikacja
Przyporządkowanie obserwacji do jednej z predefiniowanych klas (binarna lub wieloklasowa). Wynik: etykieta klasy oraz opcjonalnie prawdopodobieństwa.
Kategoria: other
Przestrzeganie instrukcji
Precyzyjne wypełnianie wskazówek zawartych w prompcie: format odpowiedzi, długość, styl, ograniczenia (np. 'odpowiedz w sześciu słowach'). GPT-5.1 znacząco poprawił tę zdolność względem GPT-5.
Kategoria: language

Cennik

Źródła i powiązane strony