К списку моделей

GPT-5.6 Luna

От OpenAI

Proprietary
CTX128K
Релиз: 2026-06-26
LLMTextFastEfficiency
Официальный сайт

Краткое описание

GPT-5.6 Luna — самая экономичная и быстрая модель серии GPT-5.6. Оптимизирована для задач с высоким объёмом и низкой задержкой. Часть ограниченного preview.

Подробный обзор модели

Для чего выпустили GPT-5.6 Luna

GPT-5.6 Luna — младшая и самая быстрая модель семейства OpenAI от 9 июля 2026 года. Её API-идентификатор — gpt-5.6-luna. Luna предназначена для продуктов, где модель вызывают часто, задержка видна пользователю, а стоимость одного запроса должна оставаться предсказуемой.

Название «младшая» здесь не означает короткий контекст. Luna принимает до 1,05 млн токенов и может вернуть до 128 тысяч — столько же, сколько Terra и Sol. Разница проявляется в устойчивости сложных рассуждений, работе с интерфейсами и извлечении фактов из самой дальней части длинного контекста.

Цена и основные возможности

ПараметрЗначение
Цена входа$1 за 1 млн токенов
Цена выхода$6 за 1 млн токенов
Контекст1 050 000 токенов
Максимальный ответ128 000 токенов
Срез знаний16 февраля 2026 года
Модальноститекст и изображения на входе, текст на выходе
Инструментыфункции, веб-поиск, поиск по файлам, computer use

Luna в пять раз дешевле Sol по входным и выходным токенам. По сравнению с Terra экономия составляет 60%. Сильнее всего это влияет на приложения с длинным входом: модерацию, разметку, извлечение полей, первичную обработку документов и распределение задач между другими моделями.

Что Luna умеет по официальным тестам

ТестLunaTerraSol
SWE-Bench Pro62,7%63,4%64,6%
Terminal-Bench 2.184,7%87,4%88,8%
GPQA Diamond92,3%92,9%94,6%
BrowseComp83,3%87,5%90,4%
MMMU Pro без инструментов78,4%80,7%83,0%
OSWorld 2.045,6%50,2%62,6%
SEC-Bench Pro48,9%57,7%71,2%

В кодовых задачах Luna близка к старшим версиям: отставание от Sol в SWE-Bench Pro составляет 1,9 процентного пункта. Это делает её интересной для небольших исправлений, генерации тестов, поиска по коду и параллельных вспомогательных агентов.

В управлении компьютером разрыв намного больше. OSWorld проверяет выполнение задач в графических приложениях, и здесь Luna набирает 45,6% против 62,6% у Sol. Для процесса с большим числом кликов, неоднозначными состояниями интерфейса и дорогой ошибкой лучше выбрать Sol либо добавить строгую проверку каждого шага.

Длинный контекст тоже требует осторожности. На OpenAI MRCR в диапазоне 256–512 тысяч токенов Luna показывает 41,3%, тогда как Terra набирает 89,6%, а Sol — 91,5%. Окно позволяет передать большой документ, но само наличие данных в запросе не гарантирует надёжного извлечения нескольких разнесённых фактов. Для Luna особенно полезны RAG, предварительное разбиение и короткая подборка релевантных фрагментов.

Подходящие сценарии

  • классификация обращений и выбор следующего обработчика;
  • извлечение структурированных полей из писем и документов;
  • короткие ответы службы поддержки по проверенной базе знаний;
  • суммаризация, перевод и нормализация текста;
  • параллельные подзадачи coding agent: поиск файлов, подготовка тестов, проверка однотипных мест;
  • предварительный анализ изображения перед передачей сложного случая старшей модели.

Не стоит использовать Luna как единственную модель для автономного изменения критичной инфраструктуры, глубокого исследования огромного корпуса или длинного процесса в графическом интерфейсе. Технически инструменты доступны, но тесты показывают, где запас надёжности ниже.

Как считать реальную экономию

Запрос с 20 тысячами входных и 2 тысячами выходных токенов стоит на Luna около $0,032. На Terra — $0,08, на Sol — $0,16. При миллионе таких запросов разница становится значительной.

Перед миграцией стоит прогнать собственную выборку и считать не цену запроса, а цену успешного результата. Если Luna завершает задачу с первого раза в 80% случаев, а Terra — в 98%, повторные попытки, проверки и ручная обработка могут съесть тарифную разницу. Для простой классификации картина обычно обратная: качество почти не меняется, а флагманская модель лишь увеличивает чек.

Связь с ChatGPT и Codex

Luna не выбирается в стандартном диалоге ChatGPT. Она доступна разработчикам через API, а также в ChatGPT Work и Codex на подходящих планах. Практику применения моделей в репозиториях описывает страница OpenAI Codex. Для обычного русскоязычного диалога есть онлайн-чат, который честно помечен как интерфейс к сторонней модели сопоставимого уровня.

Если задача требует глубокой автономной работы, смотрите GPT-5.6 Sol. Для средней нагрузки и более устойчивого длинного контекста подходит GPT-5.6 Terra. Все числа взяты из официального каталога моделей и таблиц OpenAI к релизу GPT-5.6.

Новые независимые замеры, практические видео и отзывы пользователей собраны в новости «GPT-5.6 вышла в трёх версиях: тесты Sol, Terra и Luna».

Стоимость API

Ограниченный preview

Профиль модели

MMLU91%Code89%Math86%GPQA68%

Бенчмарки

Arena Elo (LMSYS)1420
MMLU (Общие знания)91%
HumanEval (Кодинг)89%
MATH (Математика)86%
GPQA (Экспертные знания)68%

Другие модели семейства GPT-5