Laster katalogen …
Laster katalogen …
OpenAIs raske og kostnadseffektive GPT-6-modell for chat i store volumer, klassifisering og lette agentiske oppgaver – med justerbart resonneringsnivå og et kontekstvindu på 1,05 millioner token.
Oversikt. GPT-6 Luna er OpenAIs raske og kostnadseffektive modell i GPT-6-familien, lansert i september 2026 som det lettere alternativet til flaggskipmodellen GPT-6 Sol med resonnering. Den kombinerer et kontekstvindu på 1 050 000 token med en grense for utdata på 128 000 token og seks resonneringsnivåer som kan justeres, fra ingen til maks. Utviklere bruker den når de trenger chat i store volumer, klassifisering eller lette agentiske svar uten overhead fra en fullverdig resonneringsmodell.
Viktigste styrker. Det som skiller Luna ut, er resonneringsnivåkontrollen: én og samme modell kan gi umiddelbare svar med lavt resonneringsnivå eller gå dypere med trinnvise svar avhengig av forespørselen – uten å bytte endepunkt. Den støtter tekst og bilder som inndata, verktøykall, strukturert utdata og kontekstbufring, noe som gjør den godt egnet for svartidssensitive agentiske behandlingskjeder og chat- eller klassifiseringsarbeidsflyter med høy gjennomstrømning. OpenAI posisjonerer den eksplisitt for chat, klassifisering og lette agentiske oppgaver, ikke for dyp spesialistresonnering.
Når du bør bruke den. Bruk Luna til sanntidschat, klassifisering og lette agentløkker der svartid betyr mer enn dyp trinnvis analyse. Det store kontekstvinduet gjør den til et praktisk valg for å lese inn lange dokumenter eller utvidede samtalehistorikker, og resonneringsnivåkontrollen lar deg bruke mer beregning bare på forespørslene som trenger det. Den passer dårligere til oppgaver som krever dyp, trinnvis spesialistresonnering – der er GPT-6 Sol-søskenmodellen et bedre valg, siden OpenAI posisjonerer den som flaggskipmodellen for resonnering.
Begrensninger. OpenAI har ikke publisert parameterantall, arkitektur, tokenizer eller mixture-of-experts-detaljer for Luna, og modellen har lukkede vekter uten mulighet for selvhosting. Treningsdataene slutter 18. mai 2026, og modellen er tilpasset for bredde og hastighet fremfor den dypere resonneringen til GPT-6 Sol-søskenmodellen.
Suverenitetsnotat. GPT-6 Luna er bygget av OpenAI, en amerikansk modellskaper, og drift av modellen medfører standard eksponering under den amerikanske CLOUD Act. OpenAIs egen dokumentasjon oppgir imidlertid at datalokasjon i EU er tilgjengelig for denne modellen ved bruk av Standard-behandling. Detaljer om policy for trening på inndata for denne modellen ble ikke bekreftet i undersøkelsene og bør sjekkes direkte med OpenAI før bruk med sensitive data.
| Inferensleverandør | Suverenitet | Kjører i | Inn / ut per 1M | Status | Lås |
|---|---|---|---|---|---|
| L0 | 0,09 / 0,45€+7 priser | Tilkoblet |
34 bruksområder klassifisert av kuratoren. Notatet forklarer hvorfor.
Verktøykall + utvidet resonnering + 1,05M kontekstvindu utgjør kjerneløkken for autonome kodeagenter; promptbufring amortiserer gjentatte filakseskostnader.
Innebygd støtte for verktøykall med 1,05M kontekstvindu og promptbufring muliggjør effektiv funksjonskalling med kort svartid i stor skala.
Verktøykall kaller statistiske og maskinlæringsfunksjoner; visjon tolker diagrammer; utvidet resonnering støtter hypotesetesting og multivariat tolkning av store datasett i kontekst.
Visjon + stort kontekstvindu støtter ende-til-ende-OCR med bevaring av layout på flersidige dokumenter; verktøykall strukturerer uttrukket tekst.
Verktøykall integreres med e-postklienter; stort kontekstvindu bevarer trådhistorikk for sammenhengende oppfølginger; utvidet resonnering håndterer tone og følsomhet.
Utvidet resonnering sporer kjøringsstier på tvers av filer; 1,05M kontekstvindu bevarer stakkspor, logger og kodebase; verktøykall orkestrerer feilsøkingsarbeidsflyter.
God modell, men klassifisering krever verken resonnering med tankekjede eller bildeanalyse; mindre modeller gir like god ytelse til lavere kostnad for denne arbeidsbelastningen.
Verktøykall kan støtte strukturering av tagge-utdata, men tagging krever verken 1,05M kontekst eller utvidet resonnering; akseptabelt for scenarioer med høy nøyaktighet og flere taksonomilag.
Bred språklig dekning, men ingen spesifikk arkitektonisk fordel eller benchmarkfordel over mindre modeller for oversettelse; stort kontekstvindu er lite utnyttet ved typisk bruk.
Innhentede tall, ikke våre egne evalueringer. Persentilene er mot hele Stav-katalogen.
Beregnet fra aa-intelligence-index, gpqa-diamond, aa-engineering-index, aa-coding-index, livecodebench, terminal-bench-v4, aa-lcr.
curl https://api.stav.ai/v1/chat/completions \
-H "Authorization: Bearer $STAV_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "openai/gpt-6-luna",
"reasoning_effort": "high",
"messages": [{"role": "user", "content": "Hello!"}]
}'→ X-Stav-Request-Id · X-Stav-Model · X-Stav-Provider → X-Stav-Sovereignty-Level – nivået forespørselen ble betjent på