Spesifikasi teknis GPT-6 Luna
| Item | GPT-6 Luna |
|---|---|
| Model ID | gpt-6-luna |
| Provider | OpenAI |
| Context window | 1,050,000 tokens |
| Maximum output | 128,000 tokens |
| Knowledge cutoff | 18 Mei 2026 |
| Input modalities | Teks, gambar |
| Output modality | Teks |
| Reasoning effort | none, low, medium (default), high, xhigh, max |
| Function calling | Didukung |
| Structured outputs | Didukung |
| Fine-tuning | Tidak didukung |
| Responses API tools | Web search, file search, image generation, code interpreter, hosted shell, apply patch, skills, computer use, MCP, tool search |
| Main endpoints | Chat Completions, Responses, Batch dan endpoint OpenAI API lainnya |
Spesifikasi ini berasal dari dokumentasi model GPT-6 Luna terbaru dari OpenAI.
Apa itu GPT-6 Luna?
GPT-6 Luna dirancang untuk aplikasi yang membutuhkan penanganan sejumlah besar panggilan model secara efisien. OpenAI menggambarkannya sebagai model paling efisien untuk tugas terfokus dengan volume tinggi, sementara panduan GPT-6 yang lebih luas merekomendasikan Luna untuk pekerjaan yang efisien dan berulang dalam skala besar.
Fitur utama GPT-6 Luna
- Konteks sangat besar: Jendela konteks 1,05M token mendukung dokumen panjang, konteks kode besar, dan alur kerja aplikasi multi-tahap.
- Penalaran yang dapat dikonfigurasi: Enam pengaturan upaya penalaran memungkinkan pengembang menukar kedalaman penalaran dengan latensi dan penggunaan token.
mediumadalah default yang didokumentasikan. - Input multimodal: Luna menerima teks dan gambar, sementara output modelnya adalah teks. Audio dan video tidak didukung sebagai modalitas model.
- Penggunaan alat produksi: Responses API menyediakan web search, file search, code interpreter, hosted shell, computer use, MCP, tool search, dan alat lainnya untuk Luna.
- Integrasi aplikasi terstruktur: Function calling dan structured outputs didukung, menjadikan Luna cocok untuk klasifikasi, ekstraksi, perutean, otomasi, dan alur kerja lain yang dapat dibaca mesin.
- Ekonomi efisien: OpenAI mencantumkan harga standar $0.10 per 1M input tokens dan $0.50 per 1M output tokens, dengan tarif terpisah untuk cached input, permintaan long-context, Batch/Flex, dan Fast mode.
Performa benchmark GPT-6 Luna
Halaman model publik OpenAI saat ini menyediakan spesifikasi dan kapabilitas model tetapi tidak menampilkan tabel benchmark konvensional untuk Luna di halaman tersebut. Independent Artificial Analysis melaporkan Intelligence Index sebesar 37 untuk konfigurasi GPT-6 Luna dengan penalaran tertinggi, dengan skor lebih rendah untuk pengaturan penalaran yang lebih rendah; ini adalah evaluasi independen, bukan benchmark yang dipublikasikan oleh OpenAI.
Karena metodologi benchmark dan pengaturan penalaran sangat memengaruhi hasil, angka-angka ini tidak boleh diperlakukan sebagai peringkat universal.
GPT-6 Luna vs GPT-6 Sol vs GPT-6 Astra
| Model | Posisi OpenAI | Context | Max output | Reasoning |
|---|---|---|---|---|
| GPT-6 Astra | Pekerjaan end-to-end paling berat | 1.05M | 128K | low–max |
| GPT-6 Sol | Pengkodean kompleks dan alur agen | 1.05M | 128K | none–max |
| GPT-6 Luna | Tugas terfokus dengan volume tinggi | 1.05M | 128K | none–max |
Perbedaan kunci adalah posisi beban kerja, bukan ukuran konteks: ketiganya saat ini memiliki jendela konteks 1,05M token dan output maksimum 128K. OpenAI menggambarkan Astra sebagai model paling mumpuni, Sol sebagai model untuk penalaran yang menuntut, dan Luna sebagai opsi berorientasi efisiensi untuk pekerjaan volume tinggi.
Contoh kasus representatif
- Klasifikasi dan ekstraksi volume tinggi — output terstruktur dan harga per token yang rendah cocok untuk beban kerja berulang.
- Dukungan pelanggan dan sistem chat — posisi Luna menekankan panggilan yang terfokus dan dapat diulang dalam skala besar.
- Pemrosesan dokumen panjang — jendela konteks 1,05M token dapat menampung koleksi sumber yang tidak biasa besar.
- Alur kerja dokumen multimodal — input gambar memungkinkan aplikasi yang menggabungkan teks dengan tangkapan layar, diagram, atau materi hasil pemindaian.
- Otomasi berbasis agen — alat Responses API seperti file search, code interpreter, hosted shell, computer use, MCP, dan tool search mendukung alur kerja multi-langkah.
- Bantuan pengkodean sensitif biaya — Luna mendukung penalaran, function calling, structured outputs, dan alat terkait pengkodean, sementara Sol diposisikan untuk pengkodean dan kerja agen yang lebih menuntut.
Batasan
GPT-6 Luna tidak mendukung fine-tuning, dan modalitas model bawaannya tidak mencakup audio dan video. OpenAI juga mendokumentasikan perbedaan endpoint penting: dalam Chat Completions, function calling untuk Luna memerlukan reasoning_effort disetel ke none; OpenAI merekomendasikan Responses API untuk alat bawaan dan function calling.
Cara Mengakses GPT-6 Luna API dengan CometAPI
GPT-6 Luna dirancang untuk beban kerja AI yang efisien dan bervolume tinggi. Jika Anda ingin mengakses GPT-6 Luna melalui CometAPI, pola integrasi dasarnya sederhana: buat kunci API CometAPI, konfigurasikan klien yang kompatibel dengan OpenAI untuk menggunakan API base URL dari CometAPI, dan pilih model gpt-6-luna saat model tersebut diaktifkan untuk akun Anda.
CometAPI menyediakan gateway API yang kompatibel dengan OpenAI, memungkinkan pengembang menggunakan SDK OpenAI yang familier sambil mengakses model dari berbagai penyedia melalui satu API.
Langkah 1: Buat Akun CometAPI
Pertama, daftar atau masuk ke akun CometAPI Anda.
Setelah masuk, buka bagian API Keys di dasbor CometAPI dan buat kunci API baru. CometAPI menyatakan bahwa kunci yang baru dibuat menggunakan prefiks sk-.
Simpan kunci API di sisi server dan taruh di variabel lingkungan alih-alih menuliskannya langsung ke kode sumber aplikasi.
Langkah 2: Konfigurasikan CometAPI Base URL
Base URL OpenAI-compatible CometAPI saat ini adalah:
https://api.cometapi.com/v1
Ini berarti aplikasi yang menggunakan SDK Python atau Node.js dari OpenAI umumnya dapat beralih ke CometAPI dengan mengganti kunci API dan base_url.
Langkah 3: Pilih GPT-6 Luna
Katalog model CometAPI mengidentifikasi GPT-6 Luna dengan model ID:
gpt-6-luna
Sebelum diterapkan ke produksi, verifikasi bahwa gpt-6-luna saat ini diaktifkan dan bahwa katalog live menyediakan endpoint untuk akun Anda. Halaman perbandingan GPT-6 Luna CometAPI saat ini mencantumkan model ID tetapi belum mengisi kolom endpoint dan harga.
Mengapa Menggunakan CometAPI untuk GPT-6 Luna?
Keuntungan utama adalah antarmuka terpadu yang kompatibel dengan OpenAI. Alih-alih menerapkan SDK dan sistem autentikasi terpisah untuk setiap penyedia model yang didukung, pengembang dapat menggunakan CometAPI base URL dan mengganti nilai model saat berpindah antar model yang didukung. CometAPI saat ini mengiklankan akses ke lebih dari 500 model melalui pendekatan ini.
Ini dapat berguna ketika sebuah aplikasi perlu bereksperimen dengan berbagai model, mempertahankan arsitektur multi-model, atau bermigrasi antar penyedia tanpa menulis ulang seluruh integrasi API-nya.