Specifiche tecniche di GPT-6 Luna
| Voce | GPT-6 Luna |
|---|---|
| ID modello | gpt-6-luna |
| Fornitore | OpenAI |
| Finestra di contesto | 1,050,000 token |
| Output massimo | 128,000 token |
| Cutoff delle conoscenze | 18 maggio 2026 |
| Modalità di input | Testo, immagine |
| Modalità di output | Testo |
| Sforzo di ragionamento | none, low, medium (default), high, xhigh, max |
| Chiamata di funzione | Supportata |
| Output strutturati | Supportati |
| Fine-tuning | Non supportato |
| Strumenti dell'API Responses | Ricerca web, ricerca file, generazione di immagini, interprete di codice, shell ospitata, applica patch, skills, uso del computer, MCP, ricerca strumenti |
| Endpoint principali | Chat Completions, Responses, Batch e altri endpoint OpenAI API elencati |
Queste specifiche provengono dalla documentazione attuale del modello GPT-6 Luna di OpenAI.
Che cos'è GPT-6 Luna?
GPT-6 Luna è progettato per applicazioni in cui occorre gestire in modo efficiente un numero elevato di chiamate al modello. OpenAI lo descrive come il suo modello più efficiente per attività mirate e ad alto volume, mentre le linee guida più ampie su GPT-6 raccomandano Luna per lavori efficienti e ripetibili su larga scala.
Caratteristiche principali di GPT-6 Luna
- Molto ampio contesto: la finestra di contesto da 1.05M token supporta documenti lunghi, contesti di codice estesi e flussi di lavoro applicativi multi‑fase.
- Ragionamento configurabile: sei livelli di sforzo di ragionamento consentono agli sviluppatori di bilanciare profondità di ragionamento, latenza e consumo di token.
mediumè il valore predefinito documentato. - Input multimodale: Luna accetta testo e immagini, mentre l’output del modello è testo. Audio e video non sono supportati come modalità del modello.
- Uso di strumenti in produzione: la Responses API espone ricerca web, ricerca file, interprete di codice, shell ospitata, uso del computer, MCP, ricerca strumenti e altri tool per Luna.
- Integrazione strutturata nelle applicazioni: sono supportate le chiamate di funzione e gli output strutturati, rendendo Luna adatto a classificazione, estrazione, instradamento, automazione e altri flussi di lavoro leggibili dalle macchine.
- Economia efficiente: OpenAI riporta prezzi standard di $0.10 per 1M token di input e $0.50 per 1M token di output, con tariffe separate per input in cache, richieste a lungo contesto, Batch/Flex e Fast mode.
Prestazioni nei benchmark di GPT-6 Luna
La pagina pubblica attuale dei modelli di OpenAI fornisce specifiche e capacità del modello, ma non presenta su quella pagina una tabella di benchmark convenzionale per Luna. Independent Artificial Analysis riporta un Intelligence Index pari a 37 per la configurazione di GPT-6 Luna con il massimo livello di ragionamento, con punteggi inferiori per livelli di ragionamento più bassi; si tratta di una valutazione indipendente e non di un benchmark pubblicato da OpenAI.
Poiché metodologia dei benchmark e impostazioni di ragionamento influenzano in modo sostanziale i risultati, queste cifre non vanno considerate una classifica universale.
GPT-6 Luna vs GPT-6 Sol vs GPT-6 Astra
| Modello | Posizionamento secondo OpenAI | Contesto | Output massimo | Ragionamento |
|---|---|---|---|---|
| GPT-6 Astra | Lavori end-to-end più impegnativi | 1.05M | 128K | low–max |
| GPT-6 Sol | Sviluppo complesso e flussi agentici | 1.05M | 128K | none–max |
| GPT-6 Luna | Attività focalizzate ad alto volume | 1.05M | 128K | none–max |
La distinzione chiave è il posizionamento per i carichi di lavoro, non la dimensione del contesto: tutti e tre al momento hanno una finestra di contesto da 1.05M token e un output massimo di 128K. OpenAI descrive Astra come il suo modello più capace, Sol come il modello per il ragionamento più esigente e Luna come l’opzione orientata all’efficienza per lavori ad alto volume.
Casi d'uso rappresentativi
- Classificazione ed estrazione ad alto volume — output strutturati e prezzo per token contenuto si adattano a carichi di lavoro ripetitivi.
- Sistemi di assistenza clienti e chat — il posizionamento di Luna enfatizza chiamate focalizzate e ripetibili su larga scala.
- Elaborazione di documenti lunghi — il contesto da 1.05M token può accogliere raccolte di sorgenti insolitamente ampie.
- Flussi documentali multimodali — l’input immagine abilita applicazioni che combinano testo con screenshot, diagrammi o materiale scansionato.
- Automazione agentica — gli strumenti della Responses API come ricerca file, interprete di codice, shell ospitata, uso del computer, MCP e ricerca strumenti supportano flussi multi‑step.
- Assistenza alla programmazione sensibile ai costi — Luna supporta ragionamento, chiamate di funzione, output strutturati e strumenti per il coding, mentre Sol è posizionato per lavoro di coding e agentico più esigente.
Limitazioni
GPT-6 Luna non supporta il fine-tuning e, come modalità native del modello, esclude audio e video. OpenAI documenta inoltre un’importante distinzione sugli endpoint: in Chat Completions, per usare le chiamate di funzione con Luna è necessario impostare reasoning_effort su none; OpenAI raccomanda la Responses API per strumenti integrati e chiamate di funzione.
Come accedere all'API di GPT-6 Luna con CometAPI
GPT-6 Luna è progettato per carichi di lavoro IA efficienti e ad alto volume. Se vuoi accedere a GPT-6 Luna tramite CometAPI, il modello base di integrazione è semplice: crea una chiave API CometAPI, configura un client compatibile con OpenAI per usare l’URL base di CometAPI e seleziona l’ID modello gpt-6-luna quando il modello è abilitato per il tuo account.
CometAPI fornisce un gateway API compatibile con OpenAI, consentendo agli sviluppatori di usare gli SDK OpenAI noti accedendo ai modelli di più provider tramite un’unica API.
Passaggio 1: Crea un account CometAPI
Per prima cosa, registrati o accedi al tuo account CometAPI.
Dopo l’accesso, apri la sezione Chiavi API nella dashboard di CometAPI e crea una nuova chiave API. CometAPI indica che le chiavi appena create utilizzano il prefisso sk-.
Conserva la chiave API lato server e archiviala in una variabile d’ambiente invece di inserirla in chiaro nel codice sorgente dell’applicazione.
Passaggio 2: Configura l’URL base di CometAPI
CometAPI attualmente espone questo URL base compatibile con OpenAI:
https://api.cometapi.com/v1
Ciò significa che le applicazioni che usano l’SDK OpenAI per Python o Node.js possono in genere passare a CometAPI modificando la chiave API e base_url.
Passaggio 3: Seleziona GPT-6 Luna
Nel catalogo modelli di CometAPI, GPT-6 Luna è identificato con l’ID modello:
gpt-6-luna
Prima della produzione, verifica che gpt-6-luna sia attualmente abilitato e che il catalogo live fornisca un endpoint per il tuo account. L’attuale pagina di confronto di CometAPI per GPT-6 Luna elenca l’ID modello ma al momento non compila i campi relativi a endpoint e prezzi.
Perché usare CometAPI per GPT-6 Luna?
Il principale vantaggio è un’interfaccia unificata compatibile con OpenAI. Invece di implementare un SDK e un sistema di autenticazione separati per ogni provider di modelli supportato, gli sviluppatori possono usare l’URL base di CometAPI e cambiare il valore di model quando passano tra modelli supportati. CometAPI attualmente pubblicizza l’accesso a oltre 500 modelli tramite questo approccio.