GPT-6 Luna の技術仕様
| 項目 | GPT-6 Luna |
|---|---|
| Model ID | gpt-6-luna |
| Provider | OpenAI |
| Context window | 1,050,000 tokens |
| Maximum output | 128,000 tokens |
| Knowledge cutoff | May 18, 2026 |
| Input modalities | Text, image |
| Output modality | Text |
| Reasoning effort | none, low, medium (default), high, xhigh, max |
| Function calling | Supported |
| Structured outputs | Supported |
| Fine-tuning | Not supported |
| 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 and other listed OpenAI API endpoints |
これらの仕様は、OpenAI の現行の GPT-6 Luna モデルドキュメントに基づくものです。
GPT-6 Luna とは？
GPT-6 Luna は、多数のモデル呼び出しを効率的に処理する用途向けに設計されています。OpenAI は、フォーカスされた大量タスクに最も効率的なモデルと位置付けており、より広い GPT-6 のガイダンスでも、Luna を効率的で反復的な大規模作業に推奨しています。
GPT-6 Luna の主な特長
- 非常に大きなコンテキスト: 1.05M トークンのコンテキストウィンドウにより、長文書、大規模なコード文脈、段階的なアプリケーションワークフローをサポートします。
- 設定可能な推論: 6 段階の推論エフォート設定により、開発者は推論の深さとレイテンシやトークン使用量とのトレードオフが可能です。
mediumがドキュメント上のデフォルトです。 - マルチモーダル入力: Luna はテキストと画像を入力として受け付け、モデル出力はテキストです。音声と動画はモデルのモダリティとしてはサポートされていません。
- 本番ツール利用: Responses API は web search、file search、code interpreter、hosted shell、computer use、MCP、tool search などのツールを Luna 向けに提供します。
- 構造化アプリ統合: 関数呼び出しと構造化出力をサポートし、分類、抽出、ルーティング、オートメーションなど機械可読なワークフローに適しています。
- 経済効率: OpenAI は、標準価格として入力 1M トークンあたり $0.10、出力 1M トークンあたり $0.50 を掲示しており、キャッシュ入力、長コンテキスト要求、Batch/Flex、Fast モードには別料金が設定されています。
GPT-6 Luna のベンチマーク性能
OpenAI の現行の公開モデルページは、モデル仕様と機能を提示していますが、そのページでは Luna の従来型ベンチマーク表は提供していません。Independent Artificial Analysis は、最高推論設定の GPT-6 Luna 構成に対して Intelligence Index で 37 を報告しており、より低い推論設定ではスコアも低くなります。これは OpenAI 公開のベンチマークではなく、独立した評価です。
ベンチマークの方法論や推論設定によって結果は大きく変わり得るため、これらの数値を普遍的なランキングとして扱うべきではありません。
GPT-6 Luna と GPT-6 Sol と GPT-6 Astra の比較
| モデル | OpenAI による位置付け | コンテキスト | 最大出力 | 推論 |
|---|---|---|---|---|
| GPT-6 Astra | 最難度のエンドツーエンド作業 | 1.05M | 128K | low–max |
| GPT-6 Sol | 複雑なコーディングとエージェント型ワークフロー | 1.05M | 128K | none–max |
| GPT-6 Luna | フォーカスされた大量タスク | 1.05M | 128K | none–max |
主要な相違はコンテキストサイズではなく、ワークロード上の位置付けです。現在、3 つすべてが 1.05M トークンのコンテキストウィンドウと 128K の最大出力を備えています。OpenAI は、Astra を最も高能力なモデル、Sol を高度な推論向けのモデル、Luna を大量運用における効率重視のオプションと説明しています。
代表的なユースケース
- 大量の分類・抽出 — 構造化出力と低いトークン単価が反復的なワークロードに適合
- カスタマーサポートとチャットシステム — Luna はスケールでのフォーカスされた反復呼び出しを重視
- 長文書処理 — 1.05M トークンのコンテキストにより、異例の大規模ソース群を収容可能
- マルチモーダル文書ワークフロー — 画像入力により、テキストとスクリーンショット、図、スキャン資料を組み合わせたアプリケーションが可能
- エージェント型自動化 — Responses API の file search、code interpreter、hosted shell、computer use、MCP、tool search などのツールが多段ワークフローを支援
- コスト重視のコーディング支援 — Luna は推論、関数呼び出し、構造化出力、コーディング関連ツールをサポートし、Sol はより要求の厳しいコーディングとエージェント作業向けに位置付け
制限事項
GPT-6 Luna はファインチューニングをサポートしておらず、ネイティブのモデルモダリティには音声と動画が含まれません。OpenAI は重要なエンドポイント上の相違点も文書化しています。Chat Completions では、Luna の関数呼び出しには reasoning_effort を none に設定する必要があり、組み込みツールと関数呼び出しには Responses API の使用が推奨されています。
CometAPI で GPT-6 Luna API にアクセスする方法
GPT-6 Luna は、効率的で大量の AI ワークロード向けに設計されています。CometAPI 経由で GPT-6 Luna にアクセスする場合の基本的な統合パターンは簡単です。CometAPI の API キーを作成し、OpenAI 互換のクライアントを CometAPI の API ベース URL に設定し、アカウントでモデルが有効になっているときに gpt-6-luna のモデル ID を選択します。
CometAPI は OpenAI 互換の API ゲートウェイを提供しており、開発者は複数プロバイダのモデルに 1 つの API でアクセスしつつ、馴染みのある OpenAI SDK を利用できます。
Step 1: Create a CometAPI Account
まず、CometAPI アカウントにサインアップまたはログインします。
ログイン後、CometAPI ダッシュボードの API Keys セクションを開き、新しい API キーを作成します。CometAPI によると、新規作成されたキーは sk- プレフィックスを使用します。
API キーはサーバーサイドで保持し、アプリケーションのソースコードにハードコーディングせず、環境変数に保存してください。
Step 2: Configure the CometAPI Base URL
CometAPI の現在の OpenAI 互換ベース URL は次のとおりです:
https://api.cometapi.com/v1
これは、OpenAI の Python や Node.js の SDK を使用するアプリケーションが、API キーと base_url を変更するだけで概ね CometAPI に切り替えられることを意味します。
Step 3: Select GPT-6 Luna
CometAPI のモデルカタログでは、GPT-6 Luna を次のモデル ID で識別しています:
gpt-6-luna
本番導入の前に、gpt-6-luna が現在有効であり、ライブカタログがアカウント向けにエンドポイントを提供していることを確認してください。CometAPI の現行の GPT-6 Luna 比較ページはモデル ID を掲載していますが、エンドポイントと料金の項目は現在のところ埋まっていません。
GPT-6 Luna に CometAPI を使う理由
主な利点は、OpenAI 互換の統一インターフェースです。サポートされる各モデルプロバイダごとに別々の SDK と認証を実装する代わりに、CometAPI のベース URL を使用し、サポートモデル間を移動する際に model の値を切り替えるだけで済みます。CometAPI は現在、この手法で 500 を超えるモデルへのアクセスを提供すると広告しています。
これは、アプリケーションが異なるモデルを試したい場合、マルチモデル構成を維持したい場合、あるいはプロバイダ間を移行しつつ API 統合全体を書き直さずに済ませたい場合に有用です。