Especificações técnicas do GPT-6 Luna
| Item | GPT-6 Luna |
|---|---|
| ID do modelo | gpt-6-luna |
| Fornecedor | OpenAI |
| Janela de contexto | 1,050,000 tokens |
| Saída máxima | 128,000 tokens |
| Data de corte do conhecimento | May 18, 2026 |
| Modalidades de entrada | Texto, imagem |
| Modalidade de saída | Texto |
| Esforço de raciocínio | none, low, medium (padrão), high, xhigh, max |
| Chamada de função | Suportado |
| Saídas estruturadas | Suportado |
| Ajuste fino | Não suportado |
| Ferramentas da Responses API | Web search, file search, image generation, code interpreter, hosted shell, apply patch, skills, computer use, MCP, tool search |
| Endpoints principais | Chat Completions, Responses, Batch e outros endpoints listados da OpenAI API |
Essas especificações vêm da documentação atual do modelo GPT-6 Luna da OpenAI.
O que é o GPT-6 Luna?
O GPT-6 Luna foi projetado para aplicações em que é necessário lidar com um grande número de chamadas ao modelo de forma eficiente. A OpenAI o descreve como seu modelo mais eficiente para tarefas focadas e de alto volume, enquanto suas orientações mais amplas sobre GPT-6 recomendam o Luna para trabalho eficiente e repetível em escala.
Principais recursos do GPT-6 Luna
- Contexto muito grande: a janela de contexto de 1.05M tokens oferece suporte a documentos longos, grandes contextos de código e fluxos de trabalho de aplicações em múltiplas etapas.
- Raciocínio configurável: seis configurações de esforço de raciocínio permitem que desenvolvedores equilibrem profundidade de raciocínio com latência e uso de tokens.
mediumé o padrão documentado. - Entrada multimodal: o Luna aceita texto e imagens, enquanto a saída do modelo é texto. Áudio e vídeo não são suportados como modalidades do modelo.
- Uso de ferramentas em produção: a Responses API expõe web search, file search, code interpreter, hosted shell, computer use, MCP, tool search e outras ferramentas para o Luna.
- Integração estruturada em aplicações: chamadas de função e saídas estruturadas são suportadas, tornando o Luna adequado para classificação, extração, roteamento, automação e outros fluxos de trabalho legíveis por máquina.
- Economia eficiente: a OpenAI lista preços padrão de $0.10 por 1M tokens de entrada e $0.50 por 1M tokens de saída, com tarifas separadas para entrada em cache, solicitações de contexto longo, Batch/Flex e Fast mode.
Desempenho em benchmarks do GPT-6 Luna
A página pública atual de modelos da OpenAI fornece especificações e capacidades do modelo, mas não apresenta uma tabela de benchmark convencional para o Luna nessa página. A Independent Artificial Analysis reporta um Intelligence Index de 37 para a configuração de maior raciocínio do GPT-6 Luna, com pontuações menores para configurações de raciocínio inferiores; esta é uma avaliação independente, não um benchmark publicado pela OpenAI.
Como a metodologia de benchmark e as configurações de raciocínio afetam materialmente os resultados, esses números não devem ser tratados como um ranking universal.
GPT-6 Luna vs GPT-6 Sol vs GPT-6 Astra
| Modelo | Posicionamento da OpenAI | Contexto | Saída máx. | Raciocínio |
|---|---|---|---|---|
| GPT-6 Astra | Trabalho end-to-end mais difícil | 1.05M | 128K | low–max |
| GPT-6 Sol | Codificação complexa e fluxos de trabalho baseados em agentes | 1.05M | 128K | none–max |
| GPT-6 Luna | Tarefas focadas e de alto volume | 1.05M | 128K | none–max |
A principal distinção é o posicionamento por tipo de carga de trabalho, não o tamanho do contexto: os três atualmente têm janela de contexto de 1.05M tokens e saída máxima de 128K. A OpenAI descreve o Astra como seu modelo mais capaz, o Sol como o modelo para raciocínio exigente e o Luna como a opção voltada à eficiência para trabalho em alto volume.
Casos de uso representativos
- Classificação e extraição em alto volume — saídas estruturadas e preço baixo por token se ajustam a cargas de trabalho repetitivas.
- Suporte ao cliente e sistemas de chat — o posicionamento do Luna enfatiza chamadas focadas e repetíveis em escala.
- Processamento de documentos longos — o contexto de 1.05M tokens pode acomodar coleções de origem incomumente grandes.
- Fluxos de trabalho de documentos multimodais — a entrada de imagem possibilita aplicações que combinam texto com capturas de tela, diagramas ou material digitalizado.
- Automação baseada em agentes — ferramentas da Responses API como file search, code interpreter, hosted shell, computer use, MCP e tool search oferecem suporte a fluxos de trabalho em várias etapas.
- Assistência de codificação sensível a custos — o Luna oferece raciocínio, chamadas de função, saídas estruturadas e ferramentas relacionadas a código, enquanto o Sol é posicionado para trabalho de codificação e de agentes mais exigente.
Limitações
O GPT-6 Luna não oferece suporte a ajuste fino, e suas modalidades nativas do modelo excluem áudio e vídeo. A OpenAI também documenta uma distinção importante entre endpoints: em Chat Completions, a chamada de função para o Luna requer reasoning_effort definido como none; a OpenAI recomenda a Responses API para ferramentas integradas e chamadas de função.
Como acessar a API do GPT-6 Luna com a CometAPI
O GPT-6 Luna foi projetado para cargas de trabalho de IA eficientes e de alto volume. Se você quiser acessar o GPT-6 Luna por meio da CometAPI, o padrão básico de integração é direto: criar uma chave de API da CometAPI, configurar um cliente compatível com a OpenAI para usar a URL base da CometAPI e selecionar o modelo gpt-6-luna quando ele estiver habilitado para sua conta.
A CometAPI fornece um gateway de API compatível com a OpenAI, permitindo que desenvolvedores usem SDKs familiares da OpenAI enquanto acessam modelos de vários provedores por uma única API.
Etapa 1: Criar uma conta na CometAPI
Primeiro, cadastre-se ou faça login na sua conta CometAPI.
Após o login, abra a seção API Keys no painel da CometAPI e crie uma nova chave de API. A CometAPI afirma que chaves recém-criadas usam o prefixo sk-.
Mantenha a chave de API no lado do servidor e armazene-a em uma variável de ambiente, em vez de codificá-la diretamente no código-fonte da aplicação.
Etapa 2: Configurar a URL base da CometAPI
A URL base atual compatível com a OpenAI da CometAPI é:
https://api.cometapi.com/v1
Isso significa que aplicações que usam o SDK da OpenAI para Python ou Node.js geralmente podem alternar para a CometAPI alterando a chave de API e o base_url.
Etapa 3: Selecionar o GPT-6 Luna
O catálogo de modelos da CometAPI identifica o GPT-6 Luna com o ID de modelo:
gpt-6-luna
Antes de implantá-lo em produção, verifique se o gpt-6-luna está habilitado no momento e se o catálogo ativo fornece um endpoint para sua conta. A página de comparação atual do GPT-6 Luna da CometAPI lista o ID do modelo, mas no momento não preenche seus campos de endpoint e preços.
Por que usar a CometAPI para o GPT-6 Luna?
A principal vantagem é uma interface unificada compatível com a OpenAI. Em vez de implementar um SDK e um sistema de autenticação separados para cada provedor de modelos suportado, os desenvolvedores podem usar a URL base da CometAPI e alternar o valor de model ao mover-se entre os modelos suportados. A CometAPI atualmente anuncia acesso a mais de 500 modelos por meio dessa abordagem.
Isso pode ser útil quando uma aplicação precisa experimentar modelos diferentes, manter uma arquitetura multi-modelo ou migrar entre provedores sem reescrever toda a integração com a API.