GPT-6 Luna

Luna имеет смысл проверять на однотипных операциях: классификации входящих сообщений, извлечении полей из текста, составлении кратких ответов или разборе изображений с текстовым результатом. Это примеры применения поддерживаемых форматов и структурированного вывода. OpenAI описывает модель шире — как вариант для сфокусированных задач с большим потоком запросов.

Когда запросы различаются по сложности, можно начать с Luna на простых случаях и проверить Sol на тех, где ответ требует более длинной цепочки рассуждений. Такой выбор полезно делать по собственному набору заданий, поскольку официальная карточка не обещает одинаковое качество на всех предметных областях.

Для Luna доступны уровни рассуждения none, low, medium, high, xhigh и max; значение по умолчанию — medium. Модель поддерживает вызов функций, структурированные ответы, веб-поиск, поиск по файлам и другие инструменты, перечисленные в документации OpenAI. Конкретный набор зависит от приложения, через которое её используют.

OpenAI рекомендует Responses API для встроенных инструментов и вызова функций. В Chat Completions функции доступны только с reasoning_effort: none. Если процесс требует одновременно рассуждения и обращения к инструментам, эту особенность нужно учесть при настройке интеграции.

Astra рассчитана на самые сложные задачи семейства, Sol — на требовательную работу с кодом и инструментами, Luna — на эффективное выполнение повторяемых задач. У Sol и Luna совпадают пределы контекста и ответа, поэтому при выборе важнее сложность запроса, качество на ваших данных и стоимость обработки.

Большой контекст не обязывает отправлять в каждом запросе весь документ или историю переписки. Для массовых сценариев особенно полезно оставлять только относящиеся к задаче данные: это сокращает расход токенов и упрощает проверку ответа. Это практический способ работы с моделью, а не отдельная гарантия её точности.