GPT‑6 Luna

Что такое GPT‑6 Luna

GPT‑6 Luna – модель OpenAI для рабочих задач, программирования, проверки фактов и автоматизации действий на компьютере. Она входит в семейство GPT‑6 наряду с GPT‑6 Sol и GPT‑6 Astra. Luna позиционируется как более доступный вариант для задач, где критичны стоимость запросов и возможность часто повторять итерации.

Модель доступна в API OpenAI под именем gpt-6-luna. Ею также могут пользоваться в ChatGPT Work и Codex владельцы подписок Plus, Pro, Business, Enterprise и Edu. Для пользователей Free и Go заявлен доступ к GPT‑6 Luna в настольном приложении, но в Chat модель пока не появилась.

Ключевое отличие Luna от более мощной GPT‑6 Astra – упор на экономичность при сохранении результатов в профессиональных сценариях. Модель обучали теми же методами, что и Astra. Также появились улучшения в работе с фактами, кодом, компьютерными задачами и стилем ответов по сравнению с моделями линейки GPT‑5.6.

GPT‑6 Luna может заинтересовать разработчиков, подключающих модель через API и следящих за расходами на токены. Она рассчитана и на пользователей Codex с ChatGPT Work, которые решают технические и рабочие задачи.

Выполнение профессиональных рабочих задач

GPT‑6 Luna предназначена для агентных сценариев: модель проходит рабочий процесс через несколько приложений и использует набор инструментов. Среди примеров таких процессов есть продажи, маркетинг, операционная деятельность, поддержка, финансы и управление персоналом.

Модель может быть полезна как исполнитель отдельных этапов процесса: собрать данные, обработать их, подготовить черновик, выполнить заданную последовательность действий или передать результат человеку на проверку.

GPT-6 Luna идеальна для массового конвейера. Например: «Прочитай 10 000 отзывов клиентов, классифицируй их на позитивные/негативные и выдели 3 главные жалобы». С этой рутиной Luna справится великолепно, сэкономив 95% бюджета.

В тесте AutomationBench GPT‑6 Luna при высоком уровне усилий опередила предшественницу на 5,4 процентного пункта. При этом на выполнение задачи она потратила на 58% меньше.

Работа с фактами и проверка достоверности

GPT‑6 Luna точнее работает с фактами, чем её предшественница. Внутренняя оценка компании построена на обезличенных диалогах, где пользователи ранее отмечали фактические ошибки моделей.

Здесь важно учитывать методику: эти диалоги намеренно содержат проблемные случаи, поэтому типичными для повседневного использования их считать нельзя. При более высоких затратах GPT‑6 Luna достигает уровня GPT‑5.6 Sol по фактической достоверности, при этом стоит примерно в сто раз дешевле.

Практическая ценность такой доработки состоит в том, что на исправление очевидных неточностей в черновиках, исследованиях и рабочих пояснениях придётся тратить меньше времени. Например, модель можно задействовать для подготовки структуры справочного материала, а важные утверждения затем проверить по первоисточникам.

Помощь в программировании

GPT‑6 Luna заявлена как модель для разработки, в том числе для работы агентов с реальными кодовыми базами. Модель работает в режиме автодополнения строк (Inline Completion). Ей отлично удается дописать функцию, сгенерировать шаблонный Docstring или объяснить, что делает конкретная строчка кода. С архитектурными задачами она не справится.

В оценке DeepSWE v1.1 GPT‑6 Luna при максимальных усилиях получила 66,6%. В этом тесте агенты решают оригинальные задачи по разработке ПО в реальных кодовых базах. Стоимость выполнения задания для Luna на 93% ниже, чем у Claude Opus 5, и на 96% ниже, чем у Claude Fable 5.

Использование компьютера для автоматизации действий

GPT‑6 Luna может использоваться в сценариях работы с компьютером, то есть выполнять последовательности действий в интерфейсах и рабочих приложениях. OpenAI сопоставляет модели в тесте OSWorld 2.0, который проверяет автоматизацию повседневных и профессиональных процессов.

Модель великолепно и очень дешево справляется с задачами формата «триггер – действие». Например, быстро открыть браузер, вбить в поле текст, скопировать ответ и закрыть вкладку. Но, если перед моделью окажется перегруженное деталями приложение (вроде сложной CAD-системы или путаной ERP), Luna начнет промахиваться мимо элементов или генерировать некорректный код автоматизации.

GPT‑6 Luna с максимальным уровнем усилий превосходит GPT‑5.6 Sol со средним уровнем усилий и обходится при этом в десять раз дешевле.

Более понятный стиль ответов

В GPT‑6 Luna перенесли изменения стиля общения, впервые представленные в GPT‑6 Astra. Ответы будут понятнее и немного короче, не теряя при этом содержательности.

Также будет меньше жаргона, странных оборотов и малозначимых подробностей, особенно в технических обсуждениях и программировании.

В сравнении с альтернативным ответом предпочтение отдано формулировкам, которые не повторяют очевидное, не спешат с выводами и честнее объясняют, что именно было проверено.

Такая особенность может пригодиться разработчику или специалисту, которому нужно быстро разобраться в предложенном решении, а не читать длинный отчёт с повторами. При этом стиль ответа остаётся субъективной характеристикой и во многом зависит от того, как сформулирована задача.

Кэширование повторяющегося контекста в API

Для GPT‑6 OpenAI улучшила кэширование подсказок, в том числе в GPT‑6 Luna. Этот механизм нужен приложениям, которые снова и снова отправляют модели одну и ту же часть контекста: инструкции агента, описание продукта, историю диалога или другие повторяющиеся данные.

В таких случаях повторяемый ввод не нужно обрабатывать заново. Обновления повышают вероятность попадания в кэш по умолчанию, ускоряют ответы и дают скидку 90% на чтение кэшированных входных токенов.

Разработчикам доступны Prompt Caching Dashboard для просмотра объёма кэшируемых данных и инструмент диагностики пропущенных возможностей кэширования. Всё это относится к разработке через API, а не к обычному разговору в ChatGPT.

Также есть точки останова, позволяющие определить конец кэшируемого префикса подсказки. Можно менять усилия, которые модель тратит на рассуждения, а также включать и отключать инструменты без потери ранее созданного кэшируемого контекста.

Благодаря этим улучшениям доля токенов, нуждающихся в повторной обработке, сократилась более чем на 50% в миллиардах запросов к моделям OpenAI.

Улучшения в согласованности поведения

В моделях линейки GPT-6 разработчики из OpenAI сделали огромный акцент на согласованности поведения (Behavioral Consistency / Alignment). Это свойство определяет, насколько строго модель следует сложным системным инструкциям, не сбивается ли она при длинном диалоге и насколько предсказуемо ее поведение от запроса к запросу.

В собственных оценках Luna показывает улучшения по сравнению с аналогичной моделью на GPT‑5.6.

Luna-6 отлично понимает простые правила на старте. Но если диалог затягивается, в силу вступает эффект «дрейфа инструкций». Модель увлекается контекстом беседы и может случайно нарушить запрет, если пользователь технично подведет ее к этому.

Также модель склонна со временем усреднять свою тональность. Даже если вы попросите ее писать сухо и сжато, через несколько итераций она может вернуться к стандартному, слегка восторженному стилю ответов, характерному для базовых чат-ботов.

Условия использования GPT‑6 Luna

Стоимость использования рассчитывается отдельно для входных и выходных токенов. Для операций с кэшем и веб-поиском действуют дополнительные тарифы.