Terra og Luna: Hurtig og overkommelig ræsonnement
På denne side
Det ræsonnement, du bruger hver dag
I den forrige generation blev hurtigt og overkommeligt ræsonnement håndteret af o4-mini. Den model forlod API’en den 23. oktober 2026, hvor gpt-5.6-terra blev udpeget som dens efterfølger. I det nuværende udvalg falder denne rolle til to modeller: GPT-6.1 Terra, som er hurtig og effektiv, samt GPT-6 Luna, der er det mest økonomiske valg. Parret med moderate indsatsindstillinger håndterer de hovedparten af daglige tekniske opgaver og fortjener en central plads i dit workflow.
Hvor Terra og Luna passer ind
I API’en koster GPT-6.1 Terra (gpt-6.1-terra) $1 pr. million input-tokens og $5 pr. million output-tokens. OpenAI positionerer den som en hurtig, effektiv model til visuel ræsonnering, præcis computerstyring og klar skrivning. GPT-6 Luna (gpt-6-luna) er prissat til $0,10 og $0,50 og er bygget til målrettede, gentagne opgaver i stort volumen: udtrækning, klassificering, transformation og strukturerede sammenfatninger. Begge accepterer alle indsatsniveauer fra none til max og deler resten af udvalgets kontekstvindue på 1,05 millioner tokens.
I ChatGPT støder du primært på dem i Work og Codex. OpenAI anbefaler Terra til skrivning, billedforståelse og arbejde inden for applikationer, mens Luna egner sig bedst til rene, gentagne opgaver, hvor du nemt kan genkende et godt resultat; dokumentationen foreslår at starte på niveauet High for Luna. I Chat baserer planerne Free og Go sig på en Luna-model, hvor knappen Think er tilgængelig til sværere spørgsmål.
GPT-6.1 Sol og GPT-6 Astra beholder fordelen ved højst abstrakte problemer, strategiske afvejninger med mange faktorer, udtømmende udforskninger og langt arbejde, hvor svartid betyder mindre.
Hvornår du skal skrue op
Det afgørende spørgsmål er ikke “hvilken model skal jeg vælge?”, men “hvilket indsatsniveau skal jeg aktivere?”. Fire signaler berettiger et skift fra none eller low til medium på Terra: Opgaven involverer beregning eller logisk verifikation; den brydes ned i flere trin; svaret på det laveste niveau var approksimativt eller forkert; eller konklusionen kræver krydsreferencing af flere informationskilder. Hvis high stadig ikke er nok, er det tid til at skifte til GPT-6.1 Sol.
Fem brugstilfælde, hvor denne indstilling excellerer
Som daglig kodningsassistent ræsonnerer Terra sat til medium sig gennem programlogik, spotter fejl og foreslår velbegrundede fixes: “Her er en Python-funktion, der bør beregne medianen af en liste, men den returnerer nogle gange et forkert resultat. Find fejlen og ret den: [kode].” Til hurtig dataanalyse undgår du behovet for at invocere en dyrere model: “Her er salgstal for 5 produkter over 6 måneder. Hvilket har den bedste udvikling, og hvilket risikerer at falde fra? Begrund med beregninger.”
Den excellerer også som verifikator, hvad enten det gælder dine egne beregninger eller en anden models output. Takket være dens visuelle evner kan den kommentere et screenshot af et dashboard: “Hvad er de tre vigtigste observationer, og hvad anbefaler du?” Husk blot, at tal læst fra et billede stadig skal verificeres. Endelig tilbyder Luna sat til low eller medium det bedste kvalitet-til-omkostnings-forhold ved gentagne opgaver som sortering af 500 billetter eller udtrækning af felter fra 200 dokumenter; test først på en stikprøve.
Tre vaner, der ændrer alt
Vær direkte: “Beregn den årlige sammensatte vækstrate for denne omsætning: 2021 = €1,2 mio., 2022 = €1,5 mio., 2023 = €1,9 mio., 2024 = €2,3 mio., 2025 = €2,8 mio.” virker bedre end en lang indledning. OpenAI anbefaler simple, direkte instrukser til sine ræsonnementsmodeller. Bed om verifikation inden i resultatet: “Giv resultatet, og verificér det derefter med en anden metode.” Og arbejd i korte iterationer: hastigheden på disse indstillinger er designet til hurtig frem og tilbage.
Din tur
Fire opgaver, ét stopur. Test Terra på medium (i API’en eller Work), eller brug niveauet Medium i Chat som backup, på disse fire forespørgsler. Notér svartiden og verificér hvert resultat.
- “Løs: hvis 3x + 7 = 2(x − 4) + 15, hvad er x? Verificér.” (Forventet svar: x = 0.)
- “Her er et JavaScript-kodesnippet: [kode med en subtil fejl]. Find fejlen.”
- “Min kvartalsvise omsætning: Q1 = 120k, Q2 = 135k, Q3 = 128k, Q4 = 142k. Beregn tendensen og prognosticer næste Q1.”
- “Software koster €15.000 om året. Open source-alternativet koster €5.000 at implementere og derefter €2.000 om året til vedligeholdelse. Hvornår bliver alternativet rentabelt?”
Hver håndteres hurtigt med tilstrækkeligt ræsonnement. At bruge en dyrere model på et højt indsatsniveau til denne type forespørgsel koster mere og tager længere tid uden at tilføje værdi.
Officielle kilder: Modeller (OpenAI API: GPT-6.1 Terra og GPT-6 Luna, indsatsniveauer, prissætning) · Udfasninger (o4-mini fjernet 23. oktober 2026, efterfølger) · Modeller (ChatGPT-dokumentation: Brugstilfælde for Terra og Luna i Work, startniveau) · Best practices for ræsonnement (direkte instrukser)
Vigtige pointer
- o4-mini forlod API’en den 23. oktober 2026; GPT-6.1 Terra og GPT-6 Luna håndterer nu hurtigt ræsonnement
- Terra: $1 / $5 pr. million tokens til skrivning, billeder og applikationsstyring; Luna: $0,10 / $0,50 til gentagne opgaver i stort volumen
- Begge accepterer indsats fra
nonetilmax; øg indsatsen før du skifter model - Brug direkte instrukser, bed om verifikation i outputtet og iterér hurtigt
- Reserver GPT-6.1 Sol og GPT-6 Astra til abstrakte, strategiske eller udtømmende problemer