Preskoči na glavni sadržaj
Hrvatski— Odaberite jezik
Izbornik

Modeli GPT-5.6: Sol, Terra, Luna—Kada koristiti koji

Lekcija 6 od 22 Ažurirano 2. studenoga 2026. Programer
Na ovoj stranici
  1. Modeli: Odabir pravog za svaki zadatak
  2. Terra: Tvoja početna točka
  3. Sol kada su greške skupe
  4. Luna za veliki obujam
  5. Razmišljanje: Parametar, a ne model
  6. Dinamičko usmjeravanje u proizvodnji
  7. Ključne točke

Ažurirano 2. studenoga 2026. Model o4-mini je povučen iz upotrebe 23. listopada 2026., a porodice modela o3, o3-pro i gpt-5 bit će povučene 11. prosinca 2026. Porodica GPT-5.6 i dalje je dostupna, no OpenAI sada za nove projekte preporučuje porodicu GPT-6: gpt-6-astra (najmoćniji), gpt-6.1-sol, gpt-6.1-terra i gpt-6-luna (vidi ChatGPT u 2026.: Od GPT-5.6 do GPT-6, Lekcija 9). I GPT-5.6 i GPT-6 podržavaju način razmišljanja pro (reasoning={"mode": "pro", "effort": "medium"}) za zahtjevne zadatke. Izvori: Povučenja · Modeli · Razmišljanje.

Modeli: Odabir pravog za svaki zadatak

Od 9. srpnja 2026. porodica GPT-5.6 općenito je dostupna: tri modela, od kojih je svaki optimiziran za drugačiji slučaj upotrebe, s razinom razmišljanja podesivom po zahtjevu. Odabir prave kombinacije modela i razine razmišljanja najvažnija je odluka za kvalitetu i trošak tvoje aplikacije—razlika od 25 puta odvaja najskuplji model od najisplativijeg, a sličan faktor razdvaja i ekstremne postavke razmišljanja.

ModelAPI IDPrednostCijena ($/MTok ulaz / izlaz)Slučaj upotrebe
GPT-5.6 Solgpt-5.6-sol (alias gpt-5.6)Vodeći model, najmoćniji$5 / $30Složeni zadaci, duboko razmišljanje, maksimalna kvaliteta
GPT-5.6 Terragpt-5.6-terraUravnotežen$2 / $12Opća upotreba, chatbotovi, generiranje sadržaja
GPT-5.6 Lunagpt-5.6-lunaVeliki obujam, brz, isplativ$0.20 / $1.20Jednostavni zadaci, klasifikacija, ekstrakcija

Sva tri modela prihvaćaju tekst i slike kao ulaz, višejezična su i koriste se putem Responses API-ja. Za detaljne specifikacije (prozori konteksta, ograničenja) konzultiraj službenu stranicu modela na platform.openai.com.

Terra: Tvoja početna točka

Terra je model koji ćeš najčešće koristiti jer nudi najbolji omjer cijene i kvalitete za većinu zadataka: chatbotove, generiranje sadržaja, sažetke, prijevod i opća pitanja i odgovore. Ispravan pristup je započeti s Terrom, izmjeriti dobivenu kvalitetu, a tek zatim prijeći na Sol ako rezultat nije dovoljno dobar—ne obrnuto.

from openai import OpenAI
client = OpenAI()

# Opća upotreba — Terra je savršena
response = client.responses.create(
    model="gpt-5.6-terra",
    input="Napiši profesionalni e-mail za traženje sastanka."
)
print(response.output_text)

Sol kada su greške skupe

Sol je model s najboljim performansima u porodici. Rezerviraj ga za situacije gdje je maksimalna kvaliteta ključna: analizu dokumenata s visokim ulozima, zadatke koji imaju koristi od dubokog razmišljanja ili bilo što što bi čovjek morao lektirati redak po redak da je model pogriješio. Analiza godišnjeg izvješća radi izdvajanja ključnih rizika točno spada u ovu kategoriju—propust ovdje nosi trošak koji daleko nadmašuje nekoliko centi ušteđenih na API pozivu.

# Zahtjevna analiza dokumenta
with open("annual_report.txt", "r") as f:
    document = f.read()

response = client.responses.create(
    model="gpt-5.6-sol",
    input=f"Analiziraj ovo godišnje izvješće i identificiraj 5 glavnih "
          f"rizika:\n\n{document}"
)
print(response.output_text)

Luna za veliki obujam

Luna je optimizirana za brzinu i trošak, što je čini idealnom za ponavljajuću obradu velikog obujma: klasifikaciju, ekstrakciju podataka, parafraziranje i brzo prototipiranje. Razmišljanje vodećeg modela ne dodaje vrijednost kada se odlučuje je li recenzija kupca pozitivna ili negativna; međutim, kod 100.000 recenzija, razlika u cijeni postaje jedina varijabla koja je bitna.

# Brza klasifikacija teksta
texts = [
    "Ovaj proizvod je fantastičan, preporučujem ga!",
    "Kasna dostava, nepostojeća korisnička podrška.",
    "U redu, ništa posebno.",
]

for text in texts:
    response = client.responses.create(
        model="gpt-5.6-luna",
        input=f"Klasificiraj sentiment (pozitivan/negativan/neutralan): {text}",
    )
    print(f"{text[:50]}... → {response.output_text}")

# Rezultat:
# Ovaj proizvod je fantastičan, preporučujem ga!... → Pozitivan
# Kasna dostava, nepostojeća korisnička podrška.... → Negativan
# U redu, ništa posebno.... → Neutralan

Razmišljanje: Parametar, a ne model

Kod prethodne generacije (o3, o3-pro, o4-mini) razmišljanje je bilo utjelovljeno u namjenskim modelima: mijenjao si modele kako bi dobio mogućnosti razmišljanja. To više nije slučaj. Svaki model GPT-5.6 prihvaća parametar reasoning po zahtjevu, sa šest razina truda—none, low, medium, high, xhigh, max.

# Složen problem razmišljanja: Sol + visok trud
response = client.responses.create(
    model="gpt-5.6-sol",
    input="Puž je na dnu bunara dubokog 30 metara. "
          "Svaki dan popne se 3 metra, ali noću sklizne natrag 2 metra. "
          "Koliko dana treba da izađe? Objasni svoje razmišljanje korak po korak.",
    reasoning={"effort": "high"}  # none, low, medium, high, xhigh, max
)
print(response.output_text)
# Detaljan rezultat sa strukturiranim razmišljanjem:
# Dani 1 do 27: neto napredak od 1m/dan → 27m
# Dan 28: penje se 3m s 27m → doseže 30m i izlazi
# Odgovor: 28 dana

Razina none jednostavno onemogućuje razmišljanje: odgovor je trenutan, a trošak minimalan, što odgovara mehaničkim zadacima poput gore navedene klasifikacije. Razine medium i high pokrivaju većinu tehničkih zadataka. Razine xhigh i max sačuvaj za doista teške probleme, imajući na umu da interno razmišljanje troši tokene koji se naplaćuju kao izlaz: u zagonetki s pužem, nevidljivo razmišljanje može težiti više od prikazanog odgovora. Dodatna postavka, ultra, prema zadanim postavkama koordinira 4 agenta paralelno, do 16 na određenim evaluacijama, za najteže zadatke—uz znatno veću potrošnju tokena.

Ako migriraš kod napisan za prethodnu generaciju (GPT-5.3, GPT-5.4, o3, o3-pro, o4-mini), evo ekvivalenata:

  • o3 → gpt-5.6-sol, a o3-pro → gpt-5.6-sol s reasoning={"mode": "pro"} (određene zamjene prema službenoj tablici povlačenja; zatim postavi effort na high, xhigh ili max ovisno o težini)
  • o4-mini → gpt-5.6-terra s reasoning postavljenim na medium
  • gpt-5.3 / gpt-5.4 (opća upotreba) → gpt-5.6-terra
  • Zadaci velikog obujma → gpt-5.6-luna

Dinamičko usmjeravanje u proizvodnji

U proizvodnji nećeš imati samo jednu vrstu zahtjeva, već mnogo, a tvrdokodiranje jednog modela znači ili preplaćivanje jednostavnih zadataka ili loše obavljanje teških. Uzorak usmjerivača (router) uključuje centralizaciju odluke u funkciju koja se poziva prije svakog zahtjeva i vraća odgovarajuću konfiguraciju. Tako je možeš prilagoditi bez diranja ostatka aplikacije.

def choose_config(task: str, complexity: str, budget: str) -> dict:
    """Odabire optimalni model i razinu truda razmišljanja."""
    if complexity == "high" and task in ["math", "code", "logic"]:
        return {"model": "gpt-5.6-sol", "reasoning": {"effort": "high"}}
    elif budget == "minimal" or complexity == "low":
        return {"model": "gpt-5.6-luna", "reasoning": {"effort": "none"}}
    elif task in ["diagnostic", "fine_classification"]:
        return {"model": "gpt-5.6-terra", "reasoning": {"effort": "medium"}}
    else:
        return {"model": "gpt-5.6-terra", "reasoning": {"effort": "low"}}

# Upotreba
config = choose_config(task="chatbot", complexity="medium", budget="standard")
response = client.responses.create(
    input="Tvoje pitanje ovdje",
    **config
)

Cijene od 5. kolovoza 2026.—cijene se redovito mijenjaju: prije bilo kakvog izračuna proračuna provjeri trenutni cjenik na službenoj stranici OpenAI cijenama.

Ključne točke

  • Terra je zadani izbor za većinu zadataka ($2 / $12 po MTok)
  • Sol za maksimalnu kvalitetu i duboko razmišljanje ($5 / $30); Luna za veliki obujam ($0.20 / $1.20)
  • Razmišljanje je parametar po zahtjevu (none → max, plus ultra), a ne zaseban model
  • Ekvivalenti migracije: o3 → Sol; o3-pro → Sol u načinu pro; o4-mini → Terra medium; GPT-5.3/5.4 → Terra
  • U proizvodnji dinamički usmjeravaj na pravu kombinaciju modela i truda na temelju konteksta