Terra és Luna: gyors és megfizethető következtetés
Ezen az oldalon
A mindennapi következtetés, amit használni fogsz
Az előző generációban a gyors és megfizethető következtetést az o4-mini kezelte. Ez a modell 2026. október 23-án eltűnt az API-ból, utódjaként a gpt-5.6-terra modellt jelölték meg. A jelenlegi kínálatban ezt a szerepet két modell tölti be: a GPT-6.1 Terra, amely gyors és hatékony, valamint a GPT-6 Luna, amely a legköltséghatékonyabb lehetőség. Mérsékelt erőfeszítési beállításokkal párosítva ezek végzik el a napi technikai feladatok oroszlánrészét, és kiemelt helyet érdemelnek a munkafolyamatodban.
Hol illeszkednek be a Terra és a Luna
Az API-ban a GPT-6.1 Terra (gpt-6.1-terra) ára millió bemeneti tokenenként 1 USD, millió kimeneti tokenenként pedig 5 USD. Az OpenAI gyors, hatékony modellként pozicionálja vizuális következtetéshez, precíz számítógép-vezérléshez és világos szövegírásra. A GPT-6 Luna (gpt-6-luna) ára 0,10 USD és 0,50 USD; célzott, nagy volumenű, ismétlődő feladatokra készült: kinyerés, osztályozás, transzformáció és strukturált összefoglalók készítése. Mindkettő elfogadja az összes erőfeszítési szintet a none-tól a max-ig, és osztoznak a többi modellével megegyező, 1,05 milliós tokenes kontextusablakon.
A ChatGPT-ben leginkább a Work és a Codex felületeken találkozhatsz velük. Az OpenAI a Terrát ajánlja íráshoz, képek értelmezéséhez és alkalmazásokon belüli munkavégzéshez, míg a Luna a tiszta, ismétlődő feladatokra a legjobb, ahol könnyen felismerhető a jó eredmény; a Luna esetében a dokumentáció a High szinttel való kezdést javasolja. A Chat felületen az Ingyenes és a Go csomagok egy Luna-modellre támaszkodnak, ahol a nehezebb kérdésekhez elérhető a Think gomb.
A GPT-6.1 Sol és a GPT-6 Astra megtartotta előnyét a rendkívül absztrakt problémák, sok tényezőt érintő stratégiai kompromisszumok, kimerítő feltárások és olyan hosszú formátumú munkák esetén, ahol a válaszidő kevésbé számít.
Mikor érdemes feljebb tekerni a szintet
A kulcskérdés nem az, hogy „melyik modellt válasszam?“, hanem az, hogy „milyen erőfeszítési szintet aktiváljak?“. Négy jel utal arra, hogy a Terránál a none vagy low szintről medium-ra kell váltani: a feladat számítást vagy logikai ellenőrzést igényel; több lépésre bontható; a legalacsonyabb szinten adott válasz hozzávetőleges vagy hibás volt; illetve a következtetés több információforrás keresztellenőrzését igényli. Ha a high szint sem elég, akkor itt az ideje átváltani a GPT-6.1 Sol modellre.
Öt felhasználási eset, ahol ez a beállítás ragyog
Napi kódolási asszisztensként a medium szintre állított Terra végigköveti a programlogikát, felfedezi a hibákat, és jól alátámasztott javításokat javasol: „Íme egy Python-függvény, amelynek egy lista mediánját kellene kiszámolnia, de néha rossz eredményt ad. Találd meg a hibát és javítsd ki: [kód].“ Gyors adatelemzéshez elkerülhető vele egy drágább modell meghívása: „Íme 5 termék eladási adata 6 hónapra lebontva. Melyiknek a legjobb a pályája, és melyik van veszélyben, hogy lecsúszik? Indokold számítással.“
Ellenőrként is kiválóan teljesít, legyen szó saját számításaidról vagy egy másik modell kimenetéről. Vizuális képességeinek köszönhetően képes kommentálni egy irányítópult képernyőképét is: „Mi a három legfontosabb megfigyelés, és mit javasolsz?“ Ne feledd azonban, hogy a képről leolvasott számokat még mindig ellenőrizni kell. Végül pedig az ismétlődő feladatoknál, mint például 500 jegy osztályozása vagy 200 dokumentumból mezők kinyerése, a low vagy medium szintre állított Luna kínálja a legjobb minőség-költség arányt; először egy mintán teszteld.
Három szokás, ami mindent megváltoztat
Légy közvetlen: a „Számold ki ennek a bevételnek az éves átlagos növekedési ütemét: 2021 = 1,2M €, 2022 = 1,5M €, 2023 = 1,9M €, 2024 = 2,3M €, 2025 = 2,8M“ jobban működik, mint egy hosszú bevezető. Az OpenAI egyszerű, közvetlen utasításokat javasol a következtető modelljeihez. Kérj ellenőrzést magában az eredményben: „Add meg az eredményt, majd ellenőrizd egy másik módszerrel.“ És dolgozz rövid iterációkban: ezeknek a beállításoknak a sebessége a gyors oda-vissza kommunikációra lett tervezve.
Rajtad a sor
Négy feladat, egy stopperóra. Teszteld a Terrát medium szinten (az API-ban vagy a Work felületen), vagy tartalékként a Chat Medium szintjét ezen a négy kérésen. Jegyezd fel a válaszidőt, és ellenőrizd az egyes eredményeket.
- „Oldd meg: ha 3x + 7 = 2(x − 4) + 15, mennyi az x? Ellenőrizd.“ (Várt válasz: x = 0.)
- „Íme egy JavaScript kódrészlet: [kód egy apró hibával]. Találd meg a hibát.“
- „Negyedéves bevételem: Q1 = 120e, Q2 = 135e, Q3 = 128e, Q4 = 142e. Számold ki a trendet, és vetítsd ki a következő Q1-et.“
- „Egy szoftver éves díja 15 000 €. A nyílt forráskódú alternatíva telepítése 5 000 €, majd éves karbantartása 2 000 €. Mikor válik megtérülővé az alternatíva?“
Mindegyiket gyorsan és elegendő következtetéssel kezeli. Ha ilyen típusú kérésekhez drágább modellt használsz magas erőfeszítési szinten, az többe kerül, tovább tart, és nem ad hozzá plusz értéket.
Hivatalos források: Models (OpenAI API: GPT-6.1 Terra és GPT-6 Luna, erőfeszítési szintek, árazás) · Deprecations (o4-mini eltávolítva 2026. október 23-án, utód) · Models (ChatGPT dokumentáció: Terra és Luna felhasználási esetek a Work felületen, kezdő szint) · Reasoning best practices (közvetlen utasítások)
Főbb megállapítások
- Az o4-mini 2026. október 23-án eltűnt az API-ból; a gyors következtetést most a GPT-6.1 Terra és a GPT-6 Luna végzi
- Terra: 1 USD / 5 USD millió tokenenként íráshoz, képekhez és alkalmazásvezérléshez; Luna: 0,10 USD / 0,50 USD nagy volumenű, ismétlődő feladatokhoz
- Mindkettő elfogadja a
none-tólmax-ig terjedő erőfeszítést; modellváltás előtt növeld az erőfeszítési szintet - Használj közvetlen utasításokat, kérj ellenőrzést a kimenetben, és iterálj gyorsan
- A GPT-6.1 Sol és a GPT-6 Astra modellt tartsd fenn absztrakt, stratégiai vagy kimerítő problémákra