GPT-5.6 modeliai: Sol, Terra, Luna – kurį ir kada naudoti
Šiame puslapyje
Atnaujinta 2026 m. lapkričio 2 d.
o4-minibuvo pasenęs 2026 m. spalio 23 d., oo3,o3-proirgpt-5šeima bus pasenusi 2026 m. gruodžio 11 d. GPT-5.6 šeima vis dar prieinama, tačiau OpenAI naujiems projektams dabar rekomenduoja GPT-6 šeimą:gpt-6-astra(pažangiausias),gpt-6.1-sol,gpt-6.1-terrairgpt-6-luna(žr. ChatGPT 2026 m.: nuo GPT-5.6 iki GPT-6, 9 pamoka). Ir GPT-5.6, ir GPT-6 palaiko „pro“ samprotavimo režimą (reasoning={"mode": "pro", "effort": "medium"}) sudėtingoms užduotims. Šaltiniai: Deprecations · Models · Reasoning.
Modeliai: kaip pasirinkti tinkamą kiekvienai užduočiai
Nuo 2026 m. liepos 9 d. GPT-5.6 šeima yra bendrai prieinama: trys modeliai, kiekvienas optimizuotas skirtingam naudojimui, su samprotavimo lygiu, kurį galima koreguoti kiekviename užklausime. Tinkamo modelio ir samprotavimo derinio pasirinkimas yra vienas svarbiausių sprendimų, lemiančių tavo programos kokybę ir kainą – brangiausio ir ekonomiškiausio modelio kainų skirtumas siekia 25 kartus, o panašus faktorius galioja ir ekstremaliems samprotavimo nustatymams.
| Modelis | API ID | Privalumas | Kaina ($/MTok įvestis / išvestis) | Naudojimo atvejis |
|---|---|---|---|---|
| GPT-5.6 Sol | gpt-5.6-sol (aliasas gpt-5.6) | Flagmanas, pažangiausias | $5 / $30 | Sudėtingos užduotys, gilus samprotavimas, maksimali kokybė |
| GPT-5.6 Terra | gpt-5.6-terra | Subalansuotas | $2 / $12 | Bendras naudojimas, pokalbių robotai, turinio kūrimas |
| GPT-5.6 Luna | gpt-5.6-luna | Dideli kiekiai, greitas, ekonomiškas | $0.20 / $1.20 | Paprastos užduotys, klasifikavimas, duomenų ištraukimas |
Visi trys modeliai priima tekstą ir vaizdus kaip įvestį, yra daugiakalbiai ir naudojami per Responses API. Išsamioms specifikacijoms (konteksto langai, limitai) žiūrėk oficialią modelių svetainę platform.openai.com.
Terra: tavo numatytasis pradžios taškas
Terra yra modelis, kurį naudosai dažniausiai, nes jis siūlo geriausią kokybės ir kainos santykį daugumai užduočių: pokalbių robotams, turinio kūrimui, santraukoms, vertimui ir bendriems klausimams bei atsakymams. Teisingas požiūris – pradėti nuo Terra, įvertinti gautą kokybę ir pereiti prie Sol tik tada, jei rezultatas nepakankamai geras, o ne atvirkščiai.
from openai import OpenAI
client = OpenAI()
# Bendras naudojimas — Terra puikiai tinka
response = client.responses.create(
model="gpt-5.6-terra",
input="Write a professional email to request a meeting."
)
print(response.output_text)
Sol, kai klaidos kainuoja brangiai
Sol yra našiausias šeimos modelis. Naudok jį situacijose, kai būtina maksimali kokybė: analizuojant didelės rizikos dokumentus, atliekant užduotis, kurioms naudingas gilus samprotavimas, ar bet ką, ką žmogus turėtų tikrinti eilutė po eilutės, jei modelis suklystų. Metinės ataskaitos analizė siekiant išskirti pagrindines rizikas yra būtent tokio tipo užduotis – čia praleidimas kainuos daug daugiau nei keli centai, sutaupyti naudojant API užklausą.
# Reikalaujanti dokumentų analizė
with open("annual_report.txt", "r") as f:
document = f.read()
response = client.responses.create(
model="gpt-5.6-sol",
input=f"Analyze this annual report and identify the 5 main "
f"risks:\n\n{document}"
)
print(response.output_text)
Luna dideliems kiekiams
Luna optimizuota greičiui ir kainai, todėl ji idealiai tinka didelio masto pasikartojančiam apdorojimui: klasifikavimui, duomenų ištraukimui, perfrazavimui ir greitai prototipų kūrybai. Flagmano modelio samprotavimas neprideda vertės sprendžiant, ar kliento atsiliepimas yra teigiamas, ar neigiamas; tačiau apdorojant 100 000 atsiliepimų, kainų skirtumas tampa vieninteliu svarbiu kintamuoju.
# Greitas teksto klasifikavimas
texts = [
"This product is fantastic, I recommend it!",
"Late delivery, non-existent customer service.",
"Okay, nothing special.",
]
for text in texts:
response = client.responses.create(
model="gpt-5.6-luna",
input=f"Classify the sentiment (positive/negative/neutral): {text}",
)
print(f"{text[:50]}... → {response.output_text}")
# Rezultatas:
# This product is fantastic, I recommend it!... → Positive
# Late delivery, non-existent customer service.... → Negative
# Okay, nothing special.... → Neutral
Samprotavimas: parametras, o ne modelis
Ankstesnėje kartoje (o3, o3-pro, o4-mini) samprotavimą įkūnijo specializuoti modeliai: norint gauti samprotavimo galimybes, reikėdavo keisti modelį. Dabar taip nebėra. Kiekvienas GPT-5.6 modelis priima reasoning parametrą kiekviename užklausime su šešiais pastangų lygiais – none, low, medium, high, xhigh, max.
# Sudėtinga samprotavimo užduotis: Sol + didelės pastangos
response = client.responses.create(
model="gpt-5.6-sol",
input="A snail is at the bottom of a 30-meter well. "
"Each day, it climbs 3 meters but slips back 2 meters "
"during the night. How many days does it take to get out? "
"Explain your reasoning step by step.",
reasoning={"effort": "high"} # none, low, medium, high, xhigh, max
)
print(response.output_text)
# Išsamus rezultatas su struktūruotu samprotavimu:
# Days 1 to 27: net progress of 1m/day → 27m
# Day 28: climbs 3m from 27m → reaches 30m and exits
# Answer: 28 days
none lygis tiesiog išjungia samprotavimą: atsakymas gaunamas iškart, o kaina minimali, kas tinka mechaninėms užduotims, kaip minėtas klasifikavimas. medium ir high lygiai apima daugumą techninių užduočių. xhigh ir max palik tikrai sudėtingoms problemoms, žinodamas, kad vidinis samprotavimas sunaudoja žetonus, apmokestinamus kaip išvestis: sraigės mįslėje nematomas mąstymas gali „sverti“ daugiau nei pateiktas atsakymas. Yra papildomas nustatymas ultra, kuris pagal nutylėjimą koordinuoja 4 agentus lygiagrečiai (iki 16 tam tikruose vertinimuose) sunkiausioms užduotims – tačiau žetonų suvartojimas yra gerokai didesnis.
Jei migruoji kodą, parašytą ankstesnei kartai (GPT-5.3, GPT-5.4, o3, o3-pro, o4-mini), štai atitikmenys:
o3→gpt-5.6-sol, oo3-pro→gpt-5.6-solsureasoning={"mode": "pro"}(oficialioje pasenusių versijų lentelėje nurodyti pakaitalai; tada nustatykeffortįhigh,xhigharbamaxpriklausomai nuo sudėtingumo)o4-mini→gpt-5.6-terrasureasoningnustatytu įmediumgpt-5.3/gpt-5.4(bendras naudojimas) →gpt-5.6-terra- Didelio kiekio užduotys →
gpt-5.6-luna
Dinaminis maršrutizavimas gamyboje
Gamyboje turėsi ne vieną užklausos tipą, o daugybę, o vieno modelio įkodavimas reiškia, kad arba permokėsi už paprastas užduotis, arba sugadinsi sudėtingas. Maršrutizatoriaus šablonas apima sprendimo centralizavimą funkcijoje, kuri kviečiama prieš kiekvieną užklausą ir grąžina tinkamą konfigūraciją. Tuomet galėsi ją koreguoti neliesdamas likusios programos dalies.
def choose_config(task: str, complexity: str, budget: str) -> dict:
"""Pasirenka optimalų modelį ir samprotavimo pastangų lygį."""
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"}}
# Naudojimas
config = choose_config(task="chatbot", complexity="medium", budget="standard")
response = client.responses.create(
input="Your question here",
**config
)
Kainos nuo 2026 m. rugpjūčio 5 d. – kainos keičiasi reguliariai: prieš atlikdamas bet kokius biudžeto skaičiavimus, patikrink dabartinį kainoraštį oficialioje OpenAI kainų puslapyje.
Svarbiausi punktai
- Terra yra numatytasis pasirinkimas daugumai užduočių (2 $ / 12 $ už MTok)
- Sol maksimaliai kokybei ir giliam samprotavimui (5 $ / 30 $); Luna dideliems kiekiams (0,20 $ / 1,20 $)
- Samprotavimas yra parametras kiekvienam užklausimui (
none→max, pliusultra), o ne atskiras modelis - Migracijos atitikmenys: o3 → Sol; o3-pro → Sol „pro“ režimu; o4-mini → Terra medium; GPT-5.3/5.4 → Terra
- Gamyboje dinamiškai nukreipk užklausas į tinkamą modelio ir pastangų derinį pagal kontekstą