Przejdź do głównej treści
Polski— Wybierz język
Menu

Terra i Luna: szybkie i przystępne rozumowanie

Lekcja 9 z 12 Zaktualizowano 5 listopada 2026 Średnio zaawansowani
Na tej stronie
  1. Rozumowanie, którego będziesz używać na co dzień
  2. Gdzie pasują Terra i Luna
  3. Kiedy podkręcić pokrętło
  4. Pięć przypadków użycia, w których to ustawienie błyszczy
  5. Trzy nawyki, które zmieniają wszystko
  6. Twoja kolej
  7. Kluczowe wnioski

Rozumowanie, którego będziesz używać na co dzień

W poprzedniej generacji za szybkie i przystępne cenowo rozumowanie odpowiadał model o4-mini. Został on wycofany z API 23 października 2026 r., a jego wyznaczonym następcą został gpt-5.6-terra. W obecnej ofercie rolę tę przejęły dwa modele: GPT-6.1 Terra, który jest szybki i wydajny, oraz GPT-6 Luna, będący najbardziej ekonomiczną opcją. W połączeniu z umiarkowanymi ustawieniami wysiłku obsługują one większość codziennych zadań technicznych i zasługują na kluczowe miejsce w Twoim workflow.

Gdzie pasują Terra i Luna

W API model GPT-6.1 Terra (gpt-6.1-terra) kosztuje 1 USD za milion tokenów wejściowych i 5 USD za milion tokenów wyjściowych. OpenAI pozycjonuje go jako szybki, wydajny model do rozumowania wizualnego, precyzyjnego sterowania komputerem i klarownego pisania. GPT-6 Luna (gpt-6-luna), wyceniony na 0,10 USD i 0,50 USD, został stworzony do ukierunkowanych, powtarzalnych zadań o dużej skali: ekstrakcji, klasyfikacji, transformacji i tworzenia ustrukturyzowanych podsumowań. Oba akceptują wszystkie poziomy wysiłku od none do max i dzielą z resztą oferty okno kontekstu o wielkości 1,05 miliona tokenów.

W ChatGPT spotkasz je głównie w trybach Work i Codex. OpenAI rekomenduje Terrę do pisania, rozumienia obrazów i pracy w aplikacjach, podczas gdy Luna najlepiej sprawdza się w czystych, powtarzalnych zadaniach, gdzie łatwo rozpoznać poprawny wynik; w przypadku Luny dokumentacja sugeruje rozpoczęcie od poziomu High. W trybie Chat plany Free i Go opierają się na modelu Luna, z dostępnym przyciskiem Think do trudniejszych pytań.

Modele GPT-6.1 Sol i GPT-6 Astra zachowują przewagę w przypadku wysoce abstrakcyjnych problemów, strategicznych kompromisów obejmujących wiele czynników, wyczerpujących eksploracji oraz długich form, gdzie czas odpowiedzi ma mniejsze znaczenie.

Dwa modele na co dzień Dwie kolumny. GPT-6.1 Terra: 1 USD i 5 USD za milion tokenów, wysiłek od none do max, mocny w pisaniu, obrazach i sterowaniu aplikacjami, kontekst 1,05 miliona tokenów. GPT-6 Luna: 0,10 USD i 0,50 USD, wysiłek od none do max, ale bez Ultra, stworzony do dużych wolumenów, w Work zacznij od poziomu High. TERRA I LUNA Dwa modele na co dzień GPT-6.1 Terra Cena 1 USD / 5 USD za milion tokenów Wysiłek od none do max Mocne strony Pisanie, obrazy, aplikacje Kontekst 1,05 miliona tokenów GPT-6 Luna Cena 0,10 USD / 0,50 USD Wysiłek od none do max, bez Ultra Mocne strony Wolumen: ekstrakcja, klasyfikacja W Work Zacznij od poziomu High o4-mini opuścił API 23 października 2026 r., a jego wyznaczonym następcą został gpt-5.6-terra.
Na podstawie stron Models w API, dokumentacji ChatGPT oraz strony Deprecations (listopad 2026).

Kiedy podkręcić pokrętło

Kluczowym pytaniem nie jest „który model wybrać?“, lecz „jaki poziom wysiłku aktywować?“. Cztery sygnały uzasadniają przejście z none lub low na medium w Terrze: zadanie obejmuje obliczenia lub weryfikację logiczną; rozkłada się na wiele kroków; odpowiedź na najniższym poziomie była przybliżona lub błędna; albo wniosek wymaga skrzyżowania wielu fragmentów informacji. Jeśli poziom high nadal nie wystarcza, czas przejść na GPT-6.1 Sol.

Pięć przypadków użycia, w których to ustawienie błyszczy

Jako codzienny asystent programistyczny, Terra ustawiona na medium analizuje logikę programu, wykrywa błędy i proponuje dobrze uzasadnione poprawki: „Oto funkcja w Pythonie, która powinna obliczać medianę listy, ale czasami zwraca błędny wynik. Znajdź błąd i go napraw: [kod]“. W przypadku szybkiej analizy danych pozwala uniknąć wywoływania droższego modelu: „Oto dane sprzedażowe dla 5 produktów z ostatnich 6 miesięcy. Który ma najlepszą trajektorię, a który jest zagrożony spadkiem? Uzasadnij obliczeniami“.

Doskonale sprawdza się również jako weryfikator, zarówno dla Twoich własnych obliczeń, jak i wyników innego modelu. Dzięki swoim możliwościom wizualnym potrafi skomentować zrzut ekranu pulpitu nawigacyjnego: „Jakie są trzy najważniejsze obserwacje i co rekomendujesz?“. Pamiętaj jednak, że liczby odczytane z obrazu nadal wymagają weryfikacji. Wreszcie, w przypadku zadań powtarzalnych, takich jak sortowanie 500 zgłoszeń czy ekstrakcja pól z 200 dokumentów, Luna ustawiona na low lub medium oferuje najlepszy stosunek jakości do kosztu; najpierw przetestuj to na próbce.

Trzy nawyki, które zmieniają wszystko

Bądź bezpośredni: „Oblicz roczne tempo wzrostu (CAGR) dla tych przychodów: 2021 = 1,2 mln €, 2022 = 1,5 mln €, 2023 = 1,9 mln €, 2024 = 2,3 mln €, 2025 = 2,8 mln €“ działa lepiej niż długie wstępy. OpenAI rekomenduje proste, bezpośrednie instrukcje dla swoich modeli rozumujących. Poproś o weryfikację w ramach wyniku: „Podaj wynik, a następnie zweryfikuj go inną metodą“. Pracuj w krótkich iteracjach: szybkość tych ustawień została zaprojektowana z myślą o szybkiej wymianie zdań.

Twoja kolej

Cztery zadania, jeden stoper. Przetestuj Terrę na poziomie medium (w API lub Work) albo poziom Medium w Chat jako rozwiązanie zapasowe, wykonując te cztery polecenia. Zanotuj czas odpowiedzi i zweryfikuj każdy wynik.

  1. „Rozwiąż: jeśli 3x + 7 = 2(x − 4) + 15, ile wynosi x? Zweryfikuj.“ (Oczekiwana odpowiedź: x = 0.)
  2. „Oto fragment kodu JavaScript: [kod z subtelnym błędem]. Znajdź błąd.“
  3. „Mój kwartalny przychód: Q1 = 120 tys., Q2 = 135 tys., Q3 = 128 tys., Q4 = 142 tys. Oblicz trend i dokonaj projekcji na kolejny Q1.“
  4. „Oprogramowanie kosztuje 15 000 € rocznie. Alternatywa open-source kosztuje 5 000 € wdrożenia, a następnie 2 000 € rocznie za utrzymanie. Kiedy alternatywa staje się opłacalna?“

Każde z nich jest obsługiwane szybko przy wystarczającym poziomie rozumowania. Użycie droższego modelu na wysokim poziomie wysiłku dla tego typu zapytań kosztuje więcej i zajmuje więcej czasu, nie dodając żadnej wartości.

Źródła oficjalne: Models (API OpenAI: GPT-6.1 Terra i GPT-6 Luna, poziomy wysiłku, cennik) · Deprecations (o4-mini usunięty 23 października 2026 r., następca) · Models (dokumentacja ChatGPT: przypadki użycia Terry i Luny w Work, poziom startowy) · Reasoning best practices (bezpośrednie instrukcje)

Kluczowe wnioski

  • o4-mini opuścił API 23 października 2026 r.; GPT-6.1 Terra i GPT-6 Luna obsługują teraz szybkie rozumowanie
  • Terra: 1 USD / 5 USD za milion tokenów do pisania, obrazów i sterowania aplikacjami; Luna: 0,10 USD / 0,50 USD do powtarzalnych zadań o dużej skali
  • Oba akceptują wysiłek od none do max; zwiększ wysiłek przed zmianą modelu
  • Używaj bezpośrednich instrukcji, żądaj weryfikacji w wyniku i pracuj w szybkich iteracjach
  • Zarezerwuj GPT-6.1 Sol i GPT-6 Astra do problemów abstrakcyjnych, strategicznych lub wymagających wyczerpującej analizy