GPT-6 Luna — самая доступная модель нового семейства OpenAI, представленная 22 сентября 2026 года вместе с GPT-6 Sol. В народе её часто называют «ChatGPT 6 Luna», хотя технически Luna — это название модели, а ChatGPT — интерфейс, внутри которого она работает. Разбираем характеристики, результаты бенчмарков, тарифы, сильные и слабые стороны, а также отвечаем на частые вопросы пользователей.
Что такое GPT-6 Luna и чем она отличается от ChatGPT 6
OpenAI разделила поколение GPT-6 на три уровня возможностей. Флагман GPT-6 Astra отвечает за самые сложные исследовательские и агентные задачи, GPT-6 Sol закрывает серьёзную повседневную работу и программирование, а Luna рассчитана на массовые, повторяемые и чувствительные к цене сценарии. Названия Sol, Terra и Luna обозначают постоянные уровни линейки, а не отдельные приложения — эта схема перекочевала из семейства GPT-5.6, где Luna уже была самой быстрой и экономичной моделью.
Важный нюанс, который часто вводит в заблуждение: в обычном чате ChatGPT нельзя выбрать Luna из меню. На момент релиза модели доступны в ChatGPT Work и Codex для тарифов Plus, Pro, Business, Enterprise и Edu, а также через OpenAI API под идентификатором gpt-6-luna. При этом бесплатная версия ChatGPT и тариф Go в десктопном приложении отвечают на обычные вопросы именно на базе Luna — так что миллионы пользователей фактически общаются с ней, не зная об этом.
Технические характеристики GPT-6 Luna
По ключевым параметрам Luna не уступает старшим моделям семейства: контекстное окно у всех трёх GPT-6 одинаковое.
| Параметр | Значение |
|---|---|
| Контекстное окно | 1 050 000 токенов |
| Максимальный объём ответа | 128 000 токенов |
| Входные данные | Текст и изображения |
| Выходные данные | Только текст (изображения не генерирует) |
| Уровни рассуждения (reasoning) | none, low, medium, high, xhigh, max |
| Инструменты | Поиск в интернете, выполнение кода, работа с файлами, структурированный вывод, вызов функций, управление компьютером |
| Идентификатор в API | gpt-6-luna |
Регулируемая глубина рассуждений — практичная фича: на простом запросе можно снизить задержку до минимума, а для сложного анализа дать модели больше времени на обдумывание.
Бенчмарки и результаты тестов: насколько умна Luna
OpenAI позиционирует Luna не как рекордсмена по интеллекту, а как лидера кривой «качество–стоимость». Тем не менее цифры тестов впечатляют для бюджетного сегмента:
- DeepSWE 1.1 (сложные задачи разработки в реальных кодовых базах) — 66,6% на максимальном уровне reasoning. Для сравнения: GPT-6 Astra — 73,2%, GPT-6 Sol — 68,8%, Claude Opus 5 — 73,7%.
- Agents’ Last Exam (агентные профессиональные задачи) — 66,6% на max, что сопоставимо с Claude Opus 5 и Fable 5 на среднем уровне усилий, но примерно на 93% дешевле по стоимости задачи.
- OSWorld 2.0 (работа с интерфейсами программ) — 52,7% на max; модель обходит GPT-5.6 Sol на medium, затрачивая в десять раз меньше.
- Точность на трудных вопросах, на которых ранее ошибались предыдущие модели, — доля ответов с фактической ошибкой снизилась до 10,8%, при этом Luna достигает результата примерно за сотую часть стоимости GPT-5.6 Sol.
Изменился и стиль ответов: Luna переняла манеру Astra — меньше жаргона, лишних подробностей и странных оборотов, ответы стали яснее и короче. Особенно заметно это в технических диалогах и работе с кодом.
Слабые места модели
- На минимальном уровне рассуждений (low) агентные задачи практически не решаются — показатели AutomationBench и DeepSWE падают до единиц процентов. Для многошаговых сценариев нужен как минимум medium.
- Качество растёт от ступени к ступени неравномерно: в отдельных тестах high показывает результат хуже, чем medium.
- Потолок возможностей заметно ниже, чем у Sol и Astra: в коде на высоких уровнях Luna уступает и старшим моделям OpenAI, и Claude Opus 5.
- Модель читает изображения, но не генерирует их, а также не обрабатывает аудио и видео напрямую.
GPT-6 Luna против Sol, Astra и конкурентов: сравнительная таблица
| Модель | Назначение | Вход, $/1 млн токенов | Выход, $/1 млн токенов |
|---|---|---|---|
| GPT-6 Luna | Массовые и повторяемые задачи, автоматизация | 0,10 | 0,50 |
| GPT-6 Sol | Программирование, сложный анализ, агентные сценарии | 2 | 10 |
| GPT-6 Astra | Флагман: наука, многоэтапные задачи, computer use | 10 | 50 |
Luna дешевле Sol в 20 раз и дешевле Astra в 100 раз по базовым API-ставкам. При контексте свыше 272 тысяч входных токенов действуют повышенные тарифы: вход для Luna вырастает до $0,20 за миллион. Кэшированный ввод стоит символические $0,01 за миллион токенов — это делает модель особенно выгодной для пайплайнов, где повторяется один и тот же системный промпт.
Есть и каверза с контекстом: возможность загрузить миллион токенов не означает, что модель одинаково внимательно обработает каждую деталь. В тестах на извлечение фактов из длинного контекста Luna показывала около 41% при объёмах от 256 тысяч токенов, тогда как Sol и Terra держали 70–90%. Если нужно связать несколько данных из массива отчётов, надёжнее старшие модели.
Для каких задач подходит ChatGPT 6 Luna
- Извлечение данных из документов и приведение их к заданному формату.
- Классификация сообщений, тикетов и отзывов в больших объёмах.
- Краткие пересказы, черновики, переводы и написание нескольких вариантов описаний.
- Простые правки кода и генерация типовых скриптов.
- Промежуточные шаги внутри ИИ-агентов, где каждый вызов должен стоить копейки.
- Чат-боты поддержки с высоким потоком однотипных запросов.
Правило выбора простое: не самая мощная модель, а самая дешёвая из тех, что стабильно решают конкретную задачу. Если Luna ошибается три раза, а Astra отвечает правильно с первого, дорогая модель может в итоге оказаться выгоднее — поэтому перед внедрением стоит провести собственный прогон на реальных данных и посчитать стоимость «принятого результата», включая повторы.
Сколько стоит использование: тарифы и лимиты
По API модель оплачивается по токенам — $0,10 за миллион входных и $0,50 за миллион выходных. Типовой запрос с коротким контекстом обходится примерно в $0,0015, то есть тысяча операций стоит около $1,50. В подписке ChatGPT расчёт идёт лимитами сообщений: ориентировочно от 350 до 3000 сообщений за пятичасовое окно на тарифе Plus в зависимости от длины файлов и уровня рассуждения. Для сравнения, у флагмана Astra лимиты в десятки раз скромнее.
Как пользоваться ChatGPT 6 Luna из России
Россия не входит в список поддерживаемых стран OpenAI, а компания предупреждает, что доступ из неподдерживаемых регионов может привести к блокировке аккаунта. Прямое подключение к API потребует зарубежного способа оплаты, и одного VPN может оказаться недостаточно — регион проверяется по аккаунту и платёжным данным. Рабочий обходной путь — российские агрегаторы нейросетей, которые подключают новые модели в первые часы после релиза, работают без VPN и принимают оплату в рублях. Актуальные обзоры нейросетей и пошаговые инструкции по доступу к GPT-6 Luna собраны на информационном портале о возможностях искусственного интеллекта, где регулярно выходят сравнения свежих моделей и разборы тарифов.
Частые вопросы о ChatGPT 6 Luna
GPT-6 Luna бесплатная?
В бесплатной версии ChatGPT Luna отвечает на обычные вопросы без оплаты, но с лимитами. В API модель платная, хотя её цена — одна из самых низких в индустрии.
Чем Luna отличается от Sol?
Sol сильнее в программировании, многоэтапном анализе и агентных задачах. Luna выгоднее там, где запросов много, а каждый из них хорошо формализован: классификация, извлечение данных, массовая обработка.
Luna или Claude: что лучше?
По максимальному баллу Claude Opus 5 впереди, но по соотношению цены и качества задачи Luna выигрывает: стоимость выполнения у неё ниже на 93–96% при сопоставимых результатах на ряде тестов.
Нужен ли VPN?
Для прямого доступа к ChatGPT и OpenAI API из России — да, и даже он не гарантирует отсутствие блокировки. Через агрегаторы VPN не требуется.
Вывод: стоит ли переходить на GPT-6 Luna
GPT-6 Luna — это не «урезанный флагман», а осознанный инструмент экономии. Она удерживает качество, достаточное для 80% типовых задач, при цене в сотню раз ниже флагманской. Для бизнеса с большими объёмами однотипных операций и для разработчиков, строящих многошаговые ИИ-агенты, Luna способна сократить расходы на порядок без заметной потери качества. А для сложных исследований, больших рефакторингов кода и задач с высокой ценой ошибки по-прежнему разумнее reserve Sol или Astra.
