GPT-6 Luna

Überblick

GPT-6 Luna ist die günstigste Stufe von OpenAIs GPT-6-Generation, veröffentlicht am 22. September 2026 zusammen mit GPT-6 Sol. OpenAI beschreibt es als effizientestes Modell für fokussierte Aufgaben mit hohem Volumen.

Das Modell verarbeitet Text und Bild bei 1.050.000 Token Kontext und gibt bis zu 128.000 Token aus. Wissensstand ist der 18. Mai 2026. Der Reasoning-Aufwand lässt sich in sechs Stufen steuern (none, low, medium, high, xhigh, max; Default medium). Parameterzahl und Architektur legt OpenAI nicht offen. Seit dem 7. Oktober 2026 ist GPT-6 Luna auch das Modell für die kostenlosen ChatGPT-Pläne Free und Go.

Use Cases

• Massenverarbeitung: Klassifikation, Extraktion, Zusammenfassung, Routing
• Sub-Agenten für klar umrissene Coding-Teilaufgaben (DeepSWE v1.1 laut OpenAI 66,6 % bei Effort max)
• Langkontext-Auswertung zu sehr niedrigen Kosten (AA-LCR v1.1 83 % bei Artificial Analysis, gleichauf mit GPT-6.1 Sol)
• Wissenschaftlich-technische Fragen ohne Werkzeugzugriff (SciCode 55 %, GPQA Diamond 90 % bei Epoch AI)

Stärken & Grenzen

Stärken: Der Preis. 0,10 $ / 0,50 $ je 1M Token sind ein Zwanzigstel von GPT-6 Sol. Artificial Analysis misst Kosten von 0,07 $ je Index-Aufgabe (GPT-5.6 Luna: 0,18 $) und rund 135 Ausgabe-Token/s. Laut OpenAI erreicht Luna bei DeepSWE das Niveau von Claude Opus 5 und Fable 5 auf mittlerer Stufe, bei 93 % bzw. 96 % geringeren Kosten je Aufgabe.

Grenzen:

• Lange Agentenläufe brechen ein. Terminal-Bench 4.0: 13 % bei Artificial Analysis, 13,64 % bei Vals AI – gegenüber 44 % bei GPT-6 Sol. Bei SWE-bench Multimodal liegt Luna bei Vals mit 37,50 % auf dem letzten von 15 Plätzen.
• Kaum besser als der Vorgänger. Artificial Analysis misst einen Intelligence Index von 38 (v4.3.2, Max); laut AA-Launchbericht bleibt der Index auf dem Niveau von GPT-5.6. Der Coding Agent Index sinkt um zwei Punkte auf 41, GDPval-AA verliert rund 75 Elo-Punkte.
• Mehr Token je Aufgabe. Luna erzeugt bei Artificial Analysis rund 51.000 Ausgabe-Token je Aufgabe (GPT-5.6 Luna: 41.000) – ein Teil des Preisvorteils geht dadurch verloren.
• Halluzination: AA-Omniscience-Index 1 bei einer Halluzinationsrate von 77 %. Für Faktenfragen ohne Quellenanbindung ungeeignet.
• In einem DevOps-Praxistest von computingforgeeks bestanden die von Luna erzeugten Kubernetes-Manifeste alle Linter, stürzten aber in drei von drei Läufen beim Start ab – ein Einzelbefund, aber ein typisches Muster für kleine Modelle.

Einordnung

Es liegt noch kein eigener Test vor; die Einordnung stützt sich auf die publizierten Zahlen.

GPT-6 Luna ist eine Preisstufe, kein Leistungssprung. Für Massenaufgaben mit kurzen, klar definierten Schritten ist es eine sehr günstige Option, vor allem mit EU-Datenresidenz. Für selbstständige, lange Agentenläufe reicht es nicht; dort liegen GPT-6.1 Sol oder Claude Sonnet 5.5 deutlich vorn. Im direkten Wettbewerb steht Claude Haiku 5.5 zum gleichen Listenpreis (0,10 $ / 0,50 $ bis 100K Prompt-Token), das Artificial Analysis mit 43 Indexpunkten höher einstuft.

Gut zu wissen

• Lizenz: proprietär; API-Modell-ID gpt-6-luna (ohne datierten Snapshot), verfügbar über die OpenAI-API, ChatGPT, Microsoft Foundry und Amazon Bedrock
• API-Preise je 1M Token: 0,10 $ Input, 0,01 $ gecachter Input, 0,125 $ Cache-Write, 0,50 $ Output. Ab 272K Input-Token 0,20 $ / 0,02 $ / 0,25 $ / 0,75 $. Batch und Flex 50 % günstiger, Fast Mode doppelter Preis
• OpenAIs Angabe „50 % günstiger" bezieht sich auf den Aktionspreis von GPT-5.6 Luna (0,20 $ / 1,20 $)
• EU-Betrieb: OpenAI unterstützt EU-Datenresidenz (Standard, Flex, Batch und Fast); Microsoft Foundry bietet eine EU Data Zone (0,12 $ / 0,60 $), allerdings ohne Provisioned Throughput. Auf Bedrock erreicht man EU-Regionen nur über das globale Cross-Region-Profil
• Function Calling, Structured Outputs, Web Search, File Search, Code Interpreter, Computer Use, MCP; kein Fine-Tuning. In Chat Completions funktioniert Function Calling nur bei Effort none
• Score-Tabelle: Die Werte von Artificial Analysis gelten für Effort max (HLE 39 %, SciCode 55 %, AA-LCR v1.1 83 %). GPQA Diamond 90 % stammt von Epoch AI, ohne Angabe der Effort-Stufe. Terminal-Bench 2.1 misst Vals AI mit dem Harness Terminus 2 (73,03 %, Rang 23). Der LMArena-Wert (1443, Rang 91) gilt für gpt-6-luna-max
• Weitere Werte ohne Eintrag in der Score-Tabelle – OpenAI: DeepSWE v1.1 66,6 % (max); AutomationBench 1.0.6 nur als Abstand zum Vorgänger (+5,4 Prozentpunkte bei 58 % geringeren Kosten je Aufgabe, Effort high); Artificial Analysis (v4.3.2, Max): Terminal-Bench 4.0 13 %, AutomationBench-AA 53 %, GDP.pdf 23 %, CritPt 19 %, AA-Omniscience 1; Vals AI: Vals Index 51,22 % (Rang 28 von 47), Vibe Code Bench v1.1 81,65 %; Epoch AI: FrontierMath Tier 1–3 79 %, Tier 4 56 %; ARC Prize (max): ARC-AGI-1 86,7 %, ARC-AGI-2 59,3 %
• Für OSWorld 2.0 kursieren zwei verschiedene Chart-Ablesungen (52,7 % und 58,1 %); OpenAI selbst nennt im Text keine Zahl
• GDPval-AA v2.1 (1432) und AA-Briefcase v1.1 (1336) stehen auf einer Elo-Skala und gehören nicht in die Prozent-Spalte
• Verwandt: gpt-6-sol und gpt-6-1-sol als stärkere Stufen, Vorgänger gpt-5-6-luna, Wettbewerber claude-haiku-5-5