OpenAI
GPT-6.1 Sol
최대 컨텍스트
1.1M
최대 출력
128K
출시일
N/A
gpt-5.6-lunaGPT-5.6 Luna는 Luna 시리즈의 범용 버전으로, 일상적인 AI 애플리케이션에 적합합니다. 채팅 Q&A, 텍스트 재작성, 요약, 정보 추출, 간단한 추론, 코딩 지원, 사무 자동화에 사용할 수 있습니다. Luna는 프로토타입, 경량 비즈니스 기능, 배치 콘텐츠 처리, 일반적인 사용자 상호작용 시나리오에 실용적인 선택입니다. 속도, 단순성, 비용 관리가 중요할 때 좋은 시작 모델이며, 더 높은 품질이나 안정적인 출력이 필요한 작업에는 Luna Pro를 고려할 수 있습니다.
Context Window
1.1M tokens
Maximum Output
128K tokens
Release Date
2026년 7월 9일
Modalities
| 토큰 티어 | 입력 가격 | 출력 가격 | 캐시 읽기 | 캐시 생성 5m |
|---|---|---|---|---|
| <=272K | $1/M | $6/M | $0.1/M | $1.25/M |
| >272K | $2/M | $9/M | $0.2/M | $2.5/M |
Reasoning
Tool calling
Temperature parameter
Attachments
Knowledge Base
Endpoint Protocols
GPT-5.6 Luna는 경제적인 대규모 처리를 우선하면서 조정 가능한 추론, 이미지 이해, 100만 토큰 컨텍스트 창을 제공합니다.
비용에 민감한 작업을 위해 설계되어 빈번한 요청이나 대량의 정형 콘텐츠 처리에 적합합니다.
추론 수준을 없음부터 최대까지 설정해 경량 요청과 분석형 요청을 같은 모델 계열로 처리할 수 있습니다.
텍스트와 이미지를 1,050,000토큰 컨텍스트 창에서 처리해 대규모 작업을 나누어야 하는 필요를 줄일 수 있습니다.
GPT-5.6 Luna는 운영 효율이 중요한 대량 분류, 요약, 멀티모달 정보 추출에 적합합니다.
대량의 메시지와 문서에 범주, 우선순위, 라우팅 레이블을 지정해 자동 처리에 활용합니다.
긴 보고서, 지원 기록, 문서 모음을 간결한 요약과 실행 중심의 핵심 사항으로 정리합니다.
텍스트, 스크린샷, 도표, 스캔 페이지에서 정형 필드와 결과를 추출해 인덱싱과 후속 워크플로에 활용합니다.
import OpenAI from "openai"
const client = new OpenAI({
apiKey: process.env.TOKENHUB_API_KEY,
baseURL: "https://us-api.tokenhub.com/v1",
})
const result = await client.chat.completions.create({})
console.log(result.choices[0]?.message?.content)| 지표 점수 | ||
|---|---|---|
| Artificial Analysis Intelligence Index | 종합 역량 평가 | 33.3 |
| Artificial Analysis Coding Index | 코딩 역량 종합 평가 | 44.2 |
| 지식 및 추론 | ||
| GPQA | 고난도 과학 문제 해결 | 83.5% |
| HLE | 다분야 전문가 수준 평가 | 18.8% |
| 코딩 및 소프트웨어 엔지니어링 | ||
| SciCode | 과학 컴퓨팅 코딩 과제 | 45.6% |
| 지시 준수 및 에이전트 작업 | ||
| AA-LCR | 긴 컨텍스트 추론 | 59.3% |
지표 출처 Artificial Analysis
TokenHub에서 GPT-5.6 Luna를 사용할 때 자주 묻는 질문입니다.
GPT-5.6 Luna는 TokenHub에서 제공되는 GPT-5.6 Luna 시리즈 모델입니다. 채팅, 추론, 글쓰기, API 기반 워크플로에 사용할 범용 AI 모델이 필요한 사용자에게 적합합니다.
대화형 어시스턴트, 콘텐츠 초안 작성, 요약, 구조화된 데이터 추출, 코드 지원, 다단계 작업 자동화에 적합합니다.
강점은 범용 작업 처리, 명확한 지시 따르기, TokenHub를 통한 유연한 통합입니다. 표준 버전은 일상적인 사용, 빠른 반복, 비용을 중시하는 작업에 실용적입니다.
모든 AI 모델과 마찬가지로 중요한 출력은 정확성을 검토하고, 운영 적용 전 자체 데이터로 프롬프트를 테스트하며, 지연 시간, 비용, 품질을 대안 모델과 비교해야 합니다.
TokenHub 요청에서 모델을 “GPT-5.6 Luna”로 선택하고 계정 엔드포인트와 인증 정보를 사용하세요. temperature, max tokens, streaming 같은 매개변수는 애플리케이션 요구에 맞게 설정하면 됩니다.
실제 작업을 반영한 작은 평가 세트로 먼저 테스트하는 것이 좋습니다. 답변 품질, 신뢰성, 지연 시간, 비용의 균형이 작업에 가장 잘 맞는 모델을 선택하세요.
하나의 API 키로 GPT-5.6 Luna과 더 많은 AI 모델을 이용하세요.