OpenAI опубликовала практическое руководство по семейству GPT-6 — Astra, Sol и Luna. В документе объясняют, как стартапам выбирать модель под задачу, управлять глубиной рассуждений, улучшать промпты и координировать инструменты для продакшен-воркфлоу. Гид вышел 2 октября 2026 года.
Три модели семейства — под разные задачи и бюджеты
GPT-6 включает три модели: Astra, Sol 6.1 и Luna. Astra — флагман с пятью уровнями reasoning effort (low, medium, high, xhigh, max), контекстным окном 1 050 000 токенов и максимальным выходом 128 000 токенов. Стоимость: $10 за миллион входных токенов, $50 за миллион выходных. Модель показывает лучшие результаты в работе с компьютером, браузингом, разработкой, кибербезопасностью и научных задачах.
Sol 6.1 и Luna — более доступные варианты. Sol 6.1 поддерживает reasoning effort, но не принимает значение none — минимальный уровень low. Luna и базовая версия Sol поддерживают none, что снижает латентность и стоимость в задачах без сложных рассуждений. OpenAI рекомендует начинать с Luna для простых запросов, переходить на Sol для задач средней сложности и использовать Astra там, где нужна глубокая аналитика или многоходовое планирование.
Reasoning effort — пять уровней глубины рассуждений
В API параметр reasoning_effort управляет временем, которое модель тратит на обдумывание ответа. Astra и Sol 6.1 не принимают none — нижний порог low. Luna и базовая Sol разрешают none, что ускоряет ответ в задачах без многоступенчатой логики.
OpenAI советует начинать с low или medium, замерять качество ответов и повышать уровень только если результат неудовлетворителен. Каждый шаг вверх увеличивает latency и расход токенов. Для продакшена рекомендуют фиксировать reasoning effort в коде, а не передавать выбор модели — так проще контролировать расходы и предсказуемость.
Как улучшать промпты и навыки моделей
Гид описывает итеративный цикл: написать промпт, протестировать на реальных примерах, проанализировать ошибки, уточнить инструкцию. OpenAI подчёркивает: GPT-6 лучше понимает намерения пользователя и следует инструкциям, чем предыдущие версии. Это результат alignment-работы — модель реже уходит в сторону и чаще переспрашивает, если запрос неоднозначен.
Для сложных задач рекомендуют разбивать промпт на роли, примеры и ограничения. Если модель ошибается на конкретном типе данных — добавить пример с правильным ответом. Если переусложняет — явно указать формат вывода и запретить лишние рассуждения. Гид не даёт готовых шаблонов, но описывает принцип: каждая итерация должна сужать пространство возможных ответов.
Координация инструментов и подготовка к продакшену
GPT-6 умеет вызывать внешние инструменты через function calling. Гид объясняет, как описывать функции в схеме, передавать параметры и обрабатывать результаты. Модель может планировать последовательность вызовов — например, сначала получить данные из API, затем обработать их и вернуть итог.
Для продакшен-воркфлоу OpenAI советует:
| Шаг | Рекомендация |
|---|---|
| Выбор модели | Зафиксировать в коде, не давать выбор пользователю |
| Reasoning effort | Начать с `low`, поднимать только при необходимости |
| Тестирование | Собрать набор реальных запросов, проверить на них все изменения |
| Мониторинг | Логировать latency, расход токенов и частоту ошибок |
| Обновления | Следить за релизами новых версий и changelog |
Модели обновляются с префиксом версии (например, gpt-6.1-sol), и OpenAI рекомендует явно указывать версию в коде, а не использовать алиас latest.
Что не вошло в гид
Документ не раскрывает внутреннее устройство reasoning — как модель распределяет вычисления между уровнями effort. Нет сравнительных таблиц производительности Astra против Sol и Luna на конкретных бенчмарках. Не описаны лимиты rate limit для каждой модели — эта информация, вероятно, в отдельной документации API.
Гид ориентирован на стартапы и разработчиков, которые интегрируют GPT-6 в продукты. Для исследователей и тех, кто хочет понять архитектурные изменения относительно GPT-5, документ даёт мало деталей.
