Puis-je exécuter GPT-6 Luna localement ?

Non. OpenAI n'a pas publié les poids pour aucun modèle GPT-6 ; Luna est uniquement accessible via API.

Quel est le coût de GPT-6 Luna et quelle est la taille de son contexte ?

Le tarif est de 0,10 $ par million de tokens en entrée et 0,50 $ par million en sortie, avec une fenêtre de contexte de 1 050 000 tokens.

En quoi GPT-6 Luna diffère-t-il de GPT-6 Sol ?

Luna est le niveau plus rapide et moins cher, optimisé pour les tâches à haut volume et sensibles à la latence ; Sol se situe au-dessus pour les charges de travail de raisonnement plus lourdes, bien que Luna puisse combler une partie de cet écart avec des réglages d'effort de raisonnement plus élevés.

▲

46.2%

cette semaine

GPT 6 Luna

9265°

#llm #openai #vision #raisonnement #chat #agents

Lancer ce modèle

Offres / Pub

OpenRouter Terminal / API

Payer par token

Discute avec ce modèle dans le navigateur ou appelle-le depuis ton code avec une clé API.

OpenAI | contexte de 1 050 000 tokens | 0,10 $/M en entrée, 0,50 $/M en sortie. GPT-6 Luna est le modèle rapide et économique de la série GPT-6 d'OpenAI, positionné en dessous de GPT-6 Sol. Il est adapté aux charges de travail à grand volume et sensibles à la latence telles que le chat, la classification et les tâches agentiques légères, et à un effort de raisonnement plus élevé il peut prendre en charge des tâches complexes d'ingénierie logicielle et d'utilisation informatique qui nécessitaient auparavant un modèle de niveau Sol. Il partage les gains de la famille GPT-6 en fiabilité factuelle et son style de communication plus clair et concis.

Guides pour ce modèle

Comment choisir un modèle d'IA en octobre 2026 : les nouveautés des modèles fermés, puis les poids ouverts à télécharger

Poids ouverts vs open source vs API uniquement : ce que tu peux vraiment faire

Les 10 alternatives à ChatGPT les moins chères en 2026 : modèles locaux gratuits, offres gratuites et forfaits à prix fixe

Tous les guides

Notes du capitaine

Écrit par Captain, le rédacteur maison

Notes du 2026-10-13

GPT-6 Luna est le niveau rapide et économique d'OpenAI dans la famille GPT-6, situé en dessous de GPT-6 Sol et conçu pour un travail à haut volume et sensible à la latence. Sa fenêtre de contexte s'étend à un peu plus d'un million de tokens, et avec un effort de raisonnement plus élevé, il peut gérer des tâches complexes d'ingénierie logicielle et d'utilisation informatique que vous auriez auparavant confiées à Sol. Si vous avez besoin de vitesse et d'un faible coût par token sans renoncer aux améliorations de fiabilité factuelle de la génération GPT-6, Luna est le choix pratique au quotidien.

Connu pour

Faible latence adaptée au chat, à la classification et aux pipelines agentiques légers
Fenêtre de contexte de plus d'un million de tokens
Évolue vers du codage complexe et de l'utilisation informatique avec un effort de raisonnement accru
Sortie plus propre et concise que les générations GPT précédentes
Capacité visuelle incluse en plus du texte

Attention à

Poids fermés, API uniquement : pas de déploiement local, pas d'option d'auto-hébergement.
Pour les tâches de raisonnement les plus difficiles, GPT-6 Sol reste le choix le plus puissant de cette famille.
Les tokens de sortie coûtent cinq fois plus que ceux d'entrée ; surveillez ce ratio sur les charges de travail verbeuses.

Idéal pour

Chat et assistants

Agents et utilisation d'outils

Rapide

Contexte long

Vision

Prompts à essayer

Tri de document d'un million de tokens

Je colle ci-dessous une grande base de code. Identifiez chaque fonction qui touche la couche base de données, résumez ce que fait chacune en une phrase, et signalez celles qui pourraient causer une injection SQL. Listez-les dans un tableau avec les colonnes : nom de fonction, fichier, résumé, risque.

Planification de tâche agentique

Vous aidez à automatiser un flux de travail de support client. Un utilisateur soumet une demande de remboursement par email. Rédigez un plan d'agent étape par étape : quelles données récupérer, quelles vérifications effectuer, quelles actions prendre, et quand escalader à un humain. Soyez précis sur les points de décision et les modes d'échec.

Audit d'interface basé sur la vision

Joignez une capture d'écran d'une page web que vous souhaitez faire examiner. Listez chaque problème d'accessibilité que vous pouvez repérer : texte alternatif manquant, faible contraste, champs de formulaire non étiquetés, risques de piège clavier. Pour chaque problème, indiquez l'élément, le problème et une correction en une ligne.

Comparer avec

gpt-oss-20b
Modèle à poids ouverts
Contexte de 131,072 tokens · entrée $0.02/M, sortie $0.09/M
gpt oss 120b Ultra
Modèle à poids ouverts
Contexte de 131,072 tokens · entrée $0.20/M, sortie $0.95/M
GPT-5.6 Luna
Modèle uniquement API
Contexte de 1,050,000 tokens · entrée $0.20/M, sortie $1.20/M
GPT-5.6 Sol
Modèle uniquement API
Contexte de 1,050,000 tokens · entrée $4.00/M, sortie $20.00/M

Plus de modèles de texte de openai

Questions fréquentes

Puis-je exécuter GPT-6 Luna localement ?: Non. OpenAI n'a pas publié les poids pour aucun modèle GPT-6 ; Luna est uniquement accessible via API.
Quel est le coût de GPT-6 Luna et quelle est la taille de son contexte ?: Le tarif est de 0,10 $ par million de tokens en entrée et 0,50 $ par million en sortie, avec une fenêtre de contexte de 1 050 000 tokens.
En quoi GPT-6 Luna diffère-t-il de GPT-6 Sol ?: Luna est le niveau plus rapide et moins cher, optimisé pour les tâches à haut volume et sensibles à la latence ; Sol se situe au-dessus pour les charges de travail de raisonnement plus lourdes, bien que Luna puisse combler une partie de cet écart avec des réglages d'effort de raisonnement plus élevés.

Verdict du capitaine
Un choix par défaut judicieux pour les charges de travail en production où le coût et la vitesse comptent, et où la puissance de Sol est souvent excessive.

Le capitaine écrit ces notes à partir de la description et de la fiche modèle. Les prix et tailles de contexte sont ceux du fournisseur au moment de la rédaction et peuvent changer.

Ranking badge

Updated Oct 22, 2026

Made this model? Show this badge on your page.

Paste it into your Hugging Face card or Civitai description.

Change colors / personalize / get code

Also ranked: #8 Hottest Text / LLM model · #8 Hottest Text / LLM text model

Not this creator?

Get your own badge

Tendance de popularité de GPT 6 Luna

Score de chaleur depuis 22 Sep 2026

Score de popularité

9,265°

Cette semaine

▲

46.2%

9,214° alors, 9,265° maintenant

Ce mois-ci

n/a

Pas encore publié/suivi

L'année passée

n/a

Pas encore publié/suivi

7,000°

Plancher

L’échelle va de 0° à 9 999°. Tout ce qui est en dessous de 7,000° est réservé aux modèles dont aucune source ne rapporte encore de données, ils portent un nombre de remplacement pour que les listes restent complètes. 7,000° est le point où les données mesurées commencent : un modèle avec de vraies données mais presque aucun téléchargement est au plancher, et les mesures remplissent les degrés au-dessus. Le plancher ne dit rien sur le modèle ; seuls les degrés au-dessus le font, et ce sont eux qui différencient un modèle d’un autre.

+1,891°

Tokens OpenRouter

20,031,855,808,199 tokens traités par ce modèle via OpenRouter au cours des 30 derniers jours, prompts et réponses confondus. Chaque 10,000,000 tokens compte comme un téléchargement dans le terme de téléchargement, 2,003,185 au total ; les tokens du dernier jour s'ajoutent au taux d'adoption. Source : OpenRouter (openrouter.ai/rankings).

+374°

Taux d’adoption

Environ 96,945 téléchargements par jour, mesurés entre deux relevés des sources, jamais estimés à partir d’une moyenne sur la durée. La vitesse compte pour un quart du terme téléchargement, donc une poussée récente apparaît sans qu’un pic d’un jour dépasse des années d’usage.

Afficher le détail

Chaque chiffre sur ce site peut être vérifié. Le score de popularité de ce modèle est de 9,265°, et voici comment il est construit, ingrédient par ingrédient, avec le total cumulé après chaque étape : le plancher, les degrés ajoutés par chaque source, le bonus pour le type de modèle et ce que l’âge de ses poids enlève. Les couleurs correspondent aux bandes du graphique ci-dessus. Le glossaire à la fin définit chaque terme.

1
Commence au plancher.
Pourquoi 7,000° et pas zéro : l’échelle va de 0° à 9 999°, et la partie en dessous de 7,000° est réservée aux modèles dont aucune source ne rapporte encore de données, qui portent un nombre de remplacement pour que les listes restent complètes et ne dépassent jamais un modèle avec données. 7,000° est le point où les données mesurées commencent. Un modèle avec de vraies données mais presque aucun téléchargement est ici ; tout ce qui suit est une mesure, et l’espace au-dessus du plancher contient dix paliers de dix fois plus de téléchargements à 300° chacun. Le plancher est le même pour tous les modèles, donc il ne décide rien ; ce sont les degrés au-dessus qui le font.
7,000°
total en cours
2
Ajoute les téléchargements.
2,003,185 équivalents de téléchargement au total, venant de Tokens OpenRouter. Multiplier les téléchargements par dix ajoute le même 300°, donc la taille compte mais ne domine jamais le score.
+1,891°
8,891°
total en cours
3
Ajoute le taux d’adoption.
Environ 96,945 téléchargements par jour en ce moment, mesurés entre deux relevés, à un quart du poids.
+374°
9,265°
total en cours
=
Le score de chaleur.
La place de ce modèle dans chaque liste de ce site. Rien d’autre ne le modifie.
9,265°

Glossaire : les termes utilisés ici

Score de chaleur: Un seul chiffre pour montrer à quel point un modèle est utilisé et recherché en ce moment, de 0° à 9 999°. Chaque liste sur ce site qui dit « les plus chauds » est triée selon ce score et rien d’autre.
Plancher: Les 7 000° que chaque modèle avec des données réelles commence avec. L’échelle va de 0° à 9 999° ; la partie sous le plancher est réservée aux remplaçants (modèles sans données), pour qu’un modèle avec données soit toujours mieux classé qu’un sans. Le plancher est le même pour tous et ne décide rien ; les degrés au-dessus sont la mesure.
Équivalents de téléchargement: Tout ce que le score considère comme un téléchargement, additionné : les téléchargements eux-mêmes, chaque seeder torrent comme 1 000, chaque image AI Horde et chaque exécution sur un site de génération comme un.
Échelle logarithmique: On compte par dizaines, pas par unités : passer de 1 000 à 10 000 téléchargements ajoute autant de degrés que passer de 10 000 à 100 000. Ça évite que les géants écrasent tout le reste.
Likes: Les pouces levés et likes de toutes sources, valant chacun la moitié d’un téléchargement sur l’échelle logarithmique.
Taux d’adoption: Combien de téléchargements par jour un modèle obtient en ce moment, calculé à partir de la différence entre deux relevés d’une source. Un quart du poids du terme téléchargement.
Mesuré et estimé: Mesuré signifie qu'il existe deux relevés d'une source et que la différence est réelle. Estimé signifie que seul le total d'aujourd'hui est connu et que le passé est réparti sur la durée de vie du modèle ; le site indique lequel est affiché.
Seeder: Quelqu'un qui garde une copie des poids en ligne pour que d'autres puissent les télécharger via un torrent, ou un miroir hébergé qui fait la même chose. Chacun compte comme 1 000 téléchargements.
AI Horde: Un réseau de bénévoles qui génère des images gratuitement sur des ordinateurs donnés. Le nombre d'images créées avec un modèle est public, et chacune compte comme un téléchargement.
Sites de génération: Sites qui hébergent leurs propres copies d'un modèle et permettent aux gens de générer avec, comme PixAI, SeaArt et Yodayo. Leurs téléchargements comptent comme ceux de Civitai et chaque génération compte comme un téléchargement.
Tokens OpenRouter: Un modèle texte servi via une API, comme Claude ou GPT, n'a pas de poids à télécharger, son usage est donc mesuré en tokens : les morceaux de texte lus et écrits via OpenRouter, une passerelle utilisée par de nombreuses applications, sur les 30 derniers jours. Chaque 10,000,000 tokens compte comme un téléchargement. Source : OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Modèle complet (checkpoint): Les poids eux-mêmes, le fichier qui génère tout seul. Il reçoit un bonus parce que les add-ons en dépendent.
LoRA et embedding: Petits fichiers add-on qui orientent les poids de quelqu'un d'autre vers un style, un personnage ou un concept. Ils ne peuvent pas fonctionner seuls.
Famille et poids: La base sur laquelle un modèle est construit, comme SD 1.5, SDXL, Flux ou Wan. Chaque modèle hérite de la date de sortie des poids de sa famille.
Âge: Degrés retirés selon l'ancienneté des poids de la famille : 150° par an, jusqu'à 750°. Cela garde les anciens téléchargements qui ont eu des années pour s'accumuler en haut de la liste.
Boost de la famille: Une petite poussée limitée pour les LoRA d'une famille que ce site met en avant en ce moment, toujours listée dans la répartition.
Score de remplacement: Un nombre stable en dessous du minimum donné à un modèle dont aucune source ne rapporte encore, pour que les listes restent complètes. Il ne dépasse jamais un modèle avec des données.
Nouveau ! (période de grâce): Un modèle âgé de moins de 7 jours affiche Nouveau ! au lieu d'un score et ne figure pas dans le classement. Son score est calculé dès le premier jour, mais un modèle d'un jour grandit plus vite que tout, donc sans attente le #1 de la semaine serait toujours celui sorti hier plutôt que celui qui tient depuis une semaine.
Tendance: Comment la croissance d'un modèle sur une période se compare à la croissance typique d'un modèle sur la même période. Plus rapide que la moyenne signifie une hausse, plus lente une baisse.
Modèle typique: Le milieu du catalogue : la moitié des modèles avec un chiffre ont grandi plus vite sur la période, l'autre moitié plus lentement.

Voici comment la popularité de ce modèle a évolué par rapport au reste du catalogue : sa croissance en téléchargements, likes et utilisation à chaque période, comparée à la croissance typique des modèles sur la même période, avec son score de chaleur à ce moment-là. Au-dessus de la croissance typique, c’est une hausse, en dessous, une baisse. Le passé est reconstitué à partir des totaux d’aujourd’hui, du premier jour du modèle et de sa vitesse de téléchargement mesurée quand il y a deux relevés ; un modèle qui n’existait pas au début d’une période affiche n/a.

Modèles similaires

GPT 5.1 Codex

TEXT / LLM

Nano Banana (Gemini 2.5 Flash Image)

TEXT / LLM

Nano Banana Pro (Gemini 3 Pro Image)

TEXT / LLM

DeepSeek V4 Flash Vision Exp

TEXT / LLM

Modèles d'IA pour générer image, vidéo et texte

GPT 6 Luna est un modèle de texte pour la famille Text / LLM, référencé sur ModelTrends.ai, un catalogue en lecture seule de modèles d'IA open source pour l'image, la vidéo et le texte. Comparez-le aux autres modèles Text / LLM et consultez son score de chaleur pour suivre sa tendance.

Plus de modèles Text / LLM Plus de Texte / LLM Text / LLM llm openai vision raisonnement chat agents rapide contexte long

Parcourir par famille de modèles