GPT 5.6 Luna Modell-Übersicht

GPT-5.6 Luna ist die günstigste und schnellste Variante der GPT-5.6-Familie von OpenAI, die am 9. Juli 2026 zusammen mit den größeren Modellen Terra und GPT-5.6 Sol erschienen ist. Luna zielt auf hohe Volumen und latenzsensible Aufgaben wie Klassifikation, Extraktion, Routing und leichte Agentic-Workflows ab. Mit $1 / $6 pro 1 Mio. Input-/Output-Token ist es rund 5× günstiger als das Flaggschiff Sol und 2,5× günstiger als Terra, behält aber ein Kontextfenster von 1,05 Mio. Token. Innerhalb von KI-Agenten-Systemen ist Luna als unterste Ebene von Routing-Aufgaben angedacht.

Playground API Dokumentation System Card Blog

Features

Tools

Websuche, Bildgenerierung, Computer Use und MCP-Server.

Multimodalität

Das Modell kann Text, Bilder, Audio und PDFs als Input verarbeiten.

Finetuning

Finetuning des Modells ist aktuell nicht möglich.

Details zum Modell

1,05 Mio. Token

128k Token

Unbekannt

1,00 $

6,00 $

Unbekannt

GPT 5.6 Luna Benchmark Scores

Im KI-Kontext bezeichnet Performance die Leistungsfähigkeit eines Modells in Bereichen wie Sprachverständnis, Logik oder Programmierung – gemessen anhand standardisierter Benchmarks zur objektiven Vergleichbarkeit.

GPT 5.6 Luna Benchmark Übersicht

GPT 5.6 Luna Performance im Vergleich zu anderen KI-Modellen

Benchmark	GPT 5.6 Luna	GPT 5.6 Terra	Muse Spark 1.1	GPT 5.6 Sol	Grok 4.5	Claude Sonnet 5	Fugu Ultra
ARC-AGI-2Logik & Schlussfolgerung	7,4 %	37,5 %	—	67,1 %	—	—	—
ARC-AGI-3Logik & Schlussfolgerung	0,2 %	0,8 %	—	Top 7,8 %	—	—	—
Artificial Analysis Intelligence IndexLogik & Schlussfolgerung	51,2 Pkt.	55 Pkt.	—	58,9 Pkt.	53,8 Pkt.	—	—
BrowseCompWissen & Sprache	83,3 %	87,5 %	—	Top 90,4 %	—	84,7 %	—
CyberGymCybersecurity	77,9 %	81,8 %	59 %	Top 84,5 %	—	52,7 %	—
FrontierMathLogik & Schlussfolgerung	78,6 %	84,9 %	—	Top 89 %	—	—	—
GDPval-AAAgentische Aufgaben	1.591,8 ELO	1.593 ELO	1.381 ELO	1.747,8 ELO	1.543 ELO	1.618 ELO	—
GPQA DiamondWissen & Sprache	92,3 %	92,9 %	—	94,6 %	93,1 %	—	Top 95,5 %
MMMU-ProMultimodalität	78,4 %	80,7 %	—	83 %	80,4 %	—	—
MRCR v2Logik & Schlussfolgerung	41,3 %	89,6 %	54,1 %	91,5 %	—	—	Top 93,6 %
SWE-bench ProProgrammierung	62,7 %	63,4 %	61,5 %	64,6 %	64,7 %	63,2 %	73,7 %
Terminal-Bench 2.1Programmierung	84,7 %	87,4 %	80 %	Top 88,8 %	83,3 %	80,4 %	82,1 %

Ergebnisse in Benchmarks

Benchmark auswählen

Darstellung der Rohdaten für den Benchmark ARC-AGI-2. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
GPT-5.5	85 %
Gemini 3.1 Pro	77,1 %
Gemini 3.5 Flash	72,1 %
Claude Opus 4.6	68,8 %
GPT-5.6 Sol	67,1 %
Claude Sonnet 4.6	58,3 %
GPT-5.2 Pro	54,2 %
GPT-5.2	52,9 %
Gemini 3 Deep Think	45,1 %
Muse Spark	42,5 %
Claude Opus 4.5	37,6 %
GPT-5.6 Terra	37,5 %
Gemini 3 Pro	31,1 %
Grok-4	15,9 %
GPT-5.6 Luna	7,4 %

Vergleich von LLMs im Benchmark ARC-AGI-2. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.

Darstellung der Rohdaten für den Benchmark ARC-AGI-3. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
GPT-5.6 Sol	7,78 %
Claude Opus 4.8	1,5 %
GPT-5.6 Terra	0,8 %
Claude Opus 4.6	0,5 %
GPT-5.5	0,4 %
Gemini 3.1 Pro	0,4 %
Claude Opus 4.7	0,2 %
GPT-5.4	0,2 %
GPT-5.6 Luna	0,18 %

Vergleich von LLMs im Benchmark ARC-AGI-3. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.

Darstellung der Rohdaten für den Benchmark Artificial Analysis Intelligence Index. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
Claude Fable 5	65 %
Claude Opus 4.8	61 %
GPT-5.6 Sol	58,9 %
GPT-5.6 Terra	55 %
Gemini 3.5 Flash	55 %
Grok 4.5	53,8 %
GPT-5.6 Luna	51,2 %
MiniMax M2.7	50 %
DeepSeek-V4-Pro (Preview)	44 %

Vergleich von LLMs im Benchmark Artificial Analysis Intelligence Index. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.

Darstellung der Rohdaten für den Benchmark BrowseComp. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
GPT-5.6 Sol	90,4 %
GPT-5.6 Terra	87,5 %
Claude Sonnet 5	84,7 %
GPT-5.5	84,4 %
Claude Opus 4.8	84,3 %
MiniMax-M3	83,52 %
DeepSeek-V4-Pro (Preview)	83,4 %
GPT-5.6 Luna	83,3 %
Kimi K2.6	83,2 %
Claude Opus 4.7	79,3 %
MiniMax M2.7	76,3 %
GLM-5.1	68 %

Vergleich von LLMs im Benchmark BrowseComp. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.

Darstellung der Rohdaten für den Benchmark CyberGym. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
GPT-5.6 Sol	84,5 %
GPT-5.6 Terra	81,8 %
GPT-5.5	81,8 %
Claude Opus 4.8	78,8 %
GPT-5.6 Luna	77,9 %
Claude Opus 4.7	73,1 %
GLM-5.1	68,7 %
Muse Spark 1.1	59 %
Claude Sonnet 5	52,7 %

Vergleich von LLMs im Benchmark CyberGym. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.

Darstellung der Rohdaten für den Benchmark FrontierMath. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
GPT-5.6 Sol	89 %
GPT-5.6 Terra	84,9 %
GPT-5.6 Luna	78,6 %
GPT-5.5	51,7 %
GPT-5.2 Pro	31,3 %
GPT-5.4	27,1 %
Claude Opus 4.6	22,9 %
GPT-5.2	18,8 %
Gemini 3 Pro	18,75 %
Gemini 3.1 Pro	16,7 %
GPT-5 Pro	14,6 %
GPT-5.1	12,5 %
GPT-5	12,5 %
Claude Sonnet 4.6	8,3 %
Kimi K2.5 (Thinking)	4,2 %
Claude Opus 4.5	4,17 %
Claude Opus 4.1	4,17 %
GLM-5	2,1 %
DeepSeek-v3.2 Thinking	2,1 %
Grok-4 Heavy	2,08 %

Vergleich von LLMs im Benchmark FrontierMath. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.

Darstellung der Rohdaten für den Benchmark GDPval-AA. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
Claude Fable 5	1.932 %
Claude Opus 4.8	1.890 %
GPT-5.6 Sol	1.747,8 %
Gemini 3.5 Flash	1.656 %
Claude Sonnet 5	1.618 %
GPT-5.6 Terra	1.593 %
GPT-5.6 Luna	1.591,8 %
DeepSeek-V4-Pro (Preview)	1.554 %
Grok 4.5	1.543 %
MiniMax M2.7	1.495 %
Muse Spark	1.444 %
Muse Spark 1.1	1.381 %

Vergleich von LLMs im Benchmark GDPval-AA. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.

Darstellung der Rohdaten für den Benchmark GPQA Diamond. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
Fugu Ultra	95,5 %
GPT-5.6 Sol	94,6 %
Claude Mythos Preview	94,5 %
Claude Opus 4.7	94,2 %
Claude Opus 4.8	93,6 %
GPT-5.5	93,6 %
Claude Fable 5	93,18 %
Grok 4.5	93,1 %
GPT-5.6 Terra	92,9 %
GPT-5.4	92,8 %
GPT-5.6 Luna	92,3 %
GLM-5.2	91,2 %
Kimi K2.6	90,5 %
DeepSeek-V4-Pro (Preview)	90,1 %
Muse Spark	89,5 %
Gemini 3.1 Flash-Lite	86,9 %
GLM-5.1	86,2 %
Gemma 4 31B	84,3 %
GPT-5.4 nano	82,83 %
GPT-5.4 mini	81,57 %

Vergleich von LLMs im Benchmark GPQA Diamond. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.

Darstellung der Rohdaten für den Benchmark MMMU-Pro. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
Claude Fable 5	89,31 %
Gemini 3.5 Flash	83,6 %
GPT-5.6 Sol	83 %
GPT-5.5	81,2 %
GPT-5.6 Terra	80,7 %
Grok 4.5	80,4 %
Muse Spark	80,4 %
Kimi K2.6	79,4 %
GPT-5.6 Luna	78,4 %
MiniMax-M3	78,1 %
Gemma 4 31B	76,9 %

Vergleich von LLMs im Benchmark MMMU-Pro. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.

Darstellung der Rohdaten für den Benchmark MRCR v2. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
Fugu Ultra	93,6 %
GPT-5.6 Sol	91,5 %
GPT-5.6 Terra	89,6 %
Gemini 3.5 Flash	77,3 %
Gemma 4 31B	66,4 %
Muse Spark 1.1	54,1 %
GPT-5.6 Luna	41,3 %

Vergleich von LLMs im Benchmark MRCR v2. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.

Darstellung der Rohdaten für den Benchmark SWE-bench Pro. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
Claude Fable 5	80 %
Claude Mythos Preview	77,8 %
Fugu Ultra	73,7 %
Claude Opus 4.8	69,2 %
Grok 4.5	64,7 %
GPT-5.6 Sol	64,6 %
Claude Opus 4.7	64,3 %
GPT-5.6 Terra	63,4 %
Claude Sonnet 5	63,2 %
GPT-5.6 Luna	62,7 %
GLM-5.2	62,1 %
Muse Spark 1.1	61,5 %
MiniMax-M3	59 %
GPT-5.5	58,6 %
Kimi K2.6	58,6 %
GLM-5.1	58,4 %
MiniMax M2.7	56,22 %
DeepSeek-V4-Pro (Preview)	55,4 %
Gemini 3.5 Flash	55,1 %
Muse Spark	52,4 %

Vergleich von LLMs im Benchmark SWE-bench Pro. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.

Darstellung der Rohdaten für den Benchmark Terminal-Bench 2.1. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
GPT-5.6 Sol	88,8 %
GPT-5.6 Terra	87,4 %
GPT-5.6 Luna	84,7 %
Claude Fable 5	84,3 %
Grok 4.5	83,3 %
GLM-5.2	82,7 %
Fugu Ultra	82,1 %
Claude Sonnet 5	80,4 %
Muse Spark 1.1	80 %
Gemini 3.5 Flash	76,2 %
Claude Opus 4.8	74,6 %
MiniMax-M3	66 %
MiniMax M2.7	51,1 %

Vergleich von LLMs im Benchmark Terminal-Bench 2.1. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.

‌
‌

Technologie & Daten

Technische Spezifikationen

Architektur	Proprietärer Transformer
Input Kontextlänge	1,05 Mio.
Output Kontextlänge	128k
Tokenizer	Proprietärer Tokenizer

Besonderheiten

Implicit Caching	Automatisches Caching wiederkehrender Prompt-Teile

Vorteile & Nachteile

Vorteile

Günstiger Preis
Mit $1 / $6 pro 1 Mio. Input-/Output-Token ist Luna rund 5× günstiger als Sol und 2,5× günstiger als Terra. Es bewegt sich preislich im Bereich der Haiku-Reihe von Anthropic.
Großes Kontextfenster
Mit 1 Mio. Token Kontext und bis zu 128K Token Output erfüllt GPT-5.6 Luna Anforderungen moderner LLMs.
Starke Terminal-/Coding-Leistung für die Preisklasse
Auch wenn einzelne Benchmark-Werte keine Aussagekraft haben, sind 84,3 % im Terminal-Bench 2.1 ein beeindruckender Wert, der gleichauf mit Claude Mythos und über dem der teureren GPT-Terra-Stufe (82,5 %) liegt.
Tools und Web-Suche integriert
Function Calling, Web Search, File Search und Computer Use sind nativ verfügbar und ermöglichen agentische Anwendungen ohne zusätzliche Infrastruktur.

Nachteile

Proprietär und Closed-Source
Keine Open Weights, kein Self-Hosting und keine offengelegte Architektur oder Parameterzahl. Nutzung ausschließlich über die OpenAI-API möglich.
Höhere Preisstufe bei Long-Context
Bei sehr großen Kontexten steigen die Preise auf ca. $2 / $9 pro 1 Mio. Input-/Output-Token und erschweren die Kostenkalkulation.

Vergleiche GPT 5.6 Luna mit anderen LLMs

Vergleiche GPT 5.6 Luna mit anderen Sprachmodellen anhand wichtiger Metriken wie Kontextgröße, Parameteranzahl, Preisen und Benchmark-Leistung.

Entwickler	Modell⇅	Lizenz⇅	Parameter ⇅	Input-Tokens ⇅	Output-Tokens ⇅	Input-Preis ⇅	Output-Preis ⇅	Veröffentlichung
OpenAI	GPT 5.6 Sol	Proprietär	Unbekannt	1,05 Mio.	128k	5,00 $	30,00 $	09.07.2026
OpenAI	GPT 5.6 Terra	Proprietär	Unbekannt	1,05 Mio.	128k	2,50 $	15,00 $	09.07.2026
OpenAI	GPT 5.6 Luna	Proprietär	Unbekannt	1,05 Mio.	128k	1,00 $	6,00 $	09.07.2026
Meta AI	Muse Spark 1.1	Proprietär	Unbekannt	1,05 Mio.	1,05 Mio.	1,25 $	4,25 $	09.07.2026
xAI	Grok 4.5	Proprietär	Unbekannt	500k	500k	2,00 $	6,00 $	08.07.2026
Anthropic	Claude Sonnet 5	Proprietär	Unbekannt	1 Mio.	128k	3,00 $	15,00 $	30.06.2026
Sakana AI	Fugu Ultra	Proprietär	7 Mrd.	1 Mio.	1 Mio.	5,00 $	30,00 $	21.06.2026
Z.ai	GLM 5.2	MIT	753 Mrd.	1,05 Mio.	131,07k	1,40 $	4,40 $	16.06.2026
Anthropic	Claude Fable 5	Proprietär	Unbekannt	1 Mio.	128k	10,00 $	50,00 $	09.06.2026
MiniMax	MiniMax M3	Andere	Unbekannt	1 Mio.	512k	0,60 $	2,40 $	01.06.2026

‌
Alle Modelle vergleichen

Provider & APIs

Du kannst OpenAI GPT 5.6 Luna über die API folgender Anbieter nutzen.

OpenAI
Zu OpenAI
Token (in)
Unbekannt
Token (out)
Unbekannt
Latenz
Unbekannt
USD / 1M Input
1,00 $
USD / 1M Output
6,00 $
Throughput
Unbekannt
Token (in)
Unbekannt
Token (out)
Unbekannt
Latenz
Unbekannt
USD / 1M Input
1,00 $
USD / 1M Output
6,00 $
Throughput
Unbekannt

‌
‌
‌

GPT 5.6 Luna Modell-Übersicht

Features

Tools

Multimodalität

Finetuning

Details zum Modell

GPT 5.6 Luna Benchmark Scores

GPT 5.6 Luna Benchmark Übersicht

Wissen & Sprache

Logik & Schlussfolgerung

Programmierung

Multimodalität

Agentische Aufgaben

Cybersecurity

GPT 5.6 Luna Performance im Vergleich zu anderen KI-Modellen

Ergebnisse in Benchmarks

Technologie & Daten

Technische Spezifikationen

Besonderheiten

Vorteile & Nachteile

Vorteile

Nachteile

Vergleiche GPT 5.6 Luna mit anderen LLMs

Provider & APIs

OpenAI

GPT 5.6 Luna Benchmark Übersicht

Wissen & Sprache

Logik & Schlussfolgerung

Programmierung

Multimodalität

Agentische Aufgaben

Cybersecurity

GPT 5.6 Luna Performance im Vergleich zu anderen KI-Modellen

Ergebnisse in Benchmarks

OpenAI