# GPT-6.1 Terra vs GPT-6 Luna: в чем разница, цена задачи и тест

> GPT-6.1 Terra в 10 раз дороже GPT-6 Luna за токен, но в тесте 28 октября 2026 года задача на ней стоила дороже в 2,7–6,3 раза. Luna хватает для текста и кода.

- URL: https://blog.laozhang.ai/ru/posts/gpt-6-1-terra-vs-gpt-6-luna
- Published: 2026-10-28
- Updated: 2026-10-28
- Author: LaoZhang AI Team (https://blog.laozhang.ai/ru/about)
- Topic: ChatGPT и OpenAI
- Tags: GPT-6.1 Terra, GPT-6 Luna, OpenAI API, Codex, Сравнение моделей

---
Если вы платите за вызовы OpenAI API и выбираете между `gpt-6-luna` и вышедшей 26 октября 2026 года `gpt-6.1-terra`, оставляйте на Luna массовые текстовые задачи и код, который проверяется тестами, а Terra на уровне рассуждения `low` или `medium` берите туда, где Luna ошибается систематически: точное чтение символов с изображений, строгие спецификации с множеством граничных случаев, работа, в которой ошибку некому поймать. «В 10 раз дороже» — это цена за токен. В тесте 28 октября 2026 года на 12 одинаковых задачах через один и тот же API-шлюз пройденная задача на Terra обошлась в 2,7–6,3 раза дороже, чем на Luna, потому что Luna тратит больше токенов на рассуждение и проходит меньше задач. Terra при этом прошла 15–16 вызовов из 16, Luna — 12 из 16 на любом уровне, и отвечала Terra в 2–3 раза быстрее.

Сравнивать стоит не одноимённые уровни. В сторонних замерах Artificial Analysis Intelligence Index v5.0 на 28 октября 2026 года Terra на `low` набирает 29 баллов — больше, чем Luna на `max` (28), — при вдвое меньшей стоимости задачи и примерно в 12 раз быстрее. Поэтому, если сейчас у вас Luna на `high` или `xhigh`, замену начинайте с Terra `low`. Перед переключением прогоните 20–50 своих реальных запросов с автоматической проверкой на обеих моделях и посчитайте цену принятого ответа, а не счёт за токены.

Несколько условий решают выбор сами по себе. Уровень `max` у обеих моделей принимается только через Responses API, вызов функций у Terra — тоже только через него, поэтому код на Chat Completions после простой замены ID может сломаться. Резидентность данных (data residency) у Terra есть только в США и ЕС. В обычном чате ChatGPT Terra нет ни на одном тарифе — только в ChatGPT Work, Codex и API. Цены ниже — тарифы OpenAI Standard в долларах США по состоянию на 28 октября 2026 года.

## Luna или Terra: какую модель брать для какой задачи

Начинайте с самой дешёвой конфигурации, которая проходит вашу проверку, и переходите на Terra там, где Luna ошибается одинаково из раза в раз. Таблица — стартовая точка на 28 октября 2026 года; основания для каждой строки — в разделах о тесте и индексе ниже.

| Задача | С чего начать | Когда менять |
| --- | --- | --- |
| Суммаризация, классификация, извлечение данных из текста, расчёты по документу | Luna `medium` | Формат или проверка не проходят — сначала повтор на Luna, затем Terra `low` |
| Небольшие функции и парсеры, покрытые тестами | Luna `medium` | Спецификация с десятками граничных случаев (в тесте semver Luna прошла 2 из 6) — Terra `low` |
| Номера счетов, артикулы, коды и любые точные символы с изображений и сканов | Terra `low` | Luna в тесте 6 раз из 6 прочитала букву O как ноль — повышение уровня не помогло |
| Агентные задачи в терминале, работа с интерфейсом, вызов инструментов | Terra `medium` через Responses API | В тесте не проверялось; в Terminal-Bench 4.0 у Luna на `max` 12,6 %, у Terra на `max` 55,6 % |
| Вопросы на знание фактов без поиска | Terra с рассуждением | У Luna в AA-Omniscience отрицательный балл на всех уровнях |
| Сложный многошаговый код | GPT-6.1 Sol | OpenAI сама оставляет такие задачи за Sol и Astra |

Когда переходить с Terra дальше, на Sol, разобрано в материале [«GPT-6.1 Terra vs Sol: в чем разница, цена задачи и тест в Codex»](https://blog.laozhang.ai/ru/posts/gpt-6-1-terra-vs-gpt-6-1-sol), а выбор из всей линейки — в статье [«GPT-6 Sol, Luna, Astra и GPT-6.1 Terra: что выбрать для работы»](https://blog.laozhang.ai/ru/posts/gpt-6-sol-vs-terra-vs-luna-vs-astra).

## Цены GPT-6.1 Terra и GPT-6 Luna в API: в 10 раз везде, кроме кэша

За обычный ввод, запись в кэш и вывод Terra берёт ровно в 10 раз больше Luna, а кэшированный ввод дороже только в 5 раз, потому что скидка за кэш у Terra глубже: 95 % от цены ввода против 90 % у Luna. Тарифы Standard за 1 млн токенов по [странице цен OpenAI API](https://developers.openai.com/api/docs/pricing) и страницам моделей [GPT-6.1 Terra](https://developers.openai.com/api/docs/models/gpt-6.1-terra) и [GPT-6 Luna](https://developers.openai.com/api/docs/models/gpt-6-luna) на 28 октября 2026 года:

| За 1 млн токенов | GPT-6.1 Terra | GPT-6 Luna | Во сколько раз Terra дороже |
| --- | --- | --- | --- |
| Ввод | $1,00 | $0,10 | 10 |
| Кэшированный ввод | $0,05 | $0,01 | 5 |
| Запись в кэш на 30 минут | $1,25 | $0,125 | 10 |
| Запись в кэш на 12 часов | $2,50 | $0,25 | 10 |
| Вывод, включая токены рассуждения | $5,00 | $0,50 | 10 |

Порог в 272 000 входных токенов применяется ко всему запросу: если он превышен, весь ввод и кэш тарифицируются вдвое дороже, а вывод — в 1,5 раза, то есть у Terra $2,00 за ввод и $7,50 за вывод, у Luna $0,20 и $0,75. Batch и Flex стоят 50 % от Standard, режим Fast — вдвое дороже, обработка в выбранном регионе добавляет 10 %. Режима Ultrafast нет ни у одной из двух моделей: OpenAI предлагает его только для GPT-6 Astra и GPT-6.1 Sol.

Остальные характеристики почти совпадают, так что выбор решают качество и цена задачи, а не лимиты. У обеих моделей контекст 1 050 000 токенов, до 128 000 токенов на вывод, на входе текст и изображения, уровни рассуждения от `none` до `max` с `medium` по умолчанию; аудио и видео не поддерживаются. Знания у Luna заканчиваются 18 мая 2026 года, у Terra — 1 июня 2026 года.

## Индекс Artificial Analysis v5.0: Terra на low уже выше Luna на max

На каждом уровне рассуждения Terra набирает больше баллов, а одинаковый результат у неё стоит дешевле, чем у Luna. Ниже — данные страницы сравнения [GPT-6.1 Terra и GPT-6 Luna на Artificial Analysis](https://artificialanalysis.ai/models/releases/comparisons/gpt-6-1-terra-vs-gpt-6-luna) по Intelligence Index v5.0 на 28 октября 2026 года: балл, стоимость одной задачи индекса и время на неё.

| Уровень | Terra: балл | Terra: цена задачи | Terra: время | Luna: балл | Luna: цена задачи | Luna: время |
| --- | --- | --- | --- | --- | --- | --- |
| `max` | 51 | $0,96 | 657 с | 28 | $0,15 | 597 с |
| `xhigh` | 45 | $0,40 | 287 с | 23 | $0,10 | 357 с |
| `high` | 42 | $0,26 | 182 с | 21 | $0,07 | 269 с |
| `medium` | 38 | $0,17 | 118 с | 18 | $0,04 | нет данных |
| `low` | 29 | $0,07 | 48 с | 10 | $0,01 | 28 с |
| без рассуждения | 30 | $0,23 | 104 с | 9 | $0,07 | 86 с |

Точка совпадения — Terra `low` против Luna `max`: 29 баллов против 28, $0,07 против $0,15 за задачу и 48 секунд против 597. Дешевле Terra Luna бывает только там, где и баллов у неё меньше: на `medium` (18 баллов за $0,04) и на `low` (10 баллов за $0,01), а таких дешёвых режимов у Terra нет. Поднимать уровень Luna невыгодно: переход с `low` на `max` умножает цену задачи в 15 раз ради 18 баллов, тогда как Terra с `low` на `medium` дорожает в 2,4 раза и прибавляет 9 баллов. Режим без рассуждения (`none`) у Terra на задачах индекса дороже и медленнее, чем `low`, при почти том же балле.

![Terra на уровне low против Luna на max по индексу Artificial Analysis v5.0: 29 баллов против 28, $0,07 против $0,15 за задачу, 48 с против 597 с](https://blog.laozhang.ai/posts/ru/gpt-6-1-terra-vs-gpt-6-luna/img/aa-index-match-point.webp)

Разрыв особенно велик в двух подтестах. В Terminal-Bench 4.0 (агентная работа в терминале) Terra на `max` решает 55,6 % задач, Luna на `max` — 12,6 %, а Terra даже на `low` — 15,2 %. В AA-Omniscience v1.1, где неверный ответ штрафуется, у Luna отрицательный балл на всех уровнях (от −8 до −26): она чаще ошибается в фактах, чем отвечает верно. У Terra с рассуждением там от 23 до 30. В FrontierCode 2.0 на `max` — 42,3 % против 25,2 %.

Часто цитируемая фраза «Terra на 10 пунктов выше Luna» взята из публикации Artificial Analysis в X в день выхода модели и относится к прежней версии индекса v4.3.2. По v5.0 разница на уровне `max` — 23 балла (51 против 28). В анонсе GPT-6.1 Terra OpenAI сравнивает её с GPT-5.6 Terra, а с Luna не сравнивает вовсе.

## Тест 28 октября 2026 года: 12 задач на обеих моделях через один шлюз

На одних и тех же 12 задачах Terra прошла 15 вызовов из 16 на `low` и 16 из 16 на `medium`, а Luna — по 12 из 16 на `medium`, `high` и `xhigh`. Повышение уровня Luna удвоило число выходных токенов, но не добавило ни одной пройденной задачи.

Обе модели вызывались 28 октября 2026 года через laozhang.ai — OpenAI-совместимый API-шлюз, где на эту дату доступны и `gpt-6.1-terra`, и `gpt-6-luna`. Запросы шли в Chat Completions с потоковой выдачей, одним сообщением пользователя, без системного промпта и инструментов, с `max_completion_tokens` 32 000. Задачи и правила проверки были написаны заранее: текстовая задача на расчёт, три функции со скрытыми тестами, пересказ статьи на 6 723 слова ровно пятью пунктами до 25 слов, парсер арифметических выражений без `eval`, парсер строки CSV, подсчёт чисел до миллиона с суммой цифр 27, функция `satisfies()` для диапазонов версий в стиле npm с 36 скрытыми тестами, длинный документ со вставленными поправками, вопрос о двух несуществующих функциях стандартной библиотеки Python и счёт с графиком на изображениях, которые нужно перенести в JSON. Четыре последние задачи прогонялись дважды, остальные один раз — всего 16 вызовов на конфигурацию. Стоимость посчитана как токены из ответа API × тариф OpenAI Standard, а не по счёту шлюза; весь тест по этим тарифам стоил $0,197.

*Примечание: [laozhang.ai — наш собственный сервис](https://blog.laozhang.ai/ru/about#laozhang); его цены — наши тарифы, а не независимое сравнение.*

Выборка небольшая: один день, один шлюз, одна-две попытки на задачу, однократные запросы без инструментов. Прямой API OpenAI, прогоны через Responses API, вызов функций и управление компьютером, где OpenAI позиционирует Terra сильнее всего, а также Codex и Batch в тест не входили. Luna на `max` в таблице нет, потому что Chat Completions этот уровень для неё не принимает (подробнее — в разделе о переходе).

| Конфигурация | Пройдено | Цена 16 вызовов | Цена пройденной задачи | Медиана времени вызова | Медиана до первого токена ответа | Токены вывода, из них рассуждение |
| --- | --- | --- | --- | --- | --- | --- |
| Luna `medium` | 12 из 16 | $0,0108 | $0,0009 | 11,4 с | 7,1 с | 15 553 (9 688) |
| Luna `high` | 12 из 16 | $0,0140 | $0,0012 | 14,2 с | 9,8 с | 22 063 (16 127) |
| Luna `xhigh` | 12 из 16 | $0,0188 | $0,0016 | 15,6 с | 11,2 с | 31 684 (25 833) |
| Terra `low` | 15 из 16 | $0,0625 | $0,0042 | 4,7 с | 4,0 с | 7 227 (2 310) |
| Terra `medium` | 16 из 16 | $0,0909 | $0,0057 | 5,9 с | 4,6 с | 12 916 (8 095) |

Главное различие видно в последнем столбце. Luna на `xhigh` выдала 25 833 токена рассуждения на тех же 16 вызовах, на которых Terra на `low` обошлась 2 310. Поэтому, хотя по замерам Artificial Analysis Luna генерирует текст быстрее (116–124 токена в секунду против 91 у Terra), до первого слова ответа она думает в 1,5–2,8 раза дольше, и весь вызов у неё занимает примерно в 2–3 раза больше времени.

## Где ошиблась Luna: буква O в номере счёта, semver и сумма цифр

Четыре провала Luna из каждых 16 почти целиком приходятся на две задачи, и одна из ошибок повторилась во всех попытках без исключения. В задаче со счётом и графиком все 6 ответов Luna правильно перенесли 40 чисел, уложили 12 столбиков графика в допуск ±2 и нашли намеренно неверную сумму строки, но номер счёта `INV-2026-10-0O81`, где перед 81 стоит буква O, каждый раз записывали как `INV-2026-10-0081`. Все 4 ответа Terra прочитали номер точно. На этом задании Luna тратила 24–55 секунд и $0,0011–0,0025 на ответ, Terra — 8–17 секунд и $0,0045–0,014. Изображения синтетические, и результат решил один спорный символ, но именно такие символы ломают сверку номеров и артикулов в учётных системах.

![Номер счёта INV-2026-10-0O81: Luna во всех 6 ответах записала его как INV-2026-10-0081, Terra во всех 4 ответах прочитала точно](https://blog.laozhang.ai/posts/ru/gpt-6-1-terra-vs-gpt-6-luna/img/invoice-letter-o.webp)

Вторая задача — функция `satisfies()` для диапазонов версий semver по спецификации npm. Luna прошла 2 попытки из 6: в трёх не отвергла как ошибочный диапазон с висящим `||` в конце (`^1.0.0 ||`), в одной сломала диапазоны с `^`, и 14 из 36 скрытых тестов не прошли. Terra прошла 4 из 4. Попытка Luna длилась 36–70 секунд, попытка Terra — 9–18.

Остальные промахи единичные. Luna на `high` один раз ответила 67 252 вместо 55 252 в подсчёте чисел с суммой цифр 27, хотя на `medium` и `xhigh` ответила верно. В пересказе пятью пунктами Luna на `xhigh` и Terra на `low` написали по одному пункту в 26 слов при лимите 25 — это нарушение формата у обеих. Текстовая задача, три функции, оба парсера, расчёт по длинному документу с поправками и вопрос о несуществующих функциях стандартной библиотеки прошли во всех пяти конфигурациях.

Из этого следует практическое различие между ошибками. Случайный промах, как с semver или суммой цифр, лечится повтором, если его ловит автоматическая проверка: попытка Luna на semver стоила $0,0013–0,0032, а попытка Terra — $0,0062–0,0123. Систематическая ошибка, как с буквой O, повторяется на любом уровне рассуждения, и платить за повторы Luna бессмысленно — такую задачу сразу отдавайте Terra.

## Почему за задачу Terra дороже не в 10 раз, а в 2,7–6,3

Цена пройденной задачи — это стоимость всех вызовов конфигурации, делённая на число пройденных. В тесте 28 октября 2026 года для Terra `medium` это $0,0909 / 16 = $0,0057, для Luna `medium` — $0,0108 / 12 = $0,0009, то есть разница в 6,3 раза. Для Terra `low` против Luna `xhigh` — $0,0625 / 15 = $0,0042 против $0,0188 / 12 = $0,0016, разница в 2,7 раза. Остальные пары лежат между этими значениями: Terra `low` против Luna `high` — 3,6 раза, Terra `medium` против Luna `xhigh` — тоже 3,6. До 10 раз разница не доходит по двум причинам. Во-первых, Luna на тех же задачах генерирует больше токенов — на `medium` в 1,2 раза больше, чем Terra `medium`, а на `xhigh` в 4,4 раза больше, чем Terra `low`, — поэтому одни и те же 16 вызовов на Terra дороже лишь в 3,3–8,4 раза. Во-вторых, пройденных задач у Luna меньше, и стоимость её вызовов делится на 12, а не на 15–16.

В абсолютных деньгах разница всё равно заметная. Если ваш поток похож на задачи теста, 100 000 пройденных задач в месяц обойдутся примерно в $90 на Luna `medium` (100 000 × $0,0009) и примерно в $570 на Terra `medium` (100 000 × $0,0057). Переход окупается, если ошибки Luna, которые проходят мимо вашей проверки, стоят вам больше этих $480 в месяц — или если ответ нужен за 5 секунд, а не за 15. Если же у вас есть автоматическая проверка и повтор, а ошибки Luna случайные, дешевле оставить Luna и повторять.

## Как перейти с gpt-6-luna на gpt-6.1-terra и не сломать запросы

Сама замена — одна строка с ID модели, но рядом с ней обычно нужно поменять ещё несколько параметров. Порядок, в котором стоит их пройти:

1. Задайте уровень рассуждения явно. По умолчанию у обеих моделей `medium`, но эквивалентом Luna `high` или `xhigh` по качеству служит Terra `low`; начните с него и поднимайте до `medium`, только если ваша проверка этого требует.
2. Уровень `max` передавайте только через Responses API (`reasoning.effort: "max"`). 28 октября 2026 года Chat Completions через шлюз отвечал на `reasoning_effort: "max"` ошибкой HTTP 400 для обеих моделей со списком допустимых значений от `none` до `xhigh`; в потоковом режиме Terra такой запрос приняла, но без потока вернула ту же ошибку, так что полагаться на это не стоит. Через Responses API `max` приняли обе модели. Строки `max` в таблице Artificial Analysis относятся именно к такому вызову.
3. Если вы вызываете функции, проверьте эндпоинт. У Luna в Chat Completions вызов функций работает только при `reasoning_effort: "none"`, у Terra вызов инструментов требует Responses API без исключений, поэтому код с функциями на Chat Completions после смены модели перестанет работать.
4. Передавайте `max_completion_tokens`, а не `max_tokens`: в запросах без потоковой выдачи `max_tokens` вернул ошибку 400 у обеих моделей с подсказкой заменить параметр.
5. Пересчитайте бюджет для длинных запросов: после порога в 272 000 входных токенов весь запрос тарифицируется по повышенной ставке, и у Terra это заметно дороже в абсолютных деньгах.

Отдельно проверьте регион резидентности данных вашего проекта. По [руководству OpenAI о данных и резидентности](https://developers.openai.com/api/docs/guides/your-data) на 28 октября 2026 года GPT-6.1 Terra поддерживает резидентность данных только в США и ЕС, а GPT-6 Luna доступна в большем числе регионов, поэтому проект с регионом резидентности вне США и ЕС может остаться на Luna, но перейти на Terra не сможет. Учтите, что такие регионы гарантируют хранение данных в регионе, но не их обработку там.

## GPT-6.1 Terra и GPT-6 Luna в ChatGPT и Codex: 35–285 сообщений против 350–3 000

В обычном чате ChatGPT Terra нет ни на одном тарифе, а Luna есть: по объявлению OpenAI, с 8 октября 2026 года GPT-6 в чате на Free и Go по мере развёртывания переходит на модель GPT-6 Luna, а на платных тарифах — на GPT-6 Sol. Terra доступна только в ChatGPT Work и Codex на тарифах Plus, Pro, Business, Enterprise и Edu. Как пользоваться Luna бесплатно, разобрано в статье [«GPT-6 бесплатно в ChatGPT: на Free работает Luna, Astra — платно»](https://blog.laozhang.ai/ru/posts/is-gpt-6-free).

В Work и Codex модели расходуют общий запас по-разному. По [странице цен Codex и ChatGPT Work](https://learn.chatgpt.com/docs/pricing) на 28 октября 2026 года на Plus и стандартном Business за 5 часов можно отправить примерно 350–3 000 локальных сообщений на Luna и 35–285 на Terra; OpenAI подчёркивает, что это оценки, а не фиксированные лимиты, и что они зависят от размера задачи, контекста и уровня рассуждения. На Pro 5-часового лимита нет, но возможны недельные. В кредитах ChatGPT 1 млн токенов ввода, кэшированного ввода и вывода стоит 2,5 / 0,25 / 12,5 на Luna и 25 / 1,25 / 125 на Terra — та же пропорция, что в API. Terra в Codex CLI требует версии 0.159.0 или новее (`codex -m gpt-6.1-terra`), а в [списке моделей Codex](https://learn.chatgpt.com/docs/models) на 27 октября 2026 года для неё не указано расширение для IDE, тогда как для Luna оно указано.

## Как проверить свои задачи перед переходом на Terra

Возьмите 20–50 реальных запросов из своего потока и для каждого заранее опишите, что считается верным ответом: тесты для кода, JSON-схему и точное совпадение полей для извлечения, лимит длины для пересказов. Прогоните их на Luna на текущем уровне и на Terra `low`, а если Terra `low` где-то ошибается — ещё и на Terra `medium`. Считайте только ответы, завершившиеся с `finish_reason: "stop"`: в тесте 28 октября 12 из первых 48 вызовов Luna через шлюз вернули HTTP 200 без `finish_reason` и без `usage`: 11 пришли пустыми, один оборвался посреди ответа, а после одного повтора все завершились нормально, так что оборванный вызов легко принять за ошибку модели.

Цену считайте по полю `usage`: входные токены × цена ввода плюс `completion_tokens` × цена вывода — токены рассуждения входят в `completion_tokens` и оплачиваются как вывод. Сумму по всем вызовам разделите на число пройденных задач. Затем посмотрите не только на долю пройденных, но и на характер ошибок Luna. Если она ошибается в одном и том же месте при каждом прогоне, этот тип задач стоит перевести на Terra; если ошибки разбросаны и ваша проверка их ловит, повтор на Luna почти всегда выйдет дешевле.

## Частые вопросы о GPT-6.1 Terra и GPT-6 Luna

**GPT-6.1 Terra — это та же модель, что GPT-5.6 Terra?** Нет. GPT-6.1 Terra вышла 26 октября 2026 года и стала первой Terra в семействе GPT-6; идентификатора `gpt-6-terra` нет. GPT-5.6 Terra — модель прошлого поколения, на 27 октября 2026 года она всё ещё указана в ценах OpenAI по $2 за ввод и $12 за вывод, то есть GPT-6.1 Terra вдвое дешевле её на вводе и на 58 % дешевле на выводе. Сравнения «GPT-6 Luna vs GPT-5.6 Terra» относятся к старой модели.

**Вышла ли GPT-6.1 Luna?** По состоянию на 28 октября 2026 года — нет. В таблице флагманских моделей на странице цен OpenAI указаны GPT-6 Astra, GPT-6.1 Sol, GPT-6.1 Terra и GPT-6 Luna (`gpt-6-luna`, снимок `gpt-6-luna-2026-09-22`).

**Не взять ли сразу GPT-6.1 Sol вместо Terra?** Sol вдвое дороже Terra за токен и нужна в первую очередь для сложного многошагового кода; когда она оправдана, разобрано в материале [«GPT-6.1 Terra vs Sol: в чем разница, цена задачи и тест в Codex»](https://blog.laozhang.ai/ru/posts/gpt-6-1-terra-vs-gpt-6-1-sol).

**А если сравнивать с Claude?** Terra против старшей модели Anthropic — в статье [«Claude Opus 5.5 vs GPT-6.1 Terra: сравнение, цена задачи и тест»](https://blog.laozhang.ai/ru/posts/claude-opus-5-5-vs-gpt-6-1-terra), Luna против средней — в статье [«Sonnet 5.5 vs GPT-6 Luna: сравнение — за что платить в 20 раз»](https://blog.laozhang.ai/ru/posts/claude-sonnet-5-5-vs-gpt-6-luna).

## Источники

Внешние страницы, на которые ссылается это руководство, в порядке упоминания. Последнее обновление: 2026-10-28.

- [странице цен OpenAI API](https://developers.openai.com/api/docs/pricing) (developers.openai.com)
- [GPT-6.1 Terra](https://developers.openai.com/api/docs/models/gpt-6.1-terra) (developers.openai.com)
- [GPT-6 Luna](https://developers.openai.com/api/docs/models/gpt-6-luna) (developers.openai.com)
- [GPT-6.1 Terra и GPT-6 Luna на Artificial Analysis](https://artificialanalysis.ai/models/releases/comparisons/gpt-6-1-terra-vs-gpt-6-luna) (artificialanalysis.ai)
- [руководству OpenAI о данных и резидентности](https://developers.openai.com/api/docs/guides/your-data) (developers.openai.com)
- [странице цен Codex и ChatGPT Work](https://learn.chatgpt.com/docs/pricing) (learn.chatgpt.com)
- [списке моделей Codex](https://learn.chatgpt.com/docs/models) (learn.chatgpt.com)