GPT-6 Luna ile API Testleri Oluşturun: Tam Bir OpenAPI Spesifikasyonunun Gerçek Maliyeti Nedir?

Bir OpenAPI spesifikasyonundan test üretmek bir süredir teknik bir sorun olmaktan çıkmıştı. Bir yol öğesini okuyup makul bir istek üretebilen modeller iki yıldır mevcuttu. Sorun faturaydı. Test üretimi her çalıştırmada o kadar pahalıydı ki ekipler bunu tek seferlik bir göç olarak görüyordu: bir kez bir paket üret, commit'le, sonra sonsuza kadar elle bakımını yap, çünkü her spesifikasyon değişikliğinde yeniden üretmek birinin soracağı bir maliyet kalemi olarak ortaya çıkardı.

22 Eylül 2026'da duyurulan GPT-6 Luna, milyon girdi token'ı başına 0,10 $ ve milyon çıktı başına 0,50 $ fiyatıyla işi o çizginin diğer tarafına taşıyor. 42 uç noktalı bir spesifikasyon üzerinde tam bir geçiş, önbellekleme olmadan yaklaşık 0,29 $, önbellekleme ile 0,10 $'ın altına denk geliyor. Bu, üretilmiş bir paketi bakımını yapmayı bırakıp her merge'de basitçe yeniden üretmek için yeterince ucuz.

İşte aritmetik, istek şekli, planlamanız gereken gecikme ve modelin hâlâ yanlış yaptığı iki şey.

Değişen fiyat

GPT-6 Luna, GPT-6 ailesinde yeni bir model, yeniden adlandırılmış bir GPT-5.6 kademesi değil. OpenAI, Sol ve Luna'nın GPT-6 Astra ile benzer yöntemlerle eğitildiğini ve her ikisinin de GPT-5.6 promosyon fiyatlandırmasından %50 daha ucuz olduğunu söylüyor. Bu nitelendirme OpenAI'ın kendisine ait ve önemli: karşılaştırma bir liste fiyatına değil, bir promosyon oranına karşı yapılıyor. Tam soy ağacı için AI model fiyat savaşı derlememize bakın.

Bu iş için bağlam penceresi, manşet fiyattan daha önemli. Bir milyon token, tüm spesifikasyonun, evdeki test kurallarınızın ve bir dizi örnek isteğin tek bir prompt'a bolca yer kalacak şekilde sığması anlamına geliyor. Parçalara ayırmıyorsunuz ve bir operasyonun hangi şemalara bağlı olduğunu bulmak için retrieval mantığı yazmıyorsunuz. Model hakkında daha fazlası için GPT-6 Luna nedir.

Fiyatlandırmadan önce işi şekillendirin

İki şekil, çok farklı maliyetler.

Tek seferlik versiyon tüm spesifikasyonu bağlama koyar ve tüm paketi tek bir completion'da ister. Girdi açısından daha ucuz, çıktı açısından daha kötü: 42 operasyonu kapsayan bir completion yirminci operasyonda ciddi şekilde seyrelir; erken uç noktaların her biri beşer vaka alırken kuyruk bir mutlu yol ve bir omuz silkmesi alır. Ayrıca tüm çalıştırma için tek bir yeniden deneme birimi.

Operasyon başına versiyon, paylaşılan spesifikasyon bağlamını artı bir operasyonu 42 kez gönderir. Girdi artar çünkü paylaşılan bağlam tekrarlanır, ancak çıktı kalitesi korunur, her çağrı bağımsız olarak yeniden denenebilir ve her dosya önceki çalıştırmaya karşı temiz şekilde diff'lenir. Önbellekleme ekstra girdi maliyetinin çoğunu geri kazanır, bu da onu fiyatlandırılacak şekil haline getirir.

Orta boyutlu bir spesifikasyon kullanarak tek bir çağrı için bütçe:

İlk iki satır her çağrıda bayt bayt aynıdır. Önbelleklemenin etki ettiği şey bu 52.000 token'lık ön ektir ve değişmez malzemeyi en başa koymak kurulumdaki en yüksek kaldıraçlı karardır.

Bir geçişin maliyeti nedir

Bu bütçeyle 42 operasyonla, çalıştırma 2.247.000 girdi token'ı ve 126.000 çıktı token'ına denk geliyor.

Luna oranlarında bu 0,2247 $ girdi ve 0,0630 $ çıktı eder, yani geçiş için 0,2877 $, uç nokta başına yüzde yetmişin bir tık altında. Aynı on beş gün içinde piyasaya çıkan veya yeniden fiyatlandırılan diğer modellere karşı aynı token profili:

Astra, hem girdide hem çıktıda tam olarak Luna'nın oranının 100 katıdır, bu yüzden bu işte tam olarak 100 kat daha pahalıdır. Claude Opus 5.5 ise 40 kat.

Bu fark tüm karardır. Geçiş başına 28,77 $'da artımlı mantık kurarsınız: hangi operasyonların değiştiğini izle, her yol öğesini hash'le, yalnızca farkı yeniden üret, sonra bu makine spesifikasyondan sapmaya başladığında hata ayıkla. 0,29 $'da artımlı mantığı silersiniz. Ayda yirmi merge 5,75 $, modelin yazdığı testleri çalıştırmak için harcanan CI dakikalarından daha az. Ölçek için, OpenAI medyan araştırmacısının kodlama ajanlarına günde 600 $'dan fazla harcadığını, 90. yüzdelik dilimin 7.000 $'ın üzerinde olduğunu bildiriyor.

Prompt önbellekleme nerede devreye giriyor

GPT-6, fiyat değişikliğiyle birlikte gerçek bir önbellekleme sürümü yayınladı: önbelleklenmiş girdi okumalarında %90 indirim, varsayılan olarak daha yüksek isabet oranları, bir gösterge paneli ve tanılama aracı, önbelleklenmiş ön ekin nerede biteceğini seçmeniz için açık kesme noktaları ve akıl yürütme çabası ile araç kullanılabilirliğindeki değişiklikler boyunca önbelleğin hayatta kalması. GitHub, milyarlarca istek genelinde taze işleme ihtiyaç duyan prompt token'larında %50'den fazla azalma bildirdi. Ayrıntılar için GPT-6 prompt önbellekleme.

Yukarıdaki çalıştırmaya uygulandığında, 0,10 $ girdi oranından %90 indirimle önbelleklenmiş okumalar için milyon başına 0,01 $ olarak:

Önbelleklenmemiş maliyetin yaklaşık üçte biri, uç nokta başına çeyrek sentin bir tık altı. Varsaymamanız gereken iki şey. OpenAI %90 indirimi belirtiyor ancak bizim kaynaklarımızda Luna için dolar cinsinden önbelleklenmiş okuma oranı yayınlamıyor, bu yüzden yukarıdaki 0,01 $ aritmetik, yayınlanmış bir oran değil. Ve elimizde hiçbir şey önbellek ömrüne atıfta bulunmuyor, bu yüzden 42 çağrıyı yavaş bir CI kuyruğuna yaymak yerine arka arkaya ateşleyin ve gösterge panelinde isabet oranını doğrulayın.

İstek

Egzotik bir şey yok. Sıralama karşılığını veren şey:

curl https://api.openai.com/v1/chat/completions \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-6-luna",
    "reasoning_effort": "high",
    "messages": [
      { "role": "system",
        "content": "You write API tests. Emit one test file. Assert on status, response schema and error shape. Never assert on a field absent from the supplied schema." },
      { "role": "user",
        "content": "Shared spec context:\n<components, securitySchemes, servers>" },
      { "role": "user",
        "content": "Operation under test:\nPOST /orders\n<path item and examples>" }
    ]
  }'

Sistem prompt'u ve paylaşılan spesifikasyon bloğu 42 çağrının tümünde bayt bayt aynıdır ve en başta gelir. Operasyon değişir ve en sonda gelir. İkisini değiştirirseniz hiçbir şeyi önbelleklemezsiniz, bu yüzden çalıştırma 0,096 $ yerine 0,29 $'a mal olur. Bütün mekanik bu.

high çaba ayarı kasten seçilmiştir. Luna'nın selefine göre yayınlanan kazanımları daha yüksek çabada ölçülür ve GPT-6 önbellekleme bir çaba değişikliğinde hayatta kaldığı için ön eki yeniden oluşturmadan her operasyon için ayarlayabilirsiniz. En üst ayarları para veya kimlik doğrulama taşıyan uç noktalar için saklayın.

Para değil, zaman bütçeleyin

Ucuz, hızlı değildir. Üçüncü taraf olan Artificial Analysis, Luna'nın maksimum akıl yürütme varyantını saniyede 153,9 çıktı token'ı ve 124,23 saniyelik ilk token süresi ile ölçüyor. Her iki rakam da OpenAI'ın değil onların, her ikisi de özellikle maksimum varyant için geçerli ve AA sürekli yeniden puanlıyor, bu yüzden bunları yön gösterici olarak alın.

Olduğu gibi kabul edildiğinde, maksimum çabada bir çağrı yaklaşık 124 saniye bekleme artı 3.000 token'ı akıtmak için yaklaşık 20 saniye, diyelim 144 saniye. Sırayla kırk iki tanesi yaklaşık 101 dakika. Eşzamanlı sekiz tanesi yaklaşık 13 dakika, sıradan bir CI aşaması.

Bu, çoğu model seçim argümanının tersi yönde keser, ikili çalışmanın nedeni de bu: ilk token süresi etkileşimli bir asistan için felakettir ve dosya yazan bir toplu iş için neredeyse önemsizdir. Daha büyük kardeşinde de aynı denge GPT-6 Sol'un ilk token süresi.

Doğru yaptığı şey ve yapmadığı iki şey

OpenAI'ın Luna için yayınlanan sonuçları fiyatın ima ettiğinden daha güçlü. DeepSWE 1.1'de maksimum çabada %66,6'ya ulaşıyor; OpenAI bunu Claude Opus 5 ve Fable 5'in orta çabasıyla eşdeğer görüyor ve Opus 5'ten görev başına %93, Fable 5'ten %96 daha ucuza geliyor. AutomationBench'te selefini görev başına %58 daha düşük maliyetle 5,4 yüzde puanı geride bırakıyor. Hepsi OpenAI tarafından OpenAI harness'larında çalıştırıldı ve hiçbiri bir spesifikasyondan test üretimini ölçmüyor.

İki hata modu burada herhangi bir benchmark'tan daha önemli.

Model yalnızca spesifikasyonun söylediğini test edebilir. Spesifikasyonunuz POST /orders için bir 200 ve bir 400 belgeliyorsa ancak servis yinelenen bir idempotency anahtarında ayrıca 409 döndürüyorsa, çakışma testi almazsınız ve paket hâlâ eksiksiz görünür. Üretim kalitesi spesifikasyon kalitesiyle sınırlıdır, bu da yatırım yapmaya değer eseri prompt değil, spesifikasyon yapar.

Ucuz üretim doğru görünerek başarısız olur. Karakteristik hata kırık bir test değil, yanıtın hiç içermediği bir alan veya uç noktanın hiç yaymadığı bir durum kodu üzerinde iddia eden geçen bir testtir. Bunlar incelemeyi geçer çünkü test gibi okunurlar. Üretilen her iddiayı yere inmeden önce şemaya karşı mekanik olarak doğrulayın, components'te bulunmayan bir alana atıfta bulunanları reddedin. Bu kontrol hiçbir şeye mal olmaz ve bu sınıfı tamamen ortadan kaldırır.

Çıktıyı çalıştırılabilir hale getirme

Üretilen test dosyaları, içinde çalıştıkları harness kadar değerlidir. Spesifikasyonu gerçeğin kaynağı olarak tutun, ona karşı üretin, sonra vakaları her push'ta çalıştıkları bir yere indirin.

Apidog bu döngünün arka yarısını kapsar. Üretim yaptığınız spesifikasyonu içe aktarır, böylece prompt'unuzdaki paylaşılan bağlam ve çalıştırıcınızdaki istek tanımları tek bir belgeden gelir ve sapamaz. Üretilen vakalar, iddiaları içe aktarılan şemaya karşı doğrulanan test senaryoları haline gelir ve yukarıdaki kontrolü bir inceleme angaryası yerine mekanik bir kapıya dönüştürür. Smart mock, backend hâlâ yazılırken spesifikasyona hizmet eder, böylece üretilmiş bir paket vuracak gerçek bir şey olmadan önce dürüstçe başarısız olabilir. Ve senaryolar CI'da çalışır, her merge'de yeniden üret iş akışının karşılığını verdiği tek yer.

Bunu Luna'ya yönlendirmeye değer mi?

Evet, bir uyarıyla. Maliyet artık bunu atlamak için bir neden değil: geçiş başına 0,29 $ veya önbellekli 0,10 $'ın altı, yeniden üretip üretmeyeceğinizi tartıştığınız toplantıdan daha az. Gecikme gerçek ama kimsenin beklemediği bir pencerede kalıyor. Ve Luna'nın yayınlanan sonuçları onu ajan tabanlı kodlama işinde 40 ila 100 kat daha pahalıya mal olan modellerin yakınına yerleştiriyor.

Bunların hiçbiri çıktıyı geldiği anda güvenilir kılmaz. Tasarruf ettiğinizi bir şema doğrulama kapısına ve ilk çalıştırmanın insan tarafından okunmasına harcayın ve sonucu belgelenmiş yüzeyi tamamen kapsayan, belgelenmemiş yüzeyi ise hiç kapsamayan bir ilk taslak olarak görün. Yine de spesifikasyonu dört sürüm önce takip etmeyi bırakmış elle yazılmış bir paketten daha iyi bir başlangıç konumu.