Как подключить GPT-6 Sol и GPT-6 Luna из России с оплатой в рублях

Кратко. GPT-6 Sol и GPT-6 Luna доступны через OpenAI-совместимый API kosareva.cloud. Для подключения нужны ключ, base_url со значением https://api.kosareva.cloud/v1 и имя модели gpt-6-sol или gpt-6-luna. Оплата идёт в рублях, запросы из России работают без VPN.

OpenAI выпустила GPT-6 Sol и GPT-6 Luna 22 сентября 2026 года. Sol предназначена для сложного кода и агентных процессов, а Luna — для сфокусированных задач в большом объёме. Обе принимают текст и изображения, поддерживают контекст до 1,05 млн токенов и могут сгенерировать до 128 тыс. токенов за ответ.

В России технической интеграции часто мешает не SDK, а оплата зарубежного API и доступ к нему с локального сервера. Через kosareva.cloud обе модели вызываются по знакомому формату OpenAI, а баланс пополняется в рублях.

Чем отличаются GPT-6 Sol и GPT-6 Luna

GPT-6 Sol — модель для сложной профессиональной работы: программирования, анализа и агентных сценариев с инструментами. GPT-6 Luna рассчитана на более дешёвую обработку большого потока запросов: классификацию, извлечение полей, чат-поддержку и лёгких агентов.

Цены проверены 25 сентября 2026 года. Для запросов длиннее 272 тыс. входных токенов OpenAI применяет повышенные ставки; это отражается и в каталоге kosareva.cloud.

Как выбрать модель

Начните с Luna, если задача хорошо описана и повторяется много раз. Примеры: определить категорию обращения, извлечь номер заказа, перевести короткий текст, привести данные к JSON или подготовить черновик ответа.

Выбирайте Sol, когда нужно удерживать несколько условий, работать с кодом, вызывать инструменты или проверять результат на нескольких этапах. Если Luna регулярно ошибается на сложных случаях, можно отправлять только такие запросы в Sol, а простой поток оставить на дешёвой модели.

Что понадобится для подключения

Нужны:

1. учётная запись kosareva.cloud;
2. пополненный в рублях баланс;
3. API-ключ из личного кабинета;
4. Python 3 и пакет openai для примера.

Храните ключ в переменной окружения:

export KOSAREVA_API_KEY="ваш_ключ"

Для разных проектов лучше выпускать отдельные ключи. Это упрощает контроль расходов и позволяет отключить одну интеграцию без замены ключа во всех сервисах.

Шаг 1. Установите OpenAI SDK

Создайте виртуальное окружение и установите клиент:

python3 -m venv .venv
source .venv/bin/activate
pip install openai

Шаг 2. Подключите GPT-6 Luna

Создайте файл test_luna.py:

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["KOSAREVA_API_KEY"],
    base_url="https://api.kosareva.cloud/v1",
)

response = client.chat.completions.create(
    model="gpt-6-luna",
    messages=[
        {
            "role": "system",
            "content": "Классифицируй обращение. Верни только одну категорию: оплата, доставка, возврат, техническая проблема или другое.",
        },
        {
            "role": "user",
            "content": "Деньги списались, но заказ не появился в кабинете.",
        },
    ],
    max_tokens=30,
)

print(response.choices[0].message.content)

Запустите:

python test_luna.py

Luna подходит для такого запроса: задача короткая, варианты заранее известны, ответ легко проверить программно.

Шаг 3. Подключите GPT-6 Sol

Для Sol код почти такой же. Меняется имя модели и само задание:

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["KOSAREVA_API_KEY"],
    base_url="https://api.kosareva.cloud/v1",
)

response = client.chat.completions.create(
    model="gpt-6-sol",
    messages=[
        {
            "role": "system",
            "content": "Анализируй задачу как старший разработчик. Указывай риски и проверяемые шаги.",
        },
        {
            "role": "user",
            "content": "Предложи план безопасного переноса PostgreSQL на новый сервер с минимальным простоем.",
        },
    ],
    max_tokens=1200,
)

print(response.choices[0].message.content)

В обоих случаях используются один базовый адрес и один ключ. Переключение между моделями происходит в строке model.

Проверка через cURL

GPT-6 Luna:

curl https://api.kosareva.cloud/v1/chat/completions \
  -H "Authorization: Bearer $KOSAREVA_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-6-luna",
    "messages": [
      {"role": "user", "content": "Верни столицу Армении одним словом."}
    ],
    "max_tokens": 20
  }'

GPT-6 Sol:

curl https://api.kosareva.cloud/v1/chat/completions \
  -H "Authorization: Bearer $KOSAREVA_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-6-sol",
    "messages": [
      {"role": "user", "content": "Найди риски в плане миграции базы данных и предложи проверки."}
    ],
    "max_tokens": 1000
  }'

Как настроить глубину рассуждений

Обе модели поддерживают уровни none, low, medium, high, xhigh и max; значение по умолчанию — medium. В Chat Completions параметр называется reasoning_effort.

response = client.chat.completions.create(
    model="gpt-6-sol",
    reasoning_effort="high",
    messages=[
        {
            "role": "user",
            "content": "Проверь план миграции и найди сценарии потери данных.",
        }
    ],
    max_tokens=1500,
)

Для Luna начните с none или low, если задача простая и массовая. Для Sol разумная отправная точка — medium. Значения выше стоит включать только после проверки, что они улучшают результат на ваших примерах.

OpenAI предупреждает: при reasoning_effort, отличном от none, не нужно передавать temperature, top_p и параметры логарифмов вероятностей. Вызов функций через Chat Completions у Sol и Luna поддерживается только при reasoning_effort="none"; для рассуждений с инструментами OpenAI рекомендует Responses API. Перед переносом сложного агента проверьте, какие возможности Responses API доступны в вашей интеграции.

Потоковый ответ

Для длинной генерации включите stream=True:

stream = client.chat.completions.create(
    model="gpt-6-sol",
    messages=[
        {"role": "user", "content": "Подготовь подробный план ревью большого Python-проекта."}
    ],
    max_tokens=3000,
    stream=True,
)

for chunk in stream:
    text = chunk.choices[0].delta.content
    if text:
        print(text, end="", flush=True)

Потоковый режим не уменьшает число токенов, но позволяет показывать ответ по мере генерации и снижает риск тайм-аута в клиенте.

Как экономить на запросах

Главная экономия получается не от сокращения одного предложения в промпте, а от правильного распределения задач.

• отправляйте массовые простые запросы в Luna;
• переводите сложные и спорные случаи в Sol;
• ограничивайте max_tokens под ожидаемую длину ответа;
• не передавайте всю историю диалога, если она не нужна;
• держите повторяющиеся инструкции и документы в начале запроса для кэширования;
• используйте отдельные ключи и лимиты для разных проектов.

В GPT-6 чтение закэшированных входных токенов стоит на 90% дешевле обычного входа. Кэш срабатывает для общего неизменного префикса, поэтому системный промпт, схему и справочник лучше ставить перед пользовательскими данными.

Чего здесь нет

Доступ по API не заменяет подписку ChatGPT и не открывает интерфейс chatgpt.com. Это программный доступ для собственного приложения, бота, скрипта или агента.

Ни Sol, ни Luna не гарантируют правильность фактов и кода. Формат ответа нужно проверять схемой, код — тестами, а важные действия — ограничениями и подтверждением. Контекст в 1,05 млн токенов тоже не означает, что каждый запрос стоит делать максимальным: после 272 тыс. входных токенов ставка повышается.

Частые вопросы

Какие имена моделей использовать?

Для GPT-6 Sol укажите gpt-6-sol, для GPT-6 Luna — gpt-6-luna.

Нужен ли VPN для работы из России?

Нет. Запросы отправляются на https://api.kosareva.cloud/v1 и работают с российских серверов без VPN.

Сколько стоят GPT-6 Sol и Luna в рублях?

На 25 сентября 2026 года Sol стоит 216 ₽ за 1 млн входных и 1 080 ₽ за 1 млн выходных токенов; Luna — 10,8 ₽ и 54 ₽ соответственно.

Какую модель выбрать для чат-бота?

Для типовых ответов, классификации и извлечения данных начните с Luna. Передавайте сложные случаи в Sol, если Luna не справляется с ними на тестовом наборе.

Можно ли переключать модели без переписывания интеграции?

Да. Базовый адрес, ключ и формат Chat Completions остаются прежними; меняется значение поля model.

Вывод

GPT-6 Luna удобна как дешёвая модель первого прохода, а GPT-6 Sol — как более сильная ступень для сложных запросов. Обе подключаются через один OpenAI-совместимый адрес и один баланс. Начните с небольшого набора реальных задач, измерьте качество и расход, затем закрепите маршрутизацию между моделями.

Источники

• OpenAI — Introducing GPT-6 Sol and Luna
• OpenAI — GPT-6 Sol model
• OpenAI — GPT-6 Luna model
• OpenAI — API changelog
• OpenAI — Using GPT-6
• kosareva.cloud — GPT-6 Sol API и цена в рублях
• kosareva.cloud — GPT-6 Luna API и цена в рублях