GPT-5.6 Luna tháng 11/2026: checklist gọi API cho ticket khối lượng lớn

Ticket vừa rơi vào board: vài nghìn dòng feedback cần gắn nhãn, hoặc một pipeline rút order_id / số tiền / thành phố / trạng thái từ tin nhắn vận đơn. Lúc đó mình không hỏi “model nào mới nhất”, mà hỏi việc này có phải loại khối lượng + format cố định không. OpenAI công bố gia đình GPT-5.6 (gồm Luna) ngày 2026-07-09. Mình viết bài này vào tháng 11/2026 — khoảng bốn tháng sau — nên đây không phải bài ra mắt. Lý do viết giờ: hàng khối lượng vẫn chạy trên Value tier, và nhiều người đang phân vân giữ gpt-5.6-luna hay chuyển cùng thế hệ Terra. Dưới đây là checklist thực chiến mình dùng trước khi nối pipeline.

Ticket tới: mình hỏi ba câu trước khi đụng model

Với việc kiểu “quét nhiều bản ghi cùng một rule”, mình gắn ba câu lên ticket. Trả lời miệng cũng được; quan trọng là viết ra trước khi đổi model hàng loạt.

1. Gọi được không? Endpoint phải tương thích OpenAI chat completions, model đúng chuỗi gpt-5.6-luna, rồi tách ba lớp: HTTP có lên không, body có đúng nội dung không, object usage có số không. 401, hết hạn mức, model chưa bật trên tài khoản — xử lý khác nhau; gộp chung rồi spam retry chỉ làm bẩn log.
2. Việc của mình có khớp không? Gắn nhãn hàng loạt, rút field cố định từ câu vận đơn / CSAT, tool call ngắn kiểu “tra rồi trả lời”, template điền chỗ trống lặp lại — những việc đó mới đáng thử Luna. Đề khó, sửa code sâu nhiều file, văn bản dài hay lệch format — mình không kỳ vọng đổi tên sang Luna là nhảy bậc.
3. usage nói gì trên mẫu thật? Một câu trả lời ngắn không có nghĩa lần gọi “rẻ ngắn”. Nhìn prompt_tokens, completion_tokens, total_tokens (và cached nếu có) trên đúng loại ticket mình sắp chạy. Canary nhỏ trước; đừng lấy một hello làm proxy cho cả batch đêm.

Ba câu này đủ để lọc. Chưa trả lời được thì chưa nên fleet-swap. Ticket “chỉ vì matrix có chữ Luna” thường fail ngay câu 2.

Bảng nghiệm thu smoke (acceptance, không phải nhật ký thử)

Mình chạy vài task ngắn đúng hướng OpenAI mô tả cho Value / throughput — qua gateway tương thích OpenAI, model = gpt-5.6-luna. Kết quả dùng làm bảng nghiệm thu gắn ticket, không kể quy trình từng bước trong bài:

Cùng bộ 5 feedback, mình cũng để gpt-5.6-terra chạy một vòng đối chiếu: nhãn gần nhau, mục thứ 5 lệch tone nhẹ; usage phía Terra nặng hơn (cách ghi token không giống hệt Luna). Terra hữu khi mình cảm thấy Luna hơi mỏng về chất lượng và muốn kéo về cân bằng — không phải mặc định thay hết mọi lane.

Những mẫu trên chỉ chứng minh việc khối lượng + cấu trúc cố định Luna nhận được. Repo-scale coding và ngữ cảnh siêu dài chưa đo trong bài này; mình không kết luận hai việc đó.

Cách mình dùng bảng này trên board: ticket chỉ merge canary khi các dòng “gắn nhãn / rút field / tool” đều xanh trên mẫu của team. Dòng template có cảnh báo prefix → gắn thêm bước post-process trước khi tăng QPS. Dòng hello xanh một mình thì chưa đủ để ghi “xong”.

Khi nào mình không giữ Luna trên ticket

Checklist cũng cần cột “từ chối giữ”:

• Pipeline cũ đã đủ ổn, cost chưa đau → giữ nguyên; chạy cùng một bộ mẫu rồi mới bàn đổi.
• Đề khó, format hay trôi, cần sửa code nghiêm hoặc review diff dài → mình nhìn Terra hoặc tầng mạnh hơn; không đổi tên sang Luna rồi kỳ vọng nhảy bậc.
• Chỉ vì chữ “Luna” trên matrix / blog mà muốn fleet-swap → dừng; để mẫu của mình quyết.
• Cần chỉnh repo lớn / context cực dài → ngoài phạm vi smoke này; đừng lấy bảng trên làm bằng chứng cho coding agent.
• Output bắt buộc đẹp từng câu, giọng văn marketing tinh → Value tier thường không phải chỗ tối ưu; canary nhỏ rồi đo số lần phải sửa tay.

Khi ticket đúng kiểu khối lượng + format ổn + thỉnh thoảng tool ngắn, Luna vẫn đứng được ở Value. Khi ticket là “chất lượng từng câu phải đẹp” hoặc “sửa cả module”, mình không cố ép Luna. Viết rõ lý do không giữ lên ticket còn hữu hơn một đoạn khen model.

Gọi API muộn trong checklist (sau khi đã biết có giữ không)

Chỉ khi ba câu đầu và bảng nghiệm thu tạm ổn, mình mới để curl vào runbook. Thứ tự này cố ý: quyết giữ / không giữ trước, dây nối sau — tránh team nối xong rồi mới phát hiện việc không khớp Value.

model ghi gpt-5.6-luna. Base trỏ gateway mình thực sự dùng:

curl https://api.crazyrouter.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"gpt-5.6-luna","messages":[{"role":"user","content":"Reply with exactly: hello"}],"max_tokens":32}'

Thông thì xem ba lớp riêng: HTTP, body, usage. Một từ hello chỉ chứng minh route ngắn hôm đó đi được; trước production vẫn cần ba mẫu của mình: hỏi thường ngày, sửa có ràng buộc, output có cấu trúc bắt buộc phải ổn. Đọc usage trên đúng ba mẫu đó — đừng extrapolate từ request 32 token.

Nếu pipeline của bạn đi qua agent / IDE kiểu Codex, cấu hình endpoint và model là bước riêng với “model có hợp việc không”. Mình thường đối chiếu tích hợp Codex khi nối CLI, và xem nhóm coding models khi ticket lệch sang sửa code — đó là việc khác với smoke gắn nhãn / rút field ở trên. Đừng lấy một lần chat completions thành công làm bằng chứng Codex đã sửa repo.

Chú thích ngắn về gia đình GPT-5.6

Trên matrix, dòng 2026-07-09 xếp Sol (ưu tiên năng lực), Terra (cân bằng hàng ngày), Luna (chi phí / throughput). Request name Luna là gpt-5.6-luna. Ba ngày đừng gộp một: ngày vendor công bố, ngày nền tảng list model, ngày tài khoản mình lần đầu HTTP 200 — không cùng một mốc. Catalog adjective chỉ là tờ hướng dẫn; việc có giữ Luna trên ticket của bạn vẫn quay về ba câu đầu + bảng nghiệm thu + usage trên mẫu thật.

Tháng 11/2026, với việc khối lượng format cố định, gpt-5.6-luna vẫn là lựa chọn Value đáng checklist. Ticket khó hoặc hay trôi format thì đừng cứng đầu. Thông route xem API; hợp việc xem mẫu của chính mình — và nhớ ghi cả cột “không giữ” lên board trước khi tăng traffic.