GPT-5.6 modellen configureren: Sol, Terra & Luna instellen

GPT-5.6 modellen configureren begint bij de keuze tussen Sol, Terra en Luna: sinds 9 juli 2026 hoef je niet meer op een wachtlijst te staan, want OpenAI zette de APIKeurigOnline zegtAPIEen API (Application Programming Interface) is een set regels en protocollen waarmee softwareapplicaties met elkaar kunnen communiceren en gegevens uitwisselen. zelf-serve open voor elk account, na een beperkte preview die op 26 juni begon^[2]. Het meest praktische verschil met eerdere releases: je kiest voortaan niet langer tussen versienummers, maar tussen drie met naam genoemde modellen die elk een ander prijs- en prestatieprofiel hebben. Wie vandaag een integratie bouwt of update, moet dus een bewuste keuze maken, niet automatisch de standaardinstelling overnemen.

In deze gids configureer je Sol, Terra en Luna in je eigen applicatie: welk model je kiest, hoe je reasoning-effort instelt, hoe prompt caching kosten bespaart en welke stappen je zet als je nu nog op GPT-5.5 draait.

GPT-5.6 is breed beschikbaar: wat is er veranderd?

De release verliep in twee fasen. Vanaf 26 juni 2026 kregen alleen bepaalde Amerikaanse accounts toegang tot een beperkte preview. Op 9 juli 2026 volgde de volledige, wereldwijde algemene beschikbaarheid: elk OpenAI API-account kan sindsdien zonder wachtlijst bij alle drie de modellen^[3]. Oudere artikelen die nog over beperkte toegang spreken, beschrijven dus de inmiddels gepasseerde preview-fase.

De naamgeving is de meest zichtbare verandering. Waar voorgaande releases alleen een versienummer kregen, splitst OpenAI GPT-5.6 nu in drie varianten met een eigen naam: Sol, Terra en Luna^[1]. Dat is niet alleen marketing. Elk model heeft een eigen prijs, snelheid en reasoning-diepte, en de kale aliasKeurigOnline zegtAliasEen alias is een extra naam gekoppeld aan een domein of e-mailadres. gpt-5.6 routeert stilzwijgend naar Sol. Voor je eigen applicatie betekent dit dat je nu een expliciete keuze maakt tussen drie tiers, in plaats van blind de nieuwste versie aan te roepen.

Werk je al met AI-gedreven content of agentic workflows? Dan is het ook de moeite waard om te checken hoe je je site voorbereidt op AI-crawlers via onze gids over wat LLMS.txt is en hoe je het instelt.

Sol, Terra en Luna: welk model kies je?

Alle drie de modellen delen hetzelfde context window: 1,05 miljoen tokens input, tot 128K tokens output^[4]. Het verschil zit in prijs en reasoning-diepte.

Bron: prijzen bevestigd op Apidog^[3] en de officiële OpenAI pricing-documentatie^[5].

De kale alias gpt-5.6 routeert naar Sol^[4]. Handig om snel te testen, maar riskant in productie: als OpenAI de alias ooit naar een ander model laat wijzen, verandert het gedrag en de rekening van je applicatie zonder dat je iets aanpast. Pin daarom altijd het expliciete model-ID (gpt-5.6-sol, gpt-5.6-terra of gpt-5.6-luna) in je code.

Een eerste request doen: Python en curl voorbeeld

Nieuwe features zoals programmatic tool calling en persisted reasoning zitten alleen in de Responses API^[3]. Onderstaand voorbeeld stuurt een verzoek naar Terra, met de API-key uit een environment variable, nooit hardcoded in je broncode.

Python (openai SDK)

import os
from openai import OpenAI

client = OpenAI(api_key=os.environ["OPENAI_API_KEY"])

response = client.responses.create(
    model="gpt-5.6-terra",  # expliciet ID, niet de kale "gpt-5.6" alias
    input="Vat dit supportticket samen in twee zinnen: ...",
    reasoning={"effort": "medium"},
)

print(response.output_text)

curl

curl https://api.openai.com/v1/responses \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-5.6-terra",
    "input": "Vat dit supportticket samen in twee zinnen: ...",
    "reasoning": {"effort": "medium"}
  }'

Draai je nog op de oudere Chat Completions API? Die blijft gewoon werken: je hoeft alleen het model-ID te wijzigen naar gpt-5.6-sol, gpt-5.6-terra of gpt-5.6-luna^[3]. Voor toegang tot de nieuwe agentic features moet je wel migreren naar de Responses API.

Reasoning-effort instellen: van none tot max

GPT-5.6 krijgt zes reasoning-niveaus, twee meer dan de vier niveaus van GPT-5.5^[4]. Elk niveau is een directe knop tussen snelheid en diepgang van het antwoord:

• none: geen reasoning, snelste en goedkoopste respons.
• low: lichte reasoning, geschikt voor classificatie en triage.
• medium: standaardkeuze voor de meeste productiefeatures.
• high: dieper redeneren voor complexere taken.
• xhigh: nieuw in GPT-5.6, voor zware debugging en multi-stap analyses.
• max: nieuw in GPT-5.6, de hoogste denkdiepte die het model biedt.

Een korte keuzehulp per use-case: gebruik low voor classificatie en triage van inkomende berichten, medium of high voor productiefeatures zoals klantcommunicatie of contentgeneratie, en xhigh of max voor zware debugging of complexe agentic taken waarbij fouten duur zijn.

Los van het reasoning-niveau kun je op elk van de drie modellen ook pro-mode instellen (reasoning.mode: "pro"). Dat is geen apart model-ID, maar een aanvullende instelling die op Sol, Terra en Luna evenveel werkt^[4].

Max reasoning vs. Ultra mode: het verschil

Dit is het punt waarop ontwikkelaars elkaar het vaakst tegenspreken. max is simpelweg de hoogste waarde van de reasoning.effort-parameter: een gewone APIKeurigOnline zegtAPIEen API (Application Programming Interface) is een set regels en protocollen waarmee softwareapplicaties met elkaar kunnen communiceren en gegevens uitwisselen.-instelling die op elk van de drie modellen werkt, in elke applicatie die de Responses API aanroept^[7].

Ultra mode is iets anders: een apart multi-agent modus waarbij vier subagents parallel aan hetzelfde probleem werken. Die functionaliteit zit exclusief in ChatGPT Work, Enterprise en Codex, en is niet los aan te roepen via de kale Chat Completions- of Responses API^[3]. Bouw je een eigen integratie met de API, dan is reasoning.effort: "max" het hoogste dat je zelf kunt instellen, Ultra blijft voorbehouden aan de ChatGPT-productomgeving.

Zet je GPT-5.6 in binnen een agentic flow met meerdere tools en stappen, vergelijkbaar met hoe je dat bijvoorbeeld met Google Genkit configureert, dan bepaalt vooral je eigen orkestratielaag hoeveel parallellisme je krijgt, niet een los aan te vinken Ultra-schakelaar.

Prompt caching configureren om kosten te besparen

Draait je applicatie een vaste systeeminstructie van duizenden tokens bij elk verzoek? Dan is expliciete prompt caching de snelste manier om je rekening te verlagen. Je zet het aan met prompt_cache_options.mode: "explicit" en een ttl van minimaal 30 minuten^[4]:

{
  "model": "gpt-5.6-terra",
  "input": "...",
  "prompt_cache_options": {
    "mode": "explicit",
    "ttl": 1800
  }
}

Het prijsmechanisme werkt met een opslag- en een leestarief. Een cacheKeurigOnline zegtCacheEen cache is een tijdelijke opslaglaag die veelgebruikte gegevens bewaart voor snellere toegang en betere prestaties.-write kost 1,25 keer het normale inputtarief, maar elke cache-read binnen de TTLKeurigOnline zegtTTLTTL bepaalt hoe lang DNS-informatie of cache-data geldig blijft voordat deze ververst wordt. krijgt ongeveer 90% korting op datzelfde deel van de prompt^[4].

Een rekenvoorbeeld: heb je een vaste systeeminstructie van 20.000 tokens en doe je een paar honderd requests per dag op Terra, dan scheelt caching het verschil tussen een paar euro en een paar dubbeltjes per dag^[8]. De vuistregel: cache alleen content die je vaker dan één keer binnen de TTL hergebruikt. Voor een prompt die je maar één keer per gebruiker verstuurt, betaal je de 1,25× opslagpremie zonder er ooit korting voor terug te krijgen.

Migreren van GPT-5.5: praktische stappen

OpenAI's eigen migratieadvies is behandelbaar als een tuning-pass, niet als een risicovolle overstap^[4]:

1. Test hetzelfde reasoning-effort én één niveau lager. GPT-5.6 haalt in veel gevallen dezelfde kwaliteit met minder tokens, dus wat op GPT-5.5 high nodig had, presteert op GPT-5.6 mogelijk al goed op medium.
2. Verwijder overbodige "wees beknopt"-instructies. GPT-5.6 schrijft standaard al compacter, dus die instructies uit je GPT-5.5-prompts kosten nu alleen nog tokens zonder effect^[3].
3. Scherp tool-permissies aan bij agentic workloads. GPT-5.6 heeft real-time classifiers voor cyber- en bio-misbruik die tijdens generatie kunnen ingrijpen, en soms legitiem werk vertragen of blokkeren. Beperk daarom expliciet welke tools en acties je agent mag uitvoeren^[4].
4. Verwacht geen groter context window. Zowel GPT-5.5 als GPT-5.6 hanteren 1,05M tokens input en 128K tokens max output, dit is een veelvoorkomend misverstand^[7].

Welke tier past bij jouw use-case?

Twijfel je nog? Test klein voordat je een keuze vastlegt: stuur dezelfde taak als één request naar elk van de drie modellen en vergelijk kwaliteit en kosten op je eigen prompts, niet op benchmarks van derden. Wat voor de ene applicatie op Luna prima werkt, kan bij jouw specifieke taak net te weinig reasoning-diepte hebben.

Veelgestelde vragen

Volgende stappen

Zet je environment variable voor de API-key klaar, stuur één testrequest per model (Sol, Terra en Luna) op een taak uit je eigen applicatie, en vergelijk kwaliteit tegen kosten voordat je een tier vastlegt in productie. Bouw je richting een agentic opzet met meerdere tools en stappen, kijk dan ook naar onze gids over het configureren van Google Genkit voor agentic applicaties voor een vergelijkbare aanpak buiten het OpenAI-ecosysteem.