GPT-5.6 Luna, Sol i Terra w GitHub Copilot - który model wybrać?
GPT-5.6 Luna, Terra czy Sol?
Najkrótsza odpowiedź jest prosta:
- GPT-5.6 Luna wybierz do szybkich, małych i powtarzalnych zadań.
- GPT-5.6 Terra wybierz jako codzienny kompromis między jakością a kosztem.
- GPT-5.6 Sol wybierz do trudnego debugowania, dużych refaktorów i długich zadań agentowych.
To nie są trzy nazwy tego samego profilu jakości. GitHub i OpenAI pozycjonują je jako trzy poziomy jednej rodziny: lightweight, versatile i powerful.
| Model | Najlepsze zastosowanie | Cena wejścia / wyjścia za 1M tokenów* |
|---|---|---|
| GPT-5.6 Luna | szybkie poprawki, składnia, małe funkcje | 0,20 USD / 1,20 USD |
| GPT-5.6 Terra | codzienne kodowanie i zadania agentowe | 2 USD / 12 USD |
| GPT-5.6 Sol | złożone rozumowanie i duże codebase’y | 5 USD / 30 USD |
* Stawki domyślnego tieru z dokumentacji GitHub Copilot z 8 sierpnia 2026. GitHub rozlicza użycie przez AI credits, a koszt zależy również od cache i długości kontekstu.
GPT-5.6 Luna - szybkość i koszt
Luna jest najtańszym modelem rodziny. GitHub rekomenduje ją do małych funkcji, prostych edycji, pytań o składnię i szybkiego prototypowania.
To dobry wybór, gdy wynik łatwo sprawdzić, a opóźnienie ma większe znaczenie niż głęboka analiza. Przykłady:
- dopisanie walidacji do małej funkcji,
- wyjaśnienie błędu kompilatora,
- zmiana nazw w kilku podobnych fragmentach,
- wygenerowanie prostego testu dla znanej ścieżki,
- uporządkowanie komentarza lub dokumentacji.
Nie używałbym Luny jako pierwszego wyboru do decyzji architektonicznej albo refaktoru przecinającego wiele modułów. Niska cena nie pomaga, jeśli po szybkiej odpowiedzi płacisz drugim podejściem i długim review.
GPT-5.6 Terra - rozsądny model domyślny
Terra jest wariantem zbalansowanym. Oficjalne porównanie GitHub opisuje ją jako model do codziennego kodowania interaktywnego i agentowego.
W praktyce to naturalny punkt startowy, gdy zadanie jest większe niż pojedyncza funkcja, ale nie wymaga najwyższego pułapu rozumowania:
- implementacja małego feature’a z testami,
- analiza kilku zależnych plików,
- typowy code review,
- refaktor w obrębie jednego modułu,
- plan i wykonanie dobrze opisanego zadania.
Jeśli nie wiesz, który wariant wybrać, zacznij od Terry. Przejdź na Lunę, gdy zadanie jest mechaniczne. Przejdź na Sola, gdy Terra zaczyna gubić zależności albo potrzebujesz długiego, autonomicznego przebiegu.
GPT-5.6 Sol - najwyższy pułap rozumowania
Sol jest flagowym wariantem rodziny. GitHub wskazuje go do złożonego rozumowania nad dużymi bazami kodu i wymagających zadań agentowych.
Ma sens przy pracy, w której błąd pierwszej analizy jest droższy niż użycie mocniejszego modelu:
- debugowanie problemu rozproszonego między usługami,
- planowanie migracji lub większego refaktoru,
- analiza wydajności z logami i profilami,
- wieloetapowa implementacja z narzędziami,
- decyzje wymagające porównania wielu trade-offów.
Sol nie powinien być automatycznym wyborem do każdego promptu. Prosta zmiana tekstu nie staje się lepsza tylko dlatego, że wykonał ją najdroższy model.
Kontekst 1M tokenów - z ważnym zastrzeżeniem
OpenAI podaje dla rodziny GPT-5.6 okno około 1,05 miliona tokenów i maksymalnie 128 tysięcy tokenów wyjścia. W GitHub Copilot rozszerzony kontekst 1M jest dostępny w VS Code i Copilot CLI dla obsługiwanych modeli.
Większy kontekst zwiększa jednak zużycie AI credits. Nie wrzucaj całego repo tylko dlatego, że model technicznie może je przyjąć. Najpierw zawęź zadanie, wskaż relewantne pliki i pozwól agentowi wyszukać brakujący kontekst.
Dostępność w GitHub Copilot
Wszystkie trzy warianty mają status GA w dokumentacji GitHub. W VS Code wymagają wersji co najmniej 1.128. Dostępność zależy również od planu Copilot i polityk ustawionych przez organizację.
Jeżeli modelu nie widzisz:
- zaktualizuj VS Code,
- sprawdź model picker,
- zweryfikuj politykę modeli w organizacji,
- sprawdź, czy plan obejmuje dany wariant.
Prosty filtr decyzyjny
Nie wybieraj modelu po nazwie. Wybieraj po koszcie błędu:
- wynik łatwy do sprawdzenia i mały zakres → Luna,
- codzienna implementacja o średnim zakresie → Terra,
- duży zakres, długi agentowy przebieg albo kosztowny błąd → Sol.
W Copilocie możesz też użyć Auto, które dobiera model do zadania i dostępności. Dla płatnych planów GitHub deklaruje zniżkę kosztową przy Auto, więc ręczne przypinanie Sola do wszystkiego zwykle nie ma ekonomicznego sensu.
Starszy przegląd i szerszy kontekst znajdziesz w artykule który model w GitHub Copilot wybrać. Sposób doboru modelu do pracy z agentem omawiam też w lekcji Modele w Copilot: jak dobrać model do zadania.
Źródła
Nowe materiały prosto na maila
Publikuję nowy artykuł albo lekcję kursu — dostajesz jednego maila. Nic poza tym.
Bez cyklu wydawniczego i newsów o każdej premierze modelu
Zapisy do newslettera otwieram partiami, żeby nie zamieniać go w kolejny kanał ze spamem i recyklingiem linków.
Jeśli chcesz dostać informację przy następnym otwarciu zapisów, napisz na kontakt@efektywnydev.pl.
O autorze
Marcin Szymański
Od kilkunastu lat buduję systemy w .NET i Azure — obecnie rozproszony monitoring PingView. Piszę tu o pracy człowiek + agenci AI na realnych workflow, nie na demach. Zawodowo prowadzę audyty, rescue projektów i wdrożenia AI-assisted delivery w zespołach.