GPT-5.4 znika z Codex 31 sierpnia: migracja do GPT-5.6 Terra i Luna, ceny, limity i checklista bezpiecznego przejścia

31 sierpnia 2026 roku OpenAI wycofuje GPT-5.4 i GPT-5.4 mini z Codex dla użytkowników logujących się do Codex przez konto ChatGPT. Oficjalna ścieżka migracji jest jednoznaczna: GPT-5.4 należy zastąpić GPT-5.6 Terra, a GPT-5.4 mini modelem GPT-5.6 Luna.^[1]

Najważniejszy szczegół łatwo przeoczyć: to nie jest wycofanie GPT-5.4 z OpenAI API. OpenAI wprost zaznacza, że zmiana nie wpływa ani na API, ani na korzystanie z Codex z własnym kluczem API.^[1]

Dlatego nie należy publikować uproszczonego komunikatu:

GPT-5.4 został wycofany 31 sierpnia 2026.

To byłoby nieprecyzyjne.

Prawidłowo:

GPT-5.4 i GPT-5.4 mini są wycofywane z Codex
w przypadku logowania przez konto ChatGPT.
API i Codex z własnym kluczem API nie są objęte tą zmianą.

Dla zespołów używających Codex oznacza to konieczność przejrzenia nie tylko ręcznie wybranego modelu, ale również workspace defaults, zapisanych ustawień modeli, konfiguracji zarządzanych i automatyzacji. OpenAI zalecało zaktualizować te elementy przed 31 sierpnia.^[1]

Jednocześnie migracja daje kilka technicznych korzyści. GPT-5.6 Terra zachowuje okno kontekstowe 1 050 000 tokenów znane z GPT-5.4, obniża standardową cenę API z $2.50/$15 do $2/$12 za milion tokenów wejścia/wyjścia i ma nowszy knowledge cutoff. GPT-5.6 Luna jest jeszcze tańszy, a przy tym zwiększa kontekst względem GPT-5.4 mini z 400K do 1.05M.^[6][7][8][9]

Nie oznacza to jednak, że migracja jest bezwarunkowym „drop-in replacement”. GPT-5.6 wprowadza m.in. poziom reasoning max, inne domyślne zachowanie reasoning na poziomie API modelu i nowe możliwości rodziny 5.6. OpenAI zaleca przeprowadzenie evals na reprezentatywnych zadaniach zamiast zakładania identycznego zachowania.^[10]

Stan informacji: 31 sierpnia 2026 roku. OpenAI nie podaje w dokumentacji cytowanej w tym artykule konkretnej godziny wyłączenia modeli, dlatego nie zakładamy lokalnego „midnight cutoff”.

TL;DR

Co dokładnie wycofuje OpenAI?

OpenAI pisze wprost, że 31 sierpnia 2026 GPT-5.4 i GPT-5.4 mini przestaną być dostępne w Codex, gdy użytkownik loguje się kontem ChatGPT.^[1]

Dotyczy to Codex jako produktu dostępnego m.in. przez:

• aplikację desktopową ChatGPT w trybie Codex,
• Codex CLI,
• rozszerzenie Codex do IDE,
• Codex w przeglądarce.^[1]

Nie należy więc interpretować zmiany jako pełnego wycofania modeli ze wszystkich produktów OpenAI.

Oficjalna mapa migracji

OpenAI wskazuje dokładnie dwa zamienniki:^[1]

GPT-5.4       → GPT-5.6 Terra
GPT-5.4 mini  → GPT-5.6 Luna

To jest mapowanie produktowe dla Codex, a nie deklaracja, że Terra i Luna są identycznymi klasami architektonicznymi względem starszych modeli.

OpenAI opisuje Terra jako model równoważący inteligencję i koszt, a Luna jako model zoptymalizowany pod koszt i duży wolumen.^[5][6][7]

Co NIE jest objęte zmianą?

Dwa przypadki są oficjalnie wyłączone:^[1]

OpenAI API
Codex używany z własnym API key

Jeżeli produkcyjna aplikacja wywołuje:

gpt-5.4

przez OpenAI API, komunikat o 31 sierpnia nie oznacza automatycznie, że request przestanie działać tego dnia.

To samo dotyczy Codex używanego w trybie BYOK.

Czy mimo tego warto migrować API z GPT-5.4?

Może warto, ale to osobna decyzja.

OpenAI w model guidance rekomenduje rodzinę GPT-5.6 jako aktualny kierunek dla nowych i migrowanych workloadów. Dla migracji z GPT-5.4 zaleca rozpoczęcie od tego samego poziomu reasoning, a następnie przetestowanie również poziomu o jeden niższego.^[10]

Rodzina GPT-5.6 była wcześniej zapowiedziana wraz z preview GPT-5.6 Sol 26 czerwca, a pełną premierę GPT-5.6 OpenAI ogłosiło 9 lipca 2026 roku.^[11][12]

To jest rekomendacja optymalizacyjna, nie deadline API.

GPT-5.4 vs GPT-5.6 Terra

^[6][8]

Na poziomie standardowych cen tokenowych Terra jest o 20% tańsza od GPT-5.4 zarówno dla inputu, cached inputu, jak i outputu.

GPT-5.4 mini vs GPT-5.6 Luna

^[7][9]

W standardowym cenniku API Luna jest około 73% tańsza od GPT-5.4 mini dla wejścia, cached input i wyjścia.

Jednocześnie jej deklarowane okno kontekstowe jest 2,625× większe.

Uwaga: ceny API i limity Codex to dwie różne rzeczy

To jeden z najłatwiejszych błędów w porównaniach.

Cena:

$ / 1M tokens

nie jest tym samym co:

ile wiadomości Codex dostanę w planie Plus lub Pro

Strona cennika Codex pokazuje orientacyjne zakresy wiadomości lokalnych w pięciogodzinnym oknie. Dla jednego z widoków planu podaje obecnie m.in.:^[2]

GPT-5.4:       20–100 local messages / 5h
GPT-5.6 Terra: 20–110 local messages / 5h
GPT-5.4 mini:  60–350 local messages / 5h
GPT-5.6 Luna:  50–280 local messages / 5h

Te liczby są zakresami, nie gwarantowanym limitem. OpenAI zaznacza, że realne zużycie zależy od zadania, modelu i złożoności, a dodatkowo mogą obowiązywać limity tygodniowe.^[2]

Dlatego Luna może być znacznie tańsza tokenowo, a mimo to konkretny limit planu Codex nie musi skalować się w identycznej proporcji.

Cennik kredytowy Business / Enterprise również się zmienia

Aktualny rate card dla obsługiwanych aktywności Work i Codex podaje:^[3]

Stawki dotyczą obsługiwanych aktywności Codex, w tym m.in. zadań lokalnych, automatyzacji i innych wspieranych workflow. Realne zużycie zależy od liczby tokenów.^[3]

Największa pułapka migracji: domyślny reasoning

GPT-5.4 i GPT-5.4 mini mają w dokumentacji API none jako domyślny poziom reasoning.^[8][9]

GPT-5.6 Terra i Luna mają medium jako default.^[6][7]

Jeżeli migrujesz własny workload API i jednocześnie:

zmieniasz model
+
nie przypinasz reasoning.effort

możesz zmienić nie tylko model, ale też profil latency, kosztu i zachowania.

Dlatego OpenAI rekomenduje zachowanie obecnego poziomu reasoning jako pierwszego baseline'u migracji.^[10]

W Codex workspace default może być inny niż API default

W Codex administratorzy i właściciele workspace mogą ustawiać:

• model startowy,
• reasoning level,
• speed,
• dostępność Fast Mode,
• zachowanie nowych chatów.^[1]

Nie wolno więc zakładać, że API default automatycznie opisuje każdą sesję Codex.

W środowisku zarządzanym trzeba sprawdzić rzeczywistą konfigurację workspace.

requirements.toml ma pierwszeństwo przed workspace default

OpenAI opisuje kolejność priorytetów dla zarządzanych workspace'ów:^[1]

managed requirements.toml
→ workspace starting defaults
→ local member starting choice

Jeżeli więc administrator zmieni model domyślny w UI, ale zarządzane wymagania nadal ograniczają dostęp do starego modelu lub wymuszają nieaktualne ustawienie, sam UI default może nie wystarczyć.

Co dokładnie trzeba zinwentaryzować?

OpenAI wymienia cztery obszary:^[1]

workspace defaults
saved model settings
managed configurations
automations

W praktyce warto rozszerzyć audyt o:

• lokalne profile Codex,
• skrypty uruchamiające CLI,
• CI/CD,
• dokumentację zespołu,
• template'y projektów,
• zmienne środowiskowe,
• wewnętrzne wrappery,
• instrukcje onboardingowe.

To ostatnie punkty są praktyczną rekomendacją POLPROG, a nie listą wymagań OpenAI.

Jak znaleźć odwołania do GPT-5.4 w repozytorium?

Na macOS/Linux możesz zacząć od:

rg -n --hidden \
  -g '!node_modules' \
  -g '!.git' \
  'gpt-5\.4(-mini)?|GPT-5\.4( mini)?' .

Jeśli konfiguracja użytkownika jest również istotna:

rg -n 'gpt-5\.4(-mini)?' ~/.codex 2>/dev/null

To nie jest oficjalne polecenie migracyjne OpenAI. Jest to zwykły audyt tekstowy, który pomaga znaleźć hardcoded model references.

Nie rób automatycznego search-and-replace bez kontekstu

Zamiana:

gpt-5.4 → gpt-5.6-terra

może być poprawna w konfiguracji modelu.

Ale identyczny tekst może występować również w:

• dokumentacji historycznej,
• testach snapshotowych,
• artykułach,
• logach,
• przykładach migracyjnych,
• changelogach.

Automatyczne zastąpienie wszystkiego może zniszczyć kontekst historyczny.

Uważaj na alias gpt-5.6

Oficjalna dokumentacja modeli mówi:

gpt-5.6 → GPT-5.6 Sol

^[5][10]

Jeżeli więc oficjalnym zamiennikiem Codex dla GPT-5.4 ma być Terra, użycie samego:

gpt-5.6

w API nie oznacza Terra.

Do jednoznacznego wyboru użyj:

gpt-5.6-terra

lub:

gpt-5.6-luna

zgodnie z workloadem.^[6][7]

Przykład migracji API do Terra

To nie jest wymagane przez deadline Codex, ale jeżeli świadomie migrujesz również API, użyj jawnego modelu i jawnego reasoning.

from openai import OpenAI

client = OpenAI()

response = client.responses.create(
    model="gpt-5.6-terra",
    reasoning={"effort": "medium"},
    input="Review this pull request and identify correctness regressions."
)

print(response.output_text)

OpenAI rekomenduje Responses API dla reasoning, tool-calling i multi-turn workflow w rodzinie GPT-5.6.^[10]

Przykład migracji workloadu wysokowolumenowego do Luna

from openai import OpenAI

client = OpenAI()

response = client.responses.create(
    model="gpt-5.6-luna",
    reasoning={"effort": "low"},
    input="Classify this issue and return the owning engineering team."
)

print(response.output_text)

Luna jest pozycjonowana jako model do workloadów kosztowo wrażliwych i wysokowolumenowych.^[7]

Nie zmieniaj promptu i modelu jednocześnie

OpenAI rekomenduje podejście migracyjne, w którym najpierw zmieniasz model przy możliwie stałym promptcie, a dopiero później stroisz prompt na podstawie evals.^[10]

To pozwala odpowiedzieć na pytanie:

czy regresję spowodował model,
czy moja nowa wersja promptu?

Jeżeli zmienisz wszystko jednocześnie, tracisz dobry baseline.

Jak dobrać reasoning po migracji?

Praktyczny punkt startowy zgodny z guidance OpenAI:^[10]

stary effort
→ ten sam effort na GPT-5.6
→ ten sam test na effort o poziom niższym
→ porównanie jakości, czasu i kosztu

GPT-5.6 wspiera:

none
low
medium
high
xhigh
max

max warto zostawić dla najtrudniejszych quality-first workloadów, jeśli evals pokazują realną korzyść.^[10]

Terra czy Luna?

Wybierz Terra, jeśli:

• dotąd korzystałeś z GPT-5.4 w Codex,
• zadania obejmują wieloplikowe zmiany,
• ważna jest równowaga jakości i kosztu,
• agent ma wykonywać złożone instrukcje,
• potrzebujesz mocnego ogólnego modelu codingowego.

Wybierz Luna, jeśli:

• dotąd korzystałeś z GPT-5.4 mini,
• workload jest liczny i powtarzalny,
• priorytetem są koszt i throughput,
• taski są krótsze lub dobrze ograniczone,
• używasz modelu jako subagenta albo klasyfikatora.

To odpowiada oficjalnej mapie migracji Codex i pozycjonowaniu modeli.^[1][5][6][7]

Kiedy rozważyć Sol zamiast Terra?

OpenAI klasyfikuje GPT-5.6 Sol jako flagship model do złożonej pracy profesjonalnej i codingowej.^[5]

Jednak oficjalny replacement dla GPT-5.4 w komunikacie dotyczącym Codex to Terra, nie Sol.^[1]

Jeżeli zespół rozważa Sol, powinien traktować to jako osobną decyzję quality/cost, a nie obowiązkową część tej migracji.

Kontekst: Terra utrzymuje 1.05M, Luna mocno rośnie względem mini

GPT-5.4 i Terra:

1.05M → 1.05M

GPT-5.4 mini i Luna:

400K → 1.05M

^[6][7][8][9]

Dla repo-level coding większe okno może być istotne, ale sam nominalny context window nie gwarantuje idealnej pracy z całym repozytorium.

Nadal trzeba testować retrieval, context selection i zachowanie agenta na realnych projektach.

Long context ma osobne konsekwencje cenowe w API

Dla Terra i Luna dokumentacja podaje, że requesty z ponad 272K input tokens są wyceniane dla całego requestu przy:

2× input price
1.5× output price

^[6][7]

Dlatego migracja do większego context window nie oznacza, że warto bez kontroli wpychać do promptu cały monorepo.

Nowszy knowledge cutoff nie zastępuje narzędzi

GPT-5.4 i GPT-5.4 mini mają cutoff:

31 sierpnia 2025

Terra i Luna:

16 lutego 2026

^[6][7][8][9]

To poprawia bazową aktualność wiedzy modelu, ale nie zastępuje web search, repo context, file search ani dostępu do rzeczywistej dokumentacji projektu.

Dostępność GPT-5.6 w Codex zależy od planu

OpenAI podaje obecnie:^[4]

• Free i Go: dostęp do Terra w Work/Codex w ograniczonym zakresie,
• Plus, Pro, Business i Enterprise: szerszy dostęp do rodziny GPT-5.6, zależny od produktu i planu,
• Luna jest również dostępna szeroko w rodzinie GPT-5.6.

Dokładne limity i dostępność należy sprawdzać na bieżącej stronie pricing, ponieważ są elementem produktu i mogą się zmieniać.^[2][4]

Migracja automatyzacji jest ważniejsza niż ręczny model selector

Ręcznie wybrany model użytkownik zauważy natychmiast.

Automatyzacja może działać bez nadzoru:

nocny refactor
cykliczny code review
maintenance task
scheduled dependency update
repo audit

Jeśli model jest zapisany w automatyzacji, problem może ujawnić się dopiero przy kolejnym uruchomieniu.

Dlatego OpenAI wprost wymienia automations na liście rzeczy do zaktualizowania przed retirementem.^[1]

Enterprise: sprawdź trzy poziomy konfiguracji

Dla organizacji warto rozdzielić:

Managed requirements

Wymuszane centralnie, z najwyższym priorytetem.^[1]

Workspace defaults

Początkowy model i reasoning ustawiany przez administratora.^[1]

Local choice

Wybór członka zespołu, o ile polityki na to pozwalają.^[1]

Audyt musi objąć wszystkie trzy poziomy.

Jak przeprowadzić eval przed przełączeniem całego zespołu?

Przygotuj 20–50 reprezentatywnych tasków, np.:

• naprawa realnego buga,
• refactor kilku plików,
• dopisanie testów,
• migracja zależności,
• analiza regresji,
• implementacja małej funkcji,
• code review,
• dokumentacja techniczna.

Mierz:

task success rate
test pass rate
liczbę poprawek po review
diff size
out-of-scope changes
tool calls
latency
token usage
credit usage
retry rate

Nie porównuj wyłącznie „który model brzmi lepiej w odpowiedzi”.

Minimalny plan migracji na jeden dzień

Krok 1

Zrób inventory wszystkich odniesień do GPT-5.4 i GPT-5.4 mini.

Krok 2

W Codex z loginem ChatGPT ustaw:

GPT-5.4      → GPT-5.6 Terra
GPT-5.4 mini → GPT-5.6 Luna

Krok 3

Sprawdź workspace defaults i managed config.

Krok 4

Zaktualizuj automations.

Krok 5

Przypnij reasoning tam, gdzie stabilność ma znaczenie.

Krok 6

Uruchom smoke tests na reprezentatywnych repozytoriach.

Krok 7

Dopiero potem optymalizuj reasoning, prompt i koszty.

Czego nie robić?

• Nie pisz, że GPT-5.4 „znika z API”.
• Nie zakładaj, że gpt-5.6 oznacza Terra.
• Nie utożsamiaj API pricing z limitami planu Codex.
• Nie zmieniaj jednocześnie modelu, promptu i reasoning bez baseline'u.
• Nie ignoruj automations.
• Nie zakładaj, że większy context oznacza automatycznie lepszy wynik.
• Nie publikuj niezweryfikowanej godziny retirementu.
• Nie traktuj Sol jako oficjalnego replacementu GPT-5.4 w tym komunikacie.

Checklista migracji produkcyjnej

Inventory

• Znaleziono wszystkie odwołania do gpt-5.4.
• Znaleziono wszystkie odwołania do gpt-5.4-mini.
• Sprawdzono workspace defaults.
• Sprawdzono saved model settings.
• Sprawdzono managed configurations.
• Sprawdzono automations.
• Sprawdzono skrypty CLI.
• Sprawdzono CI/CD.

Konfiguracja

• GPT-5.4 w Codex/ChatGPT auth zastąpiono Terra.
• GPT-5.4 mini zastąpiono Luna.
• Sprawdzono requirements.toml.
• Sprawdzono model startowy workspace.
• Sprawdzono reasoning level.
• Sprawdzono Fast Mode policy.
• Nie użyto aliasu gpt-5.6, jeśli wymagane jest Terra.
• W API użyto jawnego model ID tam, gdzie wymagana jest stabilność.

Evals

• Zachowano stary prompt jako baseline.
• Przetestowano ten sam reasoning effort.
• Przetestowano effort o jeden poziom niższy.
• Zmierzono test pass rate.
• Zmierzono retry rate.
• Zmierzono latency.
• Zmierzono token usage.
• Zmierzono credit usage.
• Przejrzano out-of-scope changes.
• Przetestowano długie sesje agentowe.

Operacje

• Zaktualizowano dokumentację zespołu.
• Zaktualizowano onboarding.
• Zaktualizowano template'y repozytoriów.
• Zaktualizowano scheduled tasks.
• Ustawiono monitoring błędów po migracji.
• Ustalono fallback model.
• Sprawdzono aktualny cennik Codex.
• Sprawdzono aktualne limity planu.

Werdykt POLPROG

Zmiana z 31 sierpnia 2026 jest ważna, ale znacznie węższa, niż sugerowałoby zdanie „OpenAI wycofuje GPT-5.4”.

Fakty są następujące:

GPT-5.4 i GPT-5.4 mini
↓
retirement w Codex przy logowaniu przez ChatGPT

GPT-5.4      → GPT-5.6 Terra
GPT-5.4 mini → GPT-5.6 Luna

OpenAI API → bez wpływu tej konkretnej zmiany
Codex + własny API key → bez wpływu tej konkretnej zmiany

^[1]

Technicznie migracja jest atrakcyjna.

Terra zachowuje 1.05M context GPT-5.4, ma nowszy cutoff i 20% niższe standardowe ceny API.^[6][8]

Luna podnosi context względem GPT-5.4 mini z 400K do 1.05M i obniża standardowe ceny tokenowe o około 73%.^[7][9]

Najważniejszą zmianą operacyjną nie jest jednak sama nazwa modelu.

To konieczność sprawdzenia:

model selection
reasoning defaults
managed policy
automations
limits
cost model
evals

Najbezpieczniejsza migracja wygląda więc tak:

Najpierw zmień model zgodnie z oficjalnym mappingiem, zachowaj prompt i dotychczasowy reasoning jako baseline, uruchom evals, a dopiero później optymalizuj koszt i szybkość.

To pozwala uniknąć sytuacji, w której pozornie prosta zmiana z GPT-5.4 na GPT-5.6 jednocześnie zmienia model, reasoning, koszt, zachowanie agenta i wynik testów.