GPT-5.4 verdwijnt op 31 augustus uit Codex: migratie naar GPT-5.6 Terra en Luna, prijzen, limieten en checklist

Op 31 augustus 2026 haalt OpenAI GPT-5.4 en GPT-5.4 mini uit Codex voor gebruikers die met hun ChatGPT-account inloggen. De officiële vervanging is duidelijk: GPT-5.4 → GPT-5.6 Terra en GPT-5.4 mini → GPT-5.6 Luna.^[1]

De belangrijkste nuance: dit is geen retirement van GPT-5.4 uit de OpenAI API. OpenAI zegt expliciet dat deze wijziging geen effect heeft op de API of op Codex wanneer je een eigen API-key gebruikt.^[1]

De uitspraak:

GPT-5.4 verdwijnt volledig op 31 augustus 2026.

zou dus onjuist zijn.

Correcter:

GPT-5.4 en GPT-5.4 mini verdwijnen uit Codex
wanneer Codex via ChatGPT wordt geauthenticeerd.
API en Codex met een eigen API-key vallen niet onder deze wijziging.

OpenAI adviseert bovendien om workspace defaults, opgeslagen modelinstellingen, managed configurations en automations bij te werken.^[1]

Technisch biedt de overstap voordelen. Terra behoudt het 1.050.000-token context window van GPT-5.4, verlaagt standaard API-prijzen van $2.50/$15 naar $2/$12 per miljoen input-/outputtokens en heeft een nieuwere knowledge cutoff. Luna vergroot context ten opzichte van GPT-5.4 mini van 400K naar 1.05M en verlaagt de tokenprijs sterk.^[6][7][8][9]

Toch is dit geen volledig neutrale drop-in replacement. GPT-5.6 voegt max reasoning toe, heeft andere gedocumenteerde API-defaults voor reasoning en bevat nieuwe mogelijkheden. OpenAI adviseert daarom representatieve evals.^[10]

Informatiestatus: 31 augustus 2026. De officiële bronnen noemen de datum, maar geen verifieerbaar exact tijdstip waarop de modellen uit Codex verdwijnen.

TL;DR

Wat retiret OpenAI precies?

OpenAI zegt dat GPT-5.4 en GPT-5.4 mini op 31 augustus 2026 niet langer beschikbaar zijn in Codex wanneer gebruikers met ChatGPT inloggen.^[1]

Codex is beschikbaar via onder andere desktop app, CLI, IDE-extensie en web.^[1]

Dit is dus geen volledige retirement van de modellen in alle OpenAI-producten.

Officiële migratiemapping

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

^[1]

OpenAI positioneert Terra als balans tussen intelligentie en kosten, en Luna als model voor kostenkritische workloads met veel volume.^[5][6][7]

Wat blijft expliciet beschikbaar?

OpenAI API
Codex met eigen API-key

^[1]

Een API-workload met gpt-5.4 moet dus niet automatisch als defect worden beschouwd vanwege deze Codex-deadline.

Moet je API-workloads toch migreren?

Dat kan verstandig zijn, maar is een afzonderlijke beslissing.

OpenAI adviseert bij migratie vanaf GPT-5.4 eerst hetzelfde reasoning effort als baseline te behouden en daarna ook één niveau lager te testen.^[10]

De GPT-5.6-familie werd eerst aangekondigd met de preview van GPT-5.6 Sol op 26 juni; OpenAI kondigde de bredere GPT-5.6-release aan op 9 juli 2026.^[11][12]

GPT-5.4 vs GPT-5.6 Terra

^[6][8]

Terra is bij standaard tokenprijzen 20% goedkoper dan GPT-5.4.

GPT-5.4 mini vs GPT-5.6 Luna

^[7][9]

Luna is ongeveer 73% goedkoper dan GPT-5.4 mini en heeft een 2,625× groter context window.

API-prijs en Codex-planlimieten zijn verschillend

De Codex-pricingpagina toont momenteel voor één planweergave indicatieve ranges:^[2]

GPT-5.4:       20–100 lokale berichten / 5h
Terra:         20–110 / 5h
GPT-5.4 mini:  60–350 / 5h
Luna:          50–280 / 5h

Dit zijn ranges, geen garanties. Extra weeklimieten kunnen gelden.^[2]

Credits voor Business / Enterprise

Actuele rate card:^[3]

Werkelijk verbruik hangt af van tokens.^[3]

Grootste valkuil: reasoning-defaults

GPT-5.4 en mini documenteren none als API-default.^[8][9]

Terra en Luna documenteren medium.^[6][7]

Alleen de model slug veranderen zonder reasoning.effort te pinnen kan latency, tokenverbruik en gedrag tegelijk veranderen.

Codex Workspace kan andere defaults gebruiken

Admins kunnen starting model, reasoning level, speed, Fast Mode en new-chat behavior configureren.^[1]

De API-default beschrijft daarom niet automatisch elke Codex-sessie.

requirements.toml heeft voorrang

OpenAI documenteert:^[1]

managed requirements.toml
→ workspace starting defaults
→ lokale startkeuze van lid

Een wijziging in alleen de workspace UI kan daardoor onvoldoende zijn.

Wat moet je inventariseren?

OpenAI noemt:^[1]

workspace defaults
saved model settings
managed configurations
automations

POLPROG adviseert daarnaast CLI-scripts, CI/CD, templates, env vars, interne wrappers, documentatie en onboarding.

Oude modelreferenties zoeken

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

Optioneel:

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

Dit is een POLPROG-auditadvies, geen officieel OpenAI-migratiecommando.

Geen blinde globale replace

Oude modelnamen kunnen legitiem voorkomen in changelogs, docs, logs en snapshottests. Wijzig alleen actieve configuratie.

Let op alias gpt-5.6

OpenAI documenteert:

gpt-5.6 → GPT-5.6 Sol

^[5][10]

Gebruik voor Terra expliciet gpt-5.6-terra en voor Luna gpt-5.6-luna.^[6][7]

API-voorbeeld met Terra

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 adviseert Responses API voor reasoning, tool calling en multi-turn workflows met GPT-5.6.^[10]

High-volume voorbeeld met 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 is bedoeld voor kostenkritisch, high-volume gebruik.^[7]

Verander prompt en model niet tegelijk

OpenAI adviseert eerst alleen het model te wijzigen met een functioneel stabiele prompt en pas na evals prompts te tunen.^[10]

Zo blijft zichtbaar waar regressies vandaan komen.

Reasoning tunen

oude effort
→ dezelfde effort op GPT-5.6
→ één niveau lager testen
→ kwaliteit, latency en kosten vergelijken

^[10]

GPT-5.6 ondersteunt none, low, medium, high, xhigh, max.

Terra of Luna?

Terra: voormalige GPT-5.4-workloads, multi-file taken, complexe instructies, balans kwaliteit/kosten.

Luna: voormalige GPT-5.4-mini-workloads, veel volume, subagents, classificatie, strak afgebakende taken.

Dit volgt de officiële Codex-mapping.^[1]

En Sol?

Sol is het GPT-5.6 flagship voor complex professioneel werk.^[5]

Maar de officiële replacement voor GPT-5.4 in deze Codex-notice is Terra, niet Sol.^[1]

Context windows

GPT-5.4       1.05M → Terra 1.05M
GPT-5.4 mini  400K  → Luna 1.05M

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

Meer nominale context garandeert niet automatisch beter repo-level reasoning.

Long context en API-kosten

Voor Terra en Luna geldt bij prompts boven 272K input tokens voor de volledige request:

2× inputprijs
1.5× outputprijs

^[6][7]

Nieuwere cutoff vervangt tools niet

GPT-5.4/mini: 31 augustus 2025.

Terra/Luna: 16 februari 2026.^[6][7][8][9]

Repo-context, actuele docs, file search en web search blijven belangrijk.

Beschikbaarheid hangt van plan af

OpenAI documenteert beperkte Terra-toegang via Work/Codex voor Free/Go en bredere GPT-5.6-toegang voor Plus, Pro, Business en Enterprise.^[4]

Controleer actuele limieten steeds op de pricingpagina.^[2][4]

Automations zijn kritisch

Een automation kan een oud model pas bij de volgende geplande run gebruiken. OpenAI noemt daarom automations expliciet als migratiepunt.^[1]

Enterprise: drie lagen

1. Managed requirements.^[1]
2. Workspace defaults.^[1]
3. Lokale keuze van lid.^[1]

Audit alle drie.

Migratie-evals

Gebruik 20–50 echte taken: bugfix, refactor, tests, dependency migration, regression analysis, feature, code review en technische documentatie.

Meet:

task success
test pass rate
retry rate
diff size
out-of-scope changes
tool calls
latency
tokens
credits

Minimale eendaagse migratie

1. Inventariseer alle GPT-5.4-referenties.
2. GPT-5.4 → Terra; GPT-5.4 mini → Luna voor Codex met ChatGPT-auth.
3. Controleer workspace en managed config.
4. Update automations.
5. Pin reasoning waar stabiliteit telt.
6. Run smoke tests.
7. Optimaliseer daarna prompts en kosten.

Wat niet doen?

• Niet zeggen dat GPT-5.4 uit de API verdwijnt.
• Niet denken dat gpt-5.6 Terra is.
• API-prijzen niet gelijkstellen aan Codex-limieten.
• Model, prompt en reasoning niet tegelijk veranderen zonder baseline.
• Automations niet vergeten.
• Geen onbevestigd exact shutdown-tijdstip publiceren.

Productiechecklist

Inventory

• Alle gpt-5.4-referenties gevonden.
• Alle gpt-5.4-mini-referenties gevonden.
• Workspace defaults gecontroleerd.
• Saved settings gecontroleerd.
• Managed configs gecontroleerd.
• Automations gecontroleerd.
• CLI-scripts gecontroleerd.
• CI/CD gecontroleerd.

Configuratie

• GPT-5.4 vervangen door Terra in Codex/ChatGPT auth.
• GPT-5.4 mini vervangen door Luna.
• requirements.toml gecontroleerd.
• Starting model gecontroleerd.
• Reasoning level gecontroleerd.
• Fast Mode policy gecontroleerd.
• Alias gpt-5.6 vermeden wanneer Terra nodig is.
• Expliciete API-model-ID's gebruikt waar stabiliteit telt.

Evals

• Oude prompt als baseline behouden.
• Zelfde reasoning effort getest.
• Eén niveau lager getest.
• Test pass rate gemeten.
• Retry rate gemeten.
• Latency gemeten.
• Tokens gemeten.
• Credits gemeten.
• Out-of-scope changes beoordeeld.
• Lange agentsessies getest.

Operations

• Documentatie bijgewerkt.
• Onboarding bijgewerkt.
• Templates bijgewerkt.
• Scheduled tasks bijgewerkt.
• Post-migratie monitoring actief.
• Fallback model bepaald.
• Huidige Codex-prijzen gecontroleerd.
• Huidige limieten gecontroleerd.

POLPROG-oordeel

De wijziging van 31 augustus is belangrijk, maar smaller dan “OpenAI retiret GPT-5.4”.

GPT-5.4 en GPT-5.4 mini
→ retirement in Codex bij ChatGPT-login

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

OpenAI API → niet geraakt door deze specifieke wijziging
Codex + eigen API-key → niet geraakt

^[1]

Terra houdt 1.05M context en verlaagt standaard API-tokenprijzen met 20%.^[6][8]

Luna vergroot context van 400K naar 1.05M en verlaagt standaard tokenprijzen met ongeveer 73%.^[7][9]

De veiligste aanpak:

Volg de officiële mapping, houd eerst prompt en reasoning als baseline gelijk, run evals en optimaliseer pas daarna kosten en latency.