GPT-5.6 Luna ist das schnellste und günstigste Mitglied von OpenAIs GPT-5.6-Familie, auf seiner Modellseite beschrieben als ausgelegt für kostensensible Workloads mit hohem Volumen wie Zusammenfassung, Entwurfserstellung und Routineautomatisierung.
- Eingabe
- Text Bild $0.2/M
- Ausgabe
- Text $1.2/M
- Cache-Lesen
- $0.02/M
- Kontext
- 1.1M
- vs. GPT-4o
- ~96% günstiger
- Knowledge-Cutoff
- 2026-02
Prompts mit mehr als 272K Tokens: Die gesamte Anfrage wird mit $0.4/M Eingabe · $1.8/M Ausgabe berechnet
Benchmarks
Anbieterangaben: Alibaba (Qwen) Anthropic ByteDance DeepSeek Google MiniMax Moonshot OpenAI Tencent Z.ai
Preis im Vergleich
Der Preis im Feld von 68 vergleichbaren Modellen
Der Balken zeigt, wo der Preis dieses Modells unter allen Modellen derselben Art auf Synthorai liegt. An beiden Enden stehen das günstigste und das teuerste Modell. Angegeben sind Grundpreise; Rabatte für Batch, Region und Cache-Schreibzugriffe stehen auf der Preisseite.
Spezifikationen & Limits
Tokens
| Kontextfenster (laut Anbieter) | 1.050.000 |
|---|---|
| Max. Ausgabe (laut Anbieter) | 128.000 |
| Knowledge-Cutoff | 2026-02 |
Prompt-Caching
| Modus | automatisch |
|---|---|
| Min. Präfix | 1.024 |
| Lebensdauer | 5-10 Min., bis zu 1 Std. |
Thinking
| Anbieter-Parameter | reasoning.effort |
|---|---|
| Zulässige Werte | none · low · medium · high · xhigh · max |
| Standardwert | medium gilt, wenn die Anfrage nichts angibt |
| Abschaltbar | Ja |
| Thinking-Verhalten | Die Responses API nimmt zusätzlich reasoning.mode entgegen, entweder standard (der Standardwert) oder pro; mode und effort sind voneinander unabhängige Regler. |
| Parameter | reasoning_effort |
| Werte | minimal · low · medium · high Parameter des Gateways; maßgeblich ist das Anbieter-Mapping oben |
Modell
| Modalitäten | Text + Bild → Text |
|---|
- Schnellste und günstigste GPT-5.6-Stufe, ausgelegt auf kostensensible Workloads mit hohem Volumen (Nachfolger der Nano-Stufe)
- behält den vollen Kontext der Familie von 1.05M / 128k max. Output
- gecachter Input zu 10% des Listenpreises bei 1,25x für Cache-Schreibvorgänge
- Prompts über 272k Input-Token werden mit 2x Input / 1,5x Output abgerechnet
Ein Prompt, gemessen über das Gateway
GPT-5.6 Luna bestanden · 3 sentences
Enabling reasoning causes the model to use substantially more computational steps and generated tokens per request, even when the visible answer is similar. Because our provider charges based largely on token consumption and compute, that increased processing translated into roughly twice the cost. We can control the expense by reserving reasoning for complex tasks, setting token and effort limits, and monitoring cost per successful outcome.
Ausgabe 146 tok (+60 Thinking) Latenz 3.1 s
Befolgen der Anweisung (genau drei Sätze, das lässt sich zählen), Zuschnitt auf die Zielgruppe (Tonfall für einen CFO) und die Abrechnungslücke durch nicht sichtbares Thinking, die die Token-Zähler unten offenlegen.
GPT-5.6 Luna bestanden · 8/8 cases
```python def longest_run(xs): if not xs: return 0 best = cur = 1 for i in range(1, len(xs)): if xs[i] == xs[i - 1]: cur += 1 else: best = max(best, cur) cur = 1 return max(best, cur) ``` The bug is that `cur` counts equal *transitions* rather than the number of items in the current run, so a single-element run returns `0` and a run of length `n` returns `n - 1`; additionally, `best` is only updated when a run is interrupted, so a run continuing through the final element is not finalized before returning. Initializing the current run to one item, resetting it to one after a change, and taking a final `max` fixes both issues.
Ausgabe 356 tok (+161 Thinking) Latenz 4.7 s
Ob der Fix wirklich korrekt ist (er lässt sich ausführen), wie dicht die Erklärung ist und wie sparsam das Modell bei einer klar begrenzten Aufgabe mit Tokens umgeht.
GPT-5.6 Luna bestanden · 5/5 fields, guidance "Withheld pending the Q4 close"
{"company":"Meridian Robotics","quarter":"September quarter","revenue_usd_m":412,"growth_pct":null,"guidance":"Withheld pending the Q4 close"}
Ausgabe 227 tok (+181 Thinking) Latenz 3.6 s
Schema-Treue (keine erfundenen Felder), Anreiz zum Halluzinieren (der Text nennt ausdrücklich keine guidance) und Unterschiede zwischen den Wegen zur strukturierten Ausgabe.
GPT-5.6 Luna bestanden · 120 words, 0 banned, 1 question
Introducing PromptCache, an API gateway feature that caches prompts across providers, helping teams reduce latency, control spend, and deliver consistent results. How much faster could your applications respond when repeated prompts are served from a shared cache instead of being sent upstream? PromptCache supports provider-aware routing, configurable time-to-live policies, encrypted storage, cache invalidation, and usage analytics through one operational layer. It works with language-model providers while preserving your authentication, observability, and fallback workflows. Developers can enable caching by endpoint, model, tenant, or prompt pattern, then monitor hit rates and savings in real time. Built for production workloads, PromptCache gives platform teams controls for performance and cost without requiring application rewrites. […]
Ausgabe 948 tok (+778 Thinking) Latenz 8.0 s
Einhaltung der Vorgaben (Wortbudget, Liste verbotener Wörter, genau eine Frage), stilistische Handschrift und Kontrolle über die Länge.
GPT-5.6 Luna in 30 Sekunden nutzen
OpenAI-kompatibel: base_url austauschen, SDK behalten. POST /v1/chat/completions
from openai import OpenAI
client = OpenAI(
base_url="https://synthorai.io/v1",
api_key="sk-syn-...",
)
resp = client.chat.completions.create(
model="gpt-5.6-luna",
messages=[{"role": "user", "content": "Summarize this diff"}],
reasoning_effort="medium",
)
print(resp.choices[0].message.content)import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://synthorai.io/v1",
apiKey: "sk-syn-...",
});
const resp = await client.chat.completions.create({
model: "gpt-5.6-luna",
messages: [{ role: "user", content: "Summarize this diff" }],
reasoning_effort: "medium",
});
console.log(resp.choices[0].message.content);curl https://synthorai.io/v1/chat/completions \
-H "Authorization: Bearer sk-syn-..." \
-H "Content-Type: application/json" \
-d '{
"model": "gpt-5.6-luna",
"messages": [{"role": "user", "content": "Hello"}],
"reasoning_effort": "medium"
}'package main
import (
"context"
"fmt"
"github.com/openai/openai-go/v3"
"github.com/openai/openai-go/v3/option"
)
func main() {
client := openai.NewClient(
option.WithBaseURL("https://synthorai.io/v1"),
option.WithAPIKey("sk-syn-..."),
)
resp, _ := client.Chat.Completions.New(context.TODO(), openai.ChatCompletionNewParams{
Model: "gpt-5.6-luna",
Messages: []openai.ChatCompletionMessageParamUnion{
openai.UserMessage("Summarize this diff"),
},
ReasoningEffort: openai.ReasoningEffortMedium,
})
fmt.Println(resp.Choices[0].Message.Content)
}import com.openai.client.OpenAIClient;
import com.openai.client.okhttp.OpenAIOkHttpClient;
import com.openai.models.chat.completions.*;
import com.openai.models.ReasoningEffort;
OpenAIClient client = OpenAIOkHttpClient.builder()
.baseUrl("https://synthorai.io/v1")
.apiKey("sk-syn-...")
.build();
ChatCompletion resp = client.chat().completions().create(
ChatCompletionCreateParams.builder()
.model("gpt-5.6-luna")
.addUserMessage("Summarize this diff")
.reasoningEffort(ReasoningEffort.MEDIUM)
.build());
System.out.println(resp.choices().get(0).message().content().orElse(""));Über GPT-5.6 Luna
- OpenAIs Leitfaden zur Modellauswahl verweist für effiziente Arbeit mit hohem Volumen auf Luna, für starke Leistung zu einem niedrigeren Preis auf Terra und auf Sol, wenn Flaggschiff-Fähigkeit gefordert ist.
- Es behält das vollständige Kontextfenster der Familie von 1.050.000 Token (Herstellerangabe) und maximal 128K Output-Token, nimmt Bildeingabe entgegen, unterstützt Reasoning-Token und erreicht den Satz gehosteter Tools einschließlich Websuche, Dateisuche, Code Interpreter, Computer Use, gehosteter Shell, Apply Patch, Skills, Tool-Suche und MCP, mit einem Knowledge Cutoff im Februar 2026.
- Ein aus einer Anfrage weggelassener Reasoning-Aufwand löst sich in dieser Generation zu medium auf, und die Leiter reicht für die schwierigsten Fälle bis zur neuen Stufe max.
- Gecachte Eingaben werden mit einem Zehntel des Listen-Input-Preises abgerechnet, Cache-Schreibvorgänge mit 1,25x, was zu Pipelines passt, die lange Prompts wiederverwenden, während Prompts über 272K Input-Token für die gesamte Anfrage mit 2x Input und 1,5x Output abgerechnet werden.
- Function Calling, Streaming, strukturierte Ausgaben und Batch werden alle unterstützt.
- Synthorai stellt GPT-5.6 Luna über denselben OpenAI-kompatiblen Chat-Completions-Endpoint bereit wie jedes GPT-Modell.
FAQ
Lässt sich die GPT-5.6 Luna API kostenlos testen?
Ja. Neue Konten erhalten 10 Testaufrufe und bis zu $1 Gratisguthaben, ohne Kreditkarte. Bei $0.2/M für Eingabe-Tokens reicht allein dieses Guthaben für rund 625 Anfragen an GPT-5.6 Luna mit je ~8K Tokens.
Worin ist GPT-5.6 Luna am besten?
Schnellste, günstigste GPT-5.6-Stufe; behält den vollen 1.050.000-Token-Kontext der Familie; gecachter Input zu einem Zehntel des Listenpreises. Mehr dazu im Über-Abschnitt, der auf den offiziellen Release Notes des Anbieters beruht.
Was kostet GPT-5.6 Luna?
GPT-5.6 Luna kostet auf Synthorai $0.2 pro Million Eingabe-Tokens und $1.2 pro Million Ausgabe-Tokens. Das ist der Listenpreis des Anbieters, ohne Plattformaufschlag. Gecachte Eingabe-Tokens werden mit $0.02/M abgerechnet.
Wie groß ist das Kontextfenster von GPT-5.6 Luna?
GPT-5.6 Luna hat auf Synthorai ein Kontextfenster von 1.1M Tokens. Eine einzelne Antwort kann bis zu 128,000 Tokens lang sein.
Unterstützt GPT-5.6 Luna Prompt-Caching?
Ja, automatisch: Über OpenAI ausgelieferte Prompts werden ohne Codeänderungen gecacht. Gecachte Eingabe-Tokens werden mit $0.02/M statt $0.2/M (ungecacht) abgerechnet; Prompts brauchen ein stabiles Präfix von 1,024 Tokens, um gecacht zu werden (TTL 5-10 Min., bis zu 1 Std.). Leitfaden zum Prompt-Caching →
Wie erhalte ich Zugang zu GPT-5.6 Luna?
Setzen Sie in Ihrem vorhandenen OpenAI SDK base_url="https://synthorai.io/v1" und model="gpt-5.6-luna", mehr ist nicht nötig. Ein API-Schlüssel gilt für alle Modelle im Gateway.
Wo liegt der Knowledge-Cutoff von GPT-5.6 Luna?
Der Knowledge-Cutoff von GPT-5.6 Luna liegt bei 2026-02, laut offizieller Dokumentation des Anbieters (Stand: 2026-07-10).
Verwandte Modelle
Vergleichen
Jeder Wert auf dieser Seite stammt aus der oben verlinkten Dokumentation des Anbieters und trägt das Datum, an dem wir ihn geprüft haben. Preise vergleichen wir über den gesamten Katalog. Spezifikationen, die Anbieter unterschiedlich definieren, zeigen wir mit einem Hinweis auf den Unterschied und nicht als Diagramm. Wir messen hier nichts selbst und vergeben keine Bewertungen.