GPT-6 Luna ist die leichte Stufe der GPT-6-Familie von OpenAI, erschienen am 22.
- Eingabe
- Text Bild $0.1/M
- Ausgabe
- Text $0.5/M
- Cache-Read
- $0.01/M
- Kontext
- 1.1M
- vs. GPT-4o
- ~98% günstiger
- Knowledge Cutoff
- 2026-05
Prompts über 272K Tokens: die gesamte Anfrage wird mit $0.2/M Eingabe · $0.75/M Ausgabe berechnet
Benchmarks
Herstellerangaben: Alibaba (Qwen) Anthropic DeepSeek Google OpenAI Z.ai
Preis im Vergleich
Preisposition unter 67 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. Es sind Grundpreise; Rabatte für Batch, Region und Cache-Schreibvorgänge stehen auf der Preisseite.
Spezifikationen & Limits
Tokens
| Kontextfenster (Herstellerangabe) | 1.050.000 |
|---|---|
| Max. Output (Anbieter-Spezifikation) | 128.000 |
| Knowledge Cutoff | 2026-05 |
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 |
| Parameter | reasoning_effort |
| Werte | minimal · low · medium · high die Parameteroberfläche des Gateways - das Anbieter-Mapping oben gilt |
Modell
| Modalitäten | Text + Bild → Text |
|---|
OpenAI's most efficient GPT-6 model for focused, high-volume tasks and the lowest-cost option in the family. 1.05M context of which up to 922K can be input, 128K max output. Prompts over 272K input tokens move the whole request onto the long-context rate (2x input and cache, 1.5x output). On Chat Completions, function calling works only with reasoning_effort set to none.
Ein Prompt, gemessen über das Gateway
GPT-6 Luna bestanden · 3 sentences
Enabling reasoning typically makes the model process more information and generate more internal tokens before producing its answer. Because usage is billed by tokens—and reasoning may also route requests to a more expensive model—the cost per request can rise sharply. If request volume stayed similar, that higher cost per request could explain why the bill doubled.
Ausgabe 117 tok (+48 Denken) Latenz 3.4 s
Befolgen der Anweisung (genau drei Sätze - abzählbar), Zuschnitt auf das Publikum (CFO-Register), und die Abrechnungslücke durch verstecktes Denken, die die Token-Zähler unten offenlegen.
GPT-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: cur = 1 best = max(best, cur) return best ``` The original code counted matching *adjacent pairs* rather than items, so a run of length `n` was reported as `n - 1`, and a single-item input returned `0`. This version counts the current item as part of each run and updates `best` at every index, including the last; it returns `0` for an empty input.
Ausgabe 514 tok (+356 Denken) Latenz 6.9 s
Ob der Fix tatsächlich korrekt ist (ausführbar), die Dichte der Erklärung, und die Token-Effizienz bei einer klar begrenzten Aufgabe.
GPT-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 161 tok (+119 Denken) Latenz 21.7 s
Schema-Treue (keine erfundenen Felder), Halluzinationsdruck (guidance wird ausdrücklich zurückgehalten), und Unterschiede im Pfad für strukturierte Ausgabe.
GPT-6 Luna bestanden · 120 words, 0 banned, 1 question
Introducing Prompt Cache, a new API gateway feature that recognizes repeat prompt prefixes and reuses provider-side cached context across supported models. Teams can route requests to different AI providers while preserving eligible cache hits, reducing redundant input processing and helping lower latency and token costs. Configure cache policies in one place, monitor hit rates by provider, and keep existing client integrations unchanged. The gateway applies provider-specific rules automatically, so developers do not need to build separate caching logic for each endpoint. Which workflows could benefit from faster responses and predictable spend? Prompt Cache is available today in preview for eligible accounts, with usage details, supported providers, and setup guidance in the dashboard. Start with one route, compare results, then expand.
Ausgabe 959 tok (+813 Denken) Latenz 14.6 s
Einhaltung der Vorgaben (Wortbudget, Liste verbotener Wörter, die eine Frage), Stil-Fingerabdruck, und Längensteuerung.
GPT-6 Luna in 30 Sekunden nutzen
OpenAI-kompatibel: Tauschen Sie die base_url, behalten Sie Ihr SDK. 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-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-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-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-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-6-luna")
.addUserMessage("Summarize this diff")
.reasoningEffort(ReasoningEffort.MEDIUM)
.build());
System.out.println(resp.choices().get(0).message().content().orElse(""));Über GPT-6 Luna
- September 2026 zusammen mit GPT-6 Sol.
- OpenAI nennt es sein effizientestes Modell für fokussierte Aufgaben mit hohem Volumen und die günstigste Option der GPT-6-Familie, was es zur naheliegenden Wahl für Zusammenfassung, Extraktion, Klassifizierung und Routing im großen Maßstab macht.
- Dafür verzichtet es nicht auf die Grenzen der Familie: Es behält das Kontextfenster von 1.050.000 Token, davon bis zu 922.000 Token Eingabe, 128K maximale Ausgabe-Token, Text- und Bildeingabe, strukturierte Ausgaben, Streaming, Tool-Nutzung und Prompt-Caching, mit einem Wissensstand von Mai 2026.
- Der Reasoning-Aufwand reicht von none bis max mit medium als Standard, sodass ein Einsatz mit hohem Volumen ihn pro Anfrage senken kann, statt das Modell zu wechseln.
- Prompts über 272K Eingabe-Token verschieben die gesamte Anfrage auf den Langkontext-Tarif mit doppeltem Eingabe- und 1,5-fachem Ausgabepreis.
- Wie beim Rest von GPT-6 funktioniert Function Calling auf Chat Completions nur mit reasoning_effort none; für Tools und Reasoning zusammen die Responses API verwenden.
- Synthorai stellt GPT-6 Luna über dieselbe OpenAI-kompatible API bereit wie die übrigen Modelle.
FAQ
Lässt sich die GPT-6 Luna API kostenlos testen?
Ja, neue Konten erhalten 10 Test-Calls und bis zu $1 kostenloses Guthaben, keine Kreditkarte erforderlich. Bei $0.1/M Input-Tokens deckt allein dieses Guthaben rund 1,250 Requests mit je ~8K Tokens gegen GPT-6 Luna ab.
Worin ist GPT-6 Luna am besten?
Günstigstes Modell der GPT-6-Familie; für fokussierte Aufgaben mit hohem Volumen gebaut; behält den vollen 1,05M-Kontext und 128K Ausgabe. Das vollständige Bild finden Sie im Über-Abschnitt, direkt aus den offiziellen Release Notes des Anbieters.
Was kostet GPT-6 Luna?
GPT-6 Luna kostet auf Synthorai $0.1 pro Million Input-Tokens und $0.5 pro Million Output-Tokens. Das ist der Listenpreis des Anbieters, ohne Plattform-Aufschlag. Gecachte Input-Tokens werden mit $0.01/M abgerechnet.
Unterstützt GPT-6 Luna Prompt-Caching?
Ja, automatisch: Über OpenAI ausgelieferte Prompts werden ohne Codeänderungen gecacht. Gecachte Input-Tokens werden mit $0.01/M statt $0.1/M (ungecacht) abgerechnet; Prompts brauchen ein stabiles Präfix von 1,024 Tokens, um gecacht zu werden (TTL 5-10 Min., bis zu 1 Std.). Prompt-Caching-Guide →
Wie erhalte ich Zugang zu GPT-6 Luna?
Richten Sie Ihr vorhandenes OpenAI SDK auf base_url="https://synthorai.io/v1", setzen Sie model="gpt-6-luna", fertig. Ein API-Key deckt jedes Modell auf dem Gateway ab.
Wo liegt der Knowledge Cutoff von GPT-6 Luna?
Der Knowledge Cutoff von GPT-6 Luna liegt bei 2026-05, laut offizieller Dokumentation des Anbieters (Stand: 2026-09-23).
Verwandte Modelle
Vergleichen
Jeder Wert auf dieser Seite ist aus der Dokumentation des Anbieters übernommen, oben verlinkt, und trägt das Datum der Prüfung. Preise werden über den gesamten Katalog verglichen; Spezifikationswerte, die Anbieter unterschiedlich definieren, werden mit benanntem Unterschied gezeigt statt grafisch verglichen. Nichts hier wird von uns gemessen, und nichts wird bewertet.