GPT-6 Luna est le niveau léger de la famille GPT-6 d'OpenAI, sorti le 22 septembre 2026 avec GPT-6 Sol.
- Entrée
- texte image $0.1/M
- Sortie
- texte $0.5/M
- Lecture de cache
- $0.01/M
- Contexte
- 1.1M
- vs GPT-4o
- ~98% moins cher
- Coupure des connaissances
- 2026-05
Tarifs selon la longueur en entrée
Le tarif de la tranche de longueur en entrée s’applique à toute la requête. Prix en USD par million de tokens.
| Tokens en entrée | Entrée | Sortie | Entrée (mode réflexion) |
|---|---|---|---|
| 0 - 272 000 | $0.1 | $0.5 | - |
| 272 001 - 1 050 000 | $0.2 | $0.75 | - |
Benchmarks
Chiffres publiés par les fournisseurs : Alibaba (Qwen) Anthropic DeepSeek Google OpenAI Z.ai
Le prix en perspective
Position du prix parmi 79 modèles comparables
La barre situe le prix de ce modèle parmi tous les modèles du même type sur Synthorai. Le moins cher et le plus cher sont nommés à chaque extrémité. Ce sont des tarifs de base ; les remises liées au batch, à la région et aux écritures de cache figurent sur la page des tarifs.
Spécifications et limites
Tokens
| Fenêtre de contexte (spécification du fournisseur) | 1 050 000 |
|---|---|
| Sortie max (spéc. fournisseur) | 128 000 |
| Coupure des connaissances | 2026-05 |
Mise en cache
| Mode | automatique + explicite |
|---|---|
| Préfixe min. | 1 024 |
| Durée de vie | au moins 30 min par défaut, 12 h en option sur l'API Responses |
| Coût d'écriture | 1.25x (30m) / 2.5x (12h) |
Réflexion
| Paramètre du fournisseur | reasoning.effort |
|---|---|
| Valeurs acceptées | none · low · medium · high · xhigh · max |
| Valeur par défaut | medium appliquée si la requête ne précise rien |
| Désactivable | Oui |
| Paramètre | reasoning_effort |
| Valeurs | minimal · low · medium · high paramètres exposés par la passerelle ; la correspondance avec ceux du fournisseur, ci-dessus, s'applique |
Modèle
| Modalités | texte + image → texte |
|---|
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.
Un prompt, mesuré via la passerelle
GPT-6 Luna réussi · 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.
sortie 117 tok (+48 réflexion) latence 3.4 s
Le respect de la consigne (exactement trois phrases, ça se compte), l'adaptation au public visé (le registre d'un directeur financier) et l'écart de facturation dû à la réflexion masquée, que révèlent les compteurs de tokens ci-dessous.
GPT-6 Luna réussi · 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.
sortie 514 tok (+356 réflexion) latence 6.9 s
La justesse réelle du correctif (il s'exécute), la densité de l'explication et l'économie de tokens sur une tâche bien délimitée.
GPT-6 Luna réussi · 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"}
sortie 161 tok (+119 réflexion) latence 21.7 s
Le respect du schéma (aucun champ inventé), la tentation d'halluciner (le texte indique que la guidance n'est pas communiquée) et les différences entre les mécanismes de sortie structurée.
GPT-6 Luna réussi · 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.
sortie 959 tok (+813 réflexion) latence 14.6 s
Le respect des contraintes (nombre de mots, liste de mots interdits, une seule question), l'empreinte stylistique et la maîtrise de la longueur.
Utilisez GPT-6 Luna en 30 secondes
Compatible OpenAI : changez la base_url, gardez votre 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(""));À propos de GPT-6 Luna
- OpenAI le présente comme son modèle le plus efficace pour les tâches ciblées à fort volume et l'option la moins chère de la famille GPT-6, ce qui en fait le choix naturel pour le résumé, l'extraction, la classification et le routage à grande échelle.
- Il ne sacrifie pas pour autant les limites de la famille : il conserve la fenêtre de contexte de 1 050 000 tokens, dont jusqu'à 922 000 en entrée, 128K tokens de sortie maximale, l'entrée texte et image, les sorties structurées, le streaming, l'usage d'outils et le cache de prompts, avec une date limite de connaissances fixée à mai 2026.
- L'effort de raisonnement va de none à max, medium par défaut, si bien qu'un déploiement à fort volume peut le réduire requête par requête au lieu de changer de modèle.
- Les prompts de plus de 272K tokens d'entrée font passer toute la requête au tarif de contexte long, avec un prix d'entrée doublé et un prix de sortie multiplié par 1,5.
- Comme pour le reste de GPT-6, l'appel de fonctions sur Chat Completions ne marche qu'avec reasoning_effort à none ; utilisez la Responses API lorsque vous avez besoin des outils et du raisonnement ensemble.
- Synthorai propose GPT-6 Luna via la même API compatible OpenAI que le reste de son catalogue.
FAQ
Peut-on essayer l'API GPT-6 Luna gratuitement ?
Oui : les nouveaux comptes reçoivent 10 appels d'essai et jusqu'à $1 de crédit gratuit, sans carte bancaire. À $0.1/M de tokens en entrée, ce crédit couvre à lui seul environ 1,250 requêtes de ~8K tokens sur GPT-6 Luna.
Quels sont les points forts de GPT-6 Luna ?
Le modèle le moins cher de la famille GPT-6 ; conçu pour les tâches ciblées à fort volume ; conserve le contexte complet de 1,05M et 128K de sortie. La section À propos en donne un aperçu complet, tiré des notes de version du fournisseur.
Combien coûte GPT-6 Luna ?
Sur Synthorai, GPT-6 Luna coûte $0.1 par million de tokens en entrée et $0.5 par million de tokens en sortie, soit le tarif public du fournisseur, sans majoration de plateforme. Les tokens d'entrée en cache sont facturés $0.01/M.
Quelle est la fenêtre de contexte de GPT-6 Luna ?
GPT-6 Luna dispose d'une fenêtre de contexte de 1.1M tokens sur Synthorai. Une réponse peut compter jusqu'à 128,000 tokens.
GPT-6 Luna prend-il en charge la mise en cache des prompts ?
Oui : la mise en cache automatique est activée par défaut, et un mode explicite permet de choisir ce qui est mis en cache. Les tokens d'entrée en cache sont facturés $0.01/M contre $0.1/M hors cache ; les prompts doivent avoir un préfixe stable de 1,024 tokens pour être mis en cache (TTL au moins 30 min par défaut, 12 h en option sur l'API Responses). Guide de mise en cache des prompts →
Comment obtenir l'accès à GPT-6 Luna ?
Dans votre SDK OpenAI actuel, indiquez base_url="https://synthorai.io/v1" et model="gpt-6-luna", et c'est tout. Une seule clé API donne accès à tous les modèles de la passerelle.
Quelle est la date de coupure des connaissances de GPT-6 Luna ?
Date de coupure des connaissances de GPT-6 Luna : 2026-05, selon la documentation officielle du fournisseur (au 2026-09-23).
Modèles associés
Comparer
Les spécifications et les benchmarks des fournisseurs renvoient à leurs sources. La prise en charge par la passerelle décrit l’implémentation de Synthorai. Les exemples archivés sont des requêtes individuelles, sans garantie de performance générale du modèle. Les prix proviennent du flux public ou de son instantané utilisé lors de la compilation.