GPT-6 Luna は OpenAI の GPT-6 ファミリーの軽量ティアで、2026 年 9 月 22 日に GPT-6 Sol とともにリリースされました。
- 入力
- テキスト 画像 $0.1/M
- 出力
- テキスト $0.5/M
- キャッシュ読み取り
- $0.01/M
- コンテキスト
- 1.1M
- GPT-4o 比
- 約 98% 割安
- 知識カットオフ
- 2026-05
入力長別の料金
リクエスト全体に入力長の区分の単価が適用されます。料金は100万トークンあたりの米ドルです。
| 入力トークン数 | 入力 | 出力 | 思考モード入力 |
|---|---|---|---|
| 0 - 272,000 | $0.1 | $0.5 | - |
| 272,001 - 1,050,000 | $0.2 | $0.75 | - |
ベンチマーク
ベンダー公表値： Alibaba (Qwen) Anthropic DeepSeek Google OpenAI Z.ai
価格の位置づけ
同種の 79 モデルの中での価格の位置
このバーは、Synthorai の同種モデルの中で、このモデルの価格がどのあたりにあるかを示しています。両端には、最も安いモデルと最も高いモデルの名前を表示しています。表示しているのは基本料金で、バッチ、リージョン、キャッシュ書き込みに関する割引は料金ページに記載しています。
仕様と制限
トークン
| コンテキストウィンドウ（ベンダー仕様） | 1,050,000 |
|---|---|
| 最大出力（ベンダー仕様） | 128,000 |
| 知識カットオフ | 2026-05 |
プロンプトキャッシュ
| キャッシュ方式 | 自動 + 明示 |
|---|---|
| 最小プレフィックス | 1,024 |
| 保持時間 | デフォルトで最低 30 分、Responses API では 12 時間も選択可 |
| 書き込みコスト | 1.25x (30m) / 2.5x (12h) |
思考
| ベンダー側パラメータ | reasoning.effort |
|---|---|
| 指定可能な値 | none · low · medium · high · xhigh · max |
| デフォルト | medium リクエストで未指定の場合に適用 |
| 無効化の可否 | 対応 |
| パラメータ | reasoning_effort |
| 値 | minimal · low · medium · high ゲートウェイ側のパラメータ。上のベンダー別の対応が適用されます |
モデル
| モダリティ | テキスト + 画像 → テキスト |
|---|
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.
出典：モデル仕様の出典 ↗
1 つのプロンプトを実行（ゲートウェイ経由で測定）
GPT-6 Luna 合格 · 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.
出力 117 tok (+48 思考) レイテンシ 3.4 s
指示への忠実さ（ちょうど 3 文という、数えて確かめられる条件）、読み手に合わせた書き分け（CFO 向けの語り口）、そして下のトークンメーターに表れる、表示されない思考への課金の差。
GPT-6 Luna 合格 · 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.
出力 514 tok (+356 思考) レイテンシ 6.9 s
修正が本当に正しいか（実行して確かめられる）、説明の密度、範囲の限られたタスクでのトークン効率。
GPT-6 Luna 合格 · 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"}
出力 161 tok (+119 思考) レイテンシ 21.7 s
スキーマの遵守（存在しないフィールドを作らない）、ハルシネーションを誘う条件への耐性（guidance は明示的に伏せてある）、構造化出力の実現方法の違い。
GPT-6 Luna 合格 · 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.
出力 959 tok (+813 思考) レイテンシ 14.6 s
制約の遵守（語数の上限、禁止語リスト、疑問文はひとつだけ）、文体の癖、長さの制御。
30 秒で GPT-6 Luna を使い始める
OpenAI 互換。base_url を差し替えるだけで、SDK はそのまま。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(""));GPT-6 Luna について
- OpenAI は、焦点を絞った大量処理タスク向けの最も効率的なモデルであり、GPT-6 ファミリーで最も低コストの選択肢だとしており、大規模な要約、抽出、分類、ルーティングに適しています。
- そのためにファミリーの上限を削ってはいません。
- 1,050,000 トークンのコンテキストウィンドウ（入力は最大 922,000 トークン）、128K の最大出力、テキストと画像の入力、構造化出力、ストリーミング、ツール利用、プロンプトキャッシュを備え、知識カットオフは 2026 年 5 月です。
- 推論エフォートは none から max まで、既定は medium なので、大量処理の運用ではモデルを切り替えずにリクエストごとに下げられます。
- 入力が 272K トークンを超えるプロンプトはリクエスト全体が長コンテキスト料金（入力 2 倍、出力 1.5 倍）になります。
- GPT-6 の他のモデルと同様、Chat Completions での関数呼び出しは reasoning_effort が none のときのみ使えます。
- ツールと推論を併用する場合は Responses API を使ってください。
- Synthorai は他のモデルと同じ OpenAI 互換 API で GPT-6 Luna を提供します。
よくある質問
GPT-6 Luna API は無料で試せますか？
はい。新規アカウントには 10 回のお試し呼び出しと最大 $1 の無料クレジットが付き、カード登録は不要です。入力 $0.1/M で計算すると、このクレジットだけで、約 8K トークンのリクエストを GPT-6 Luna に約 1,250 回送れます。
GPT-6 Luna は何が得意ですか？
GPT-6 ファミリーで最も低コストのモデル、焦点を絞った大量処理タスク向け、1.05M コンテキストと 128K 出力をそのまま維持。詳しくは、ベンダー公式のリリースノートをもとにまとめた、このページのモデル紹介セクションをご覧ください。
GPT-6 Luna の料金はいくらですか？
Synthorai での GPT-6 Luna の料金は、入力 100 万トークンあたり $0.1、出力 100 万トークンあたり $0.5 です。プロバイダーの定価のままで、プラットフォーム手数料はかかりません。キャッシュ済み入力トークンは $0.01/M で課金されます。
GPT-6 Luna のコンテキスト長はどれくらいですか？
GPT-6 Luna のコンテキストウィンドウは 1.1M トークンです。1 回の応答で出力できるのは最大 128,000 トークンです。
GPT-6 Luna はプロンプトキャッシュに対応していますか？
はい。自動キャッシュがデフォルトで有効なうえ、キャッシュする内容を自分で指定できる明示モードもあります。キャッシュ済み入力トークンは $0.01/M（未キャッシュは $0.1/M）で課金されます。なお、キャッシュには 1,024 トークン以上の、内容が変わらないプレフィックスが必要です（TTL デフォルトで最低 30 分、Responses API では 12 時間も選択可）。 プロンプトキャッシュガイド →
GPT-6 Luna を利用するには？
お使いの OpenAI SDK の base_url を "https://synthorai.io/v1" に向け、model="gpt-6-luna" を設定すれば完了です。API キー 1 本でゲートウェイ上のすべてのモデルを利用できます。
GPT-6 Luna の知識カットオフはいつですか？
ベンダー公式ドキュメントによると、GPT-6 Luna の知識カットオフは 2026-05 です（2026-09-23 時点）。
関連モデル
比較
仕様とベンダーのベンチマークには出典を付記しています。ゲートウェイの対応状況は Synthorai の実装を示します。保存された例は個々のリクエストの結果であり、モデル全般の性能を保証するものではありません。料金は公開料金 API またはビルド時のスナップショットに基づきます。