GPT-5.6 Luna는 OpenAI GPT-5.6 패밀리에서 가장 빠르고 저렴한 멤버로, 모델 페이지는 요약·초안 작성·반복 자동화 같은 비용 민감형 대용량 워크로드를 위해 설계되었다고 설명합니다.
- 입력
- 텍스트 이미지 $0.2/M
- 출력
- 텍스트 $1.2/M
- 캐시 읽기
- $0.02/M
- 컨텍스트
- 1.1M
- GPT-4o 대비
- 약 96% 저렴
- 지식 컷오프
- 2026-02
입력이 272K 토큰을 넘으면 요청 전체가 입력 $0.4/M · 출력 $1.8/M으로 과금됩니다
벤치마크
공급자 공개 자료: Alibaba (Qwen) Anthropic ByteDance DeepSeek Google MiniMax Moonshot OpenAI Tencent Z.ai
가격 수준 비교
같은 종류의 모델 68개 중 가격 위치
이 막대는 Synthorai에 있는 같은 종류의 모델 가운데 이 모델의 가격이 어디쯤인지 보여 줍니다. 양쪽 끝에는 가장 싼 모델과 가장 비싼 모델의 이름이 있습니다. 기본 요율 기준이며 배치·리전·캐시 쓰기 할인은 가격 페이지에 있습니다.
사양 및 제한
토큰
| 컨텍스트 윈도우(공급자 사양) | 1,050,000 |
|---|---|
| 최대 출력(공급자 사양) | 128,000 |
| 지식 컷오프 | 2026-02 |
프롬프트 캐싱
| 캐싱 방식 | 자동 |
|---|---|
| 최소 접두사 | 1,024 |
| 수명 | 5-10분, 최대 1시간 |
사고
| 공급자 파라미터 | reasoning.effort |
|---|---|
| 허용 값 | none · low · medium · high · xhigh · max |
| 기본값 | medium 요청에서 지정하지 않을 때 적용 |
| 비활성화 가능 | 지원 |
| 사고 동작 | Responses API는 reasoning.mode도 받으며 값은 standard(기본값) 또는 pro입니다. mode와 effort는 서로 독립적인 다이얼입니다. |
| 파라미터 | reasoning_effort |
| 값 | minimal · low · medium · high 게이트웨이가 받는 파라미터입니다. 위의 공급자 매핑이 적용됩니다 |
모델
| 모달리티 | 텍스트 + 이미지 → 텍스트 |
|---|
- 가장 빠르고 저렴한 GPT-5.6 티어로, 비용에 민감한 대용량 워크로드를 위해 설계됨(nano 티어의 후속)
- 패밀리 전체와 동일한 1.05M 컨텍스트 / 128k 최대 출력 유지
- 캐시된 입력은 정가의 10%이고 캐시 쓰기는 1.25배
- 입력 272k 토큰을 초과하는 프롬프트는 입력 2배 / 출력 1.5배로 과금
출처: OpenAI 공식 문서 ↗
프롬프트 하나, 게이트웨이를 거쳐 측정
GPT-5.6 Luna 통과 · 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.
출력 146 tok (+60 사고) 지연 시간 3.1 s
지시 준수(정확히 세 문장이라 셀 수 있음), 독자에 맞춘 어조(CFO 대상), 아래 토큰 미터에 드러나는 숨은 사고 토큰 과금 차이를 봅니다.
GPT-5.6 Luna 통과 · 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.
출력 356 tok (+161 사고) 지연 시간 4.7 s
수정이 실제로 맞는지(실행되는지), 설명이 얼마나 압축적인지, 범위가 정해진 작업에서 토큰을 얼마나 효율적으로 쓰는지를 봅니다.
GPT-5.6 Luna 통과 · 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"}
출력 227 tok (+181 사고) 지연 시간 3.6 s
스키마 준수(없는 필드를 지어내지 않는지), 환각을 유도하는 조건에서의 대응(guidance 값을 일부러 주지 않음), 구조화된 출력 경로의 차이를 봅니다.
GPT-5.6 Luna 통과 · 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. […]
출력 948 tok (+778 사고) 지연 시간 8.0 s
제약 준수(단어 수 제한, 금지어 목록, 의문문 하나), 문체의 특징, 길이 조절을 봅니다.
30초 만에 GPT-5.6 Luna 사용하기
OpenAI 호환입니다. base_url만 바꾸고 SDK는 그대로 쓰세요. 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(""));GPT-5.6 Luna 소개
- OpenAI의 모델 선택 지침은 효율적인 대용량 작업에는 Luna를, 더 낮은 가격에 강력한 성능이 필요하면 Terra를, 플래그십 성능이 요건이면 Sol을 가리킵니다.
- 패밀리의 1,050,000 토큰 컨텍스트 윈도우(벤더 스펙)와 128K 최대 출력 토큰을 그대로 유지하고, 이미지 입력을 받으며, 추론 토큰을 지원하고, 웹 검색·파일 검색·코드 인터프리터·컴퓨터 사용·호스티드 셸·apply patch·스킬·도구 검색·MCP를 포함한 호스팅 도구 세트에 접근할 수 있습니다.
- 지식 컷오프는 2026년 2월입니다.
- 요청에서 추론 강도를 생략하면 이 세대 전반에서 medium으로 결정되며, 사다리는 가장 어려운 사례를 위한 새로운 max 수준까지 올라갑니다.
- 캐시된 입력은 정가 입력 가격의 10분의 1로, 캐시 쓰기는 1.25배로 과금되어 긴 프롬프트를 재사용하는 파이프라인에 알맞은 반면, 272K 입력 토큰을 넘는 프롬프트는 요청 전체에 대해 입력 2배, 출력 1.5배로 과금됩니다.
- 함수 호출, 스트리밍, 구조화 출력, Batch가 모두 지원됩니다.
- Synthorai는 모든 GPT 모델과 동일한 OpenAI 호환 chat completions 엔드포인트로 GPT-5.6 Luna를 서빙합니다.
자주 묻는 질문
GPT-5.6 Luna API는 무료로 사용해 볼 수 있나요?
네. 신규 계정에는 체험 호출 10회와 최대 $1의 무료 크레딧을 드리며, 카드 등록은 필요 없습니다. 입력 100만 토큰당 $0.2 기준으로 계산하면, 이 크레딧만으로 GPT-5.6 Luna에 약 8K 토큰짜리 요청을 625회쯤 보낼 수 있습니다.
GPT-5.6 Luna는 어떤 작업에 가장 강한가요?
가장 빠르고 저렴한 GPT-5.6 티어, 패밀리의 1,050,000 토큰 컨텍스트 그대로 유지, 캐시 입력은 정가의 10분의 1. 자세한 내용은 공급자의 공식 릴리스 노트를 바탕으로 정리한 소개 섹션에서 확인하세요.
GPT-5.6 Luna 가격은 얼마인가요?
Synthorai에서 GPT-5.6 Luna 가격은 입력 100만 토큰당 $0.2, 출력 100만 토큰당 $1.2입니다. 공급자 정가 그대로이며 플랫폼 마진은 없습니다. 캐시된 입력 토큰은 100만 토큰당 $0.02입니다.
GPT-5.6 Luna의 컨텍스트 길이는 얼마인가요?
GPT-5.6 Luna의 컨텍스트 윈도우는 1.1M 토큰입니다. 한 번의 응답으로 최대 128,000 토큰까지 출력할 수 있습니다.
GPT-5.6 Luna는 프롬프트 캐싱을 지원하나요?
네, 자동으로 지원합니다. OpenAI에서 처리하는 프롬프트는 코드를 바꾸지 않아도 캐시됩니다. 캐시된 입력 토큰은 100만 토큰당 $0.02입니다(캐시되지 않으면 $0.2). 캐시되려면 프롬프트에 1,024토큰 이상의 변하지 않는 접두사가 있어야 합니다 (TTL 5-10분, 최대 1시간). 프롬프트 캐싱 가이드 →
GPT-5.6 Luna는 어떻게 이용하나요?
쓰던 OpenAI SDK에서 base_url="https://synthorai.io/v1", model="gpt-5.6-luna"만 지정하면 됩니다. API 키 하나로 게이트웨이의 모든 모델을 쓸 수 있습니다.
GPT-5.6 Luna의 지식 컷오프는 언제인가요?
공급자 공식 문서에 따르면 GPT-5.6 Luna의 지식 컷오프는 2026-02입니다(2026-07-10 기준).
관련 모델
비교
이 페이지의 모든 값은 공급자 공식 문서(위 링크)에서 그대로 옮겨 적었으며, 확인한 날짜를 함께 표기합니다. 가격은 카탈로그 전체와 비교해 보여 주지만, 공급자마다 정의가 다른 사양 값은 차이만 밝히고 차트로 비교하지 않습니다. 저희가 직접 측정한 수치는 없고, 점수도 매기지 않습니다.