GPT-6 Luna는 OpenAI GPT-6 제품군의 경량 티어로, 2026년 9월 22일 GPT-6 Sol과 함께 출시되었습니다.
- 입력
- 텍스트 이미지 $0.1/M
- 출력
- 텍스트 $0.5/M
- 캐시 읽기
- $0.01/M
- 컨텍스트
- 1.1M
- GPT-4o 대비
- 약 98% 저렴
- 지식 컷오프
- 2026-05
입력 길이별 요금
전체 요청에 입력 길이 구간의 단가가 적용됩니다. 요금은 100만 토큰당 미국 달러입니다.
| 입력 토큰 수 | 입력 | 출력 | 사고 모드 입력 |
|---|---|---|---|
| 0 - 272,000 | $0.1 | $0.5 | - |
| 272,001 - 1,050,000 | $0.2 | $0.75 | - |
벤치마크
공급자 공개 자료: Alibaba (Qwen) Anthropic DeepSeek Google OpenAI Z.ai
가격 수준 비교
같은 종류의 모델 79개 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 | 2026-05 |
프롬프트 캐싱
| 캐싱 방식 | 자동 + 명시적 |
|---|---|
| 최소 접두사 | 1,024 |
| 수명 | 기본 최소 30분, Responses API에서 12시간 선택 가능 |
| 쓰기 비용 | 1.25x (30m) / 2.5x (12h) |
사고
| 공급자 파라미터 | reasoning.effort |
|---|---|
| 허용 값 | none · low · medium · high · xhigh · max |
| 기본값 | medium 요청에서 지정하지 않을 때 적용 |
| 비활성화 가능 | 지원 |
| 파라미터 | reasoning_effort |
| 값 | minimal · low · medium · high 게이트웨이가 받는 파라미터입니다. 위의 공급자 매핑이 적용됩니다 |
모델
| 모달리티 | 텍스트 + 이미지 → 텍스트 |
|---|
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.
출처: 모델 사양 출처 ↗
프롬프트 하나, 게이트웨이를 거쳐 측정
GPT-6 Luna 통과 · 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.
출력 117 tok (+48 사고) 지연 시간 3.4 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-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: 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.
출력 514 tok (+356 사고) 지연 시간 6.9 s
수정이 실제로 맞는지(실행되는지), 설명이 얼마나 압축적인지, 범위가 정해진 작업에서 토큰을 얼마나 효율적으로 쓰는지를 봅니다.
GPT-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 161 tok (+119 사고) 지연 시간 21.7 s
스키마 준수(없는 필드를 지어내지 않는지), 환각을 유도하는 조건에서의 대응(guidance 값을 일부러 주지 않음), 구조화된 출력 경로의 차이를 봅니다.
GPT-6 Luna 통과 · 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.
출력 959 tok (+813 사고) 지연 시간 14.6 s
제약 준수(단어 수 제한, 금지어 목록, 의문문 하나), 문체의 특징, 길이 조절을 봅니다.
30초 만에 GPT-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-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 소개
- OpenAI는 이를 집중적인 대량 작업을 위한 가장 효율적인 모델이자 GPT-6 제품군에서 가장 저렴한 선택지라고 설명하며, 대규모 요약, 추출, 분류, 라우팅에 잘 맞습니다.
- 그렇다고 제품군의 한계를 줄이지는 않았습니다.
- 1,050,000 토큰 컨텍스트 창(입력은 최대 922,000 토큰), 128K 최대 출력, 텍스트와 이미지 입력, 구조화 출력, 스트리밍, 도구 사용, 프롬프트 캐싱을 유지하며 지식 컷오프는 2026년 5월입니다.
- 추론 강도는 none부터 max까지이고 기본값은 medium이므로, 대량 처리 배포에서는 모델을 바꾸지 않고 요청별로 강도를 낮출 수 있습니다.
- 입력이 272K 토큰을 넘는 프롬프트는 요청 전체가 입력 2배, 출력 1.5배의 긴 컨텍스트 요금으로 넘어갑니다.
- GPT-6의 다른 모델과 마찬가지로 Chat Completions의 함수 호출은 reasoning_effort가 none일 때만 가능하니, 도구와 추론을 함께 쓰려면 Responses API를 사용하세요.
- Synthorai는 다른 모델과 같은 OpenAI 호환 API로 GPT-6 Luna를 제공합니다.
자주 묻는 질문
GPT-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 $0.1 기준으로 계산하면, 이 크레딧만으로 GPT-6 Luna에 약 8K 토큰짜리 요청을 1,250회쯤 보낼 수 있습니다.
GPT-6 Luna는 어떤 작업에 가장 강한가요?
GPT-6 제품군에서 가장 저렴한 모델, 집중적인 대량 작업을 위해 설계, 1.05M 컨텍스트와 128K 출력을 그대로 유지. 자세한 내용은 공급자의 공식 릴리스 노트를 바탕으로 정리한 소개 섹션에서 확인하세요.
GPT-6 Luna 가격은 얼마인가요?
Synthorai에서 GPT-6 Luna 가격은 입력 100만 토큰당 $0.1, 출력 100만 토큰당 $0.5입니다. 공급자 정가 그대로이며 플랫폼 마진은 없습니다. 캐시된 입력 토큰은 100만 토큰당 $0.01입니다.
GPT-6 Luna의 컨텍스트 길이는 얼마인가요?
GPT-6 Luna의 컨텍스트 윈도우는 1.1M 토큰입니다. 한 번의 응답으로 최대 128,000 토큰까지 출력할 수 있습니다.
GPT-6 Luna는 프롬프트 캐싱을 지원하나요?
네, 자동 캐싱이 기본으로 켜져 있고, 캐시할 내용을 직접 지정하는 명시적 모드도 있습니다. 캐시된 입력 토큰은 100만 토큰당 $0.01입니다(캐시되지 않으면 $0.1). 캐시되려면 프롬프트에 1,024토큰 이상의 변하지 않는 접두사가 있어야 합니다 (TTL 기본 최소 30분, Responses API에서 12시간 선택 가능). 프롬프트 캐싱 가이드 →
GPT-6 Luna는 어떻게 이용하나요?
쓰던 OpenAI SDK에서 base_url="https://synthorai.io/v1", model="gpt-6-luna"만 지정하면 됩니다. API 키 하나로 게이트웨이의 모든 모델을 쓸 수 있습니다.
GPT-6 Luna의 지식 컷오프는 언제인가요?
공급자 공식 문서에 따르면 GPT-6 Luna의 지식 컷오프는 2026-05입니다(2026-09-23 기준).
관련 모델
비교
사양과 공급업체 벤치마크에는 출처 링크가 있습니다. 게이트웨이 지원 범위는 Synthorai의 실제 구현을 뜻합니다. 보관된 예제는 개별 게이트웨이 요청의 결과이며 모델의 일반적인 성능을 보장하지 않습니다. 요금은 공개 요금 API 또는 빌드 시 사용한 스냅샷을 기준으로 합니다.