O GPT-5.6 Luna é o membro mais rápido e mais acessível da família GPT-5.6 da OpenAI, descrito em sua página de modelo como projetado para cargas de trabalho sensíveis a custo e de alto volume como sumarização, redação de rascunhos e automação rotineira.
- Entrada
- texto imagem $0.2/M
- Saída
- texto $1.2/M
- Leitura de cache
- $0.02/M
- Contexto
- 1.1M
- vs GPT-4o
- ~96% mais barato
- Corte de conhecimento
- 2026-02
Prompts acima de 272K tokens: toda a requisição é cobrada a $0.4/M de entrada · $1.8/M de saída
Benchmarks
Publicado pelos provedores: Alibaba (Qwen) Anthropic ByteDance DeepSeek Google MiniMax Moonshot OpenAI Tencent Z.ai
O preço em contexto
Posição do preço entre 68 modelos comparáveis
A barra mostra onde fica o preço deste modelo entre todos os modelos do mesmo tipo na Synthorai. Nas extremidades aparecem o mais barato e o mais caro. São as tarifas base; os descontos de batch, região e escrita de cache estão na página de preços.
Especificações e limites
Tokens
| Janela de contexto (especificação do provedor) | 1.050.000 |
|---|---|
| Saída máxima (especificação do provedor) | 128.000 |
| Corte de conhecimento | 2026-02 |
Cache de prompts
| Modo | automático |
|---|---|
| Prefixo mín. | 1.024 |
| Duração | 5-10 min, até 1 hora |
Raciocínio
| Parâmetro do provedor | reasoning.effort |
|---|---|
| Valores aceitos | none · low · medium · high · xhigh · max |
| Valor padrão | medium usado quando a requisição não define nada |
| Pode ser desativado | Sim |
| Comportamento do raciocínio | A Responses API também aceita reasoning.mode, standard (o padrão) ou pro; mode e effort são controles independentes. |
| Parâmetro | reasoning_effort |
| Valores | minimal · low · medium · high parâmetros expostos pelo gateway; vale o mapeamento do provedor indicado acima |
Modelo
| Modalidades | texto + imagem → texto |
|---|
- Nível GPT-5.6 mais rápido e mais acessível, projetado para cargas de alto volume sensíveis a custo (sucessor do nível nano)
- mantém o contexto completo de 1,05M / saída máxima de 128k da família
- entrada em cache a 10% do preço de tabela, com escritas de cache a 1,25x
- prompts acima de 272k tokens de entrada cobrados a 2x na entrada / 1,5x na saída
conforme documentação oficial da OpenAI ↗
Um prompt, medido pelo gateway
GPT-5.6 Luna passou · 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.
saída 146 tok (+60 raciocínio) latência 3.1 s
Se a instrução é seguida (exatamente três frases, dá para contar), a adequação ao público (tom para um CFO) e a diferença de cobrança causada pelo raciocínio oculto, que os medidores de tokens abaixo deixam à mostra.
GPT-5.6 Luna passou · 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.
saída 356 tok (+161 raciocínio) latência 4.7 s
Se a correção está mesmo certa (dá para executar), a densidade da explicação e a eficiência em tokens em uma tarefa bem delimitada.
GPT-5.6 Luna passou · 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"}
saída 227 tok (+181 raciocínio) latência 3.6 s
Aderência ao schema (sem campos inventados), pressão para alucinar (o texto diz explicitamente que o guidance não foi divulgado) e diferenças no caminho de saída estruturada.
GPT-5.6 Luna passou · 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. […]
saída 948 tok (+778 raciocínio) latência 8.0 s
Respeito às restrições (limite de palavras, lista de palavras proibidas, uma única pergunta), a marca de estilo de cada modelo e o controle do tamanho.
Use o GPT-5.6 Luna em 30 segundos
Compatível com OpenAI: troque a base_url, mantenha seu 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-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(""));Sobre o GPT-5.6 Luna
- A orientação de seleção de modelos da OpenAI aponta o Luna para trabalho eficiente e de alto volume, o Terra para desempenho forte a um preço menor, e o Sol quando a capacidade de carro-chefe é o requisito.
- Ele mantém a janela de contexto completa de 1.050.000 tokens da família (especificação do fornecedor) e os 128K tokens de saída máxima, aceita entrada de imagem, suporta tokens de raciocínio e alcança o conjunto de ferramentas hospedadas incluindo busca na web, busca em arquivos, interpretador de código, uso de computador, shell hospedado, apply patch, skills, busca de ferramentas e MCP, com um corte de conhecimento de fevereiro de 2026.
- O esforço de raciocínio omitido de uma requisição resolve para medium em toda esta geração, e a escada alcança o novo nível max para os casos mais difíceis.
- A entrada em cache é cobrada a um décimo do preço de tabela de entrada, com gravações de cache a 1,25x, o que combina com pipelines que reutilizam prompts longos, enquanto prompts acima de 272K tokens de entrada são cobrados a 2x a entrada e 1,5x a saída para a requisição inteira.
- Function calling, streaming, saídas estruturadas e Batch são todos suportados.
- A Synthorai serve o GPT-5.6 Luna pelo mesmo endpoint de chat completions compatível com OpenAI que qualquer modelo GPT.
Perguntas frequentes
A API do GPT-5.6 Luna é gratuita para testar?
Sim. Contas novas recebem 10 chamadas de teste e até $1 em créditos gratuitos, sem precisar de cartão. A $0.2/M de tokens de entrada, só esse crédito já cobre cerca de 625 requisições de ~8K tokens ao GPT-5.6 Luna.
Em que o GPT-5.6 Luna é melhor?
Nível GPT-5.6 mais rápido e acessível; mantém o contexto completo de 1.050.000 tokens da família; entrada em cache a um décimo do preço de tabela. Veja na seção Sobre o quadro completo, tirado das notas de lançamento do próprio provedor.
Quanto custa o GPT-5.6 Luna?
Na Synthorai, o GPT-5.6 Luna custa $0.2 por milhão de tokens de entrada e $1.2 por milhão de tokens de saída. É o preço de tabela do provedor, sem markup da plataforma. Tokens de entrada em cache são cobrados a $0.02/M.
Qual é a janela de contexto do GPT-5.6 Luna?
O GPT-5.6 Luna tem uma janela de contexto de 1.1M tokens na Synthorai. Uma única resposta pode ter até 128,000 tokens.
O GPT-5.6 Luna suporta cache de prompts?
Sim, automaticamente: prompts servidos pela OpenAI entram em cache sem nenhuma mudança no código. Tokens de entrada em cache são cobrados a $0.02/M, contra $0.2/M sem cache; os prompts precisam de um prefixo estável de 1,024 tokens para entrar em cache (TTL 5-10 min, até 1 hora). Guia de cache de prompts →
Como obtenho acesso ao GPT-5.6 Luna?
Aponte o SDK da OpenAI que você já usa para base_url="https://synthorai.io/v1", defina model="gpt-5.6-luna" e pronto. Uma única chave de API cobre todos os modelos do gateway.
Qual é o corte de conhecimento do GPT-5.6 Luna?
O corte de conhecimento do GPT-5.6 Luna é 2026-02, segundo a documentação oficial do provedor (verificado em 2026-07-10).
Modelos relacionados
Comparar
Cada valor desta página foi transcrito da documentação do provedor, com link acima, e traz a data em que foi verificado. Os preços são comparados em todo o catálogo; já as especificações que cada provedor define de um jeito aparecem com a diferença indicada, em vez de irem para um gráfico. Nada aqui foi medido por nós, e nada recebe nota.