GPT-6 Luna 是 OpenAI GPT-6 家族的輕量級，2026 年 9 月 22 日與 GPT-6 Sol 一同發布。
- 輸入
- 文字 影像 $0.1/M
- 輸出
- 文字 $0.5/M
- 快取讀取
- $0.01/M
- 上下文
- 1.1M
- 相較 GPT-4o
- 便宜約 98%
- 知識截止
- 2026-05
輸入超過 272K tokens 時,整筆按輸入 $0.2/M、輸出 $0.75/M 計價
Benchmark 成績
價格在同類中的位置
價格在 67 個同類模型中的位置
這條線顯示該模型的價格，在 Synthorai 上同類模型裡處於什麼位置。兩端標出了最便宜和最貴的那個。這裡是基礎價，批次、區域與快取寫入的折扣見價格頁。
規格與限制
Token
| 上下文視窗(廠商規格) | 1,050,000 |
|---|---|
| 最大輸出(廠商規格) | 128,000 |
| 知識截止 | 2026-05 |
提示詞快取
| 快取方式 | 自動 |
|---|---|
| 最低前綴 | 1,024 |
| 存活時間 | 5–10 分鐘，最長 1 小時 |
思考
| 廠商參數 | reasoning.effort |
|---|---|
| 可選值 | none · low · medium · high · xhigh · max |
| 預設值 | medium 請求未指定時生效 |
| 可關閉 | 支援 |
| 參數 | reasoning_effort |
| 取值 | minimal · low · medium · high 閘道側參數面——以上方廠商映射為準 |
模型
| 模態 | 文字 + 影像 → 文字 |
|---|
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.
單一提示詞 — 經由閘道測量
GPT-6 Luna 通過 · 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.
輸出 117 tok (+48 思考) 延遲 3.4 s
指令遵循（恰好三句，可數）、受眾適配（面向 CFO 的語氣），以及下方 token 計量所暴露的隱藏思考計費缺口。
GPT-6 Luna 通過 · 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.
輸出 514 tok (+356 思考) 延遲 6.9 s
修復是否真的正確（可執行）、解釋的資訊密度，以及在一個邊界明確的任務上的 token 效率。
GPT-6 Luna 通過 · 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"}
輸出 161 tok (+119 思考) 延遲 21.7 s
schema 服從度（不臆造欄位）、幻覺壓力（guidance 明確被暫緩給出），以及結構化輸出路徑的差異。
GPT-6 Luna 通過 · 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.
輸出 959 tok (+813 思考) 延遲 14.6 s
約束服從度（字數預算、禁用詞表、唯一的那句問句）、文風指紋，以及長度控制。
30 秒用上 GPT-6 Luna
OpenAI 相容:換掉 base_url,SDK 不用改。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(""));關於 GPT-6 Luna
- OpenAI 稱它是面向專注、大量任務的最高效模型，也是 GPT-6 家族中成本最低的選擇，因此很適合大規模的摘要、擷取、分類與路由。
- 它並未因此犧牲家族的上限：保留 1,050,000 token 上下文視窗（其中輸入最多 922,000 token）、128K 最大輸出，支援文字與影像輸入、結構化輸出、串流、工具呼叫與提示詞快取，知識截止為 2026 年 5 月。
- 推理力度從 none 到 max，預設 medium，大量部署可依請求調低力度，而不必更換模型。
- 輸入超過 272K token 的提示詞，整個請求轉入長上下文價，輸入為兩倍、輸出為 1.5 倍。
- 與 GPT-6 其他成員相同，Chat Completions 上的函式呼叫只在 reasoning_effort 為 none 時可用；需要同時使用工具與推理時請改用 Responses API。
- Synthorai 透過與其餘模型相同的 OpenAI 相容 API 提供 GPT-6 Luna。
常見問題
GPT-6 Luna API 可以免費試用嗎?
可以,新帳號可獲得 10 次試用呼叫和最高 $1 的免費額度,無需信用卡。以輸入 $0.1/M 計算,光是這筆額度就足以對 GPT-6 Luna 發出約 1,250 次 ~8K token 的請求。
GPT-6 Luna 最擅長什麼?
GPT-6 家族中成本最低的模型、為專注、大量任務打造、保留完整 1.05M 上下文與 128K 輸出。完整能力請見「關於」一節,內容取自廠商官方發布說明。
GPT-6 Luna 的價格是多少?
在 Synthorai 上,GPT-6 Luna 輸入 $0.1/百萬 token、輸出 $0.5/百萬 token,即廠商牌價,無平台加價。快取命中的輸入 token 以 $0.01/M 計費。
GPT-6 Luna 支援提示詞快取(prompt caching)嗎?
支援,且全自動:由 OpenAI 供應的提示詞會自動快取,無需改程式碼。快取命中的輸入 token 以 $0.01/M 計費(未命中 $0.1/M);提示詞需有 1,024 個 token 以上的穩定前綴才能命中快取(TTL 5–10 分鐘，最長 1 小時)。 提示詞快取指南 →
如何開通 GPT-6 Luna?
把現有 OpenAI SDK 的 base_url 指向 "https://synthorai.io/v1",model 設為 "gpt-6-luna" 即可。一組 API key 通用閘道上的所有模型。
GPT-6 Luna 的知識截止日期是什麼時候?
GPT-6 Luna 的知識截止日期為 2026-05,依據廠商官方文件(資料核驗於 2026-09-23)。
相關模型
對比
本頁每個值都轉錄自廠商自己的文件(連結見上),並帶有核對日期。價格在全目錄範圍內比較;各廠商定義不同的規格值,只說明差異而不作圖表對比。此處沒有任何由我們測量的資料,也不做評分。