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 圖像 $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
依輸入長度分級的價格
整次請求依輸入長度所在級距計費。價格單位為美元/百萬 token。
| 輸入 token 數 | 輸入 | 輸出 | 思考模式輸入 |
|---|---|---|---|
| 0 - 272,000 | $0.1 | $0.5 | - |
| 272,001 - 1,050,000 | $0.2 | $0.75 | - |
Benchmark 成績
價格在同類中的位置
價格在 79 個同類模型中的位置
這條線標出這個模型的價格，在 Synthorai 的同類模型裡落在什麼位置；兩端分別是最便宜和最貴的模型。這裡列的是基礎價，批次、區域和快取寫入的折扣請見價格頁。
規格與限制
Token
| 上下文視窗（供應商規格） | 1,050,000 |
|---|---|
| 最大輸出（供應商規格） | 128,000 |
| 知識截止 | 2026-05 |
提示詞快取
| 快取方式 | 自動 + 顯式 |
|---|---|
| 最小前綴 | 1,024 |
| 存活時間 | 預設至少 30 分鐘，Responses API 可選 12 小時 |
| 寫入成本 | 1.25x (30m) / 2.5x (12h) |
思考
| 供應商參數 | reasoning.effort |
|---|---|
| 可接受的值 | 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 |
| 參數值 | minimal · low · medium · high 這是閘道的參數，實際以上方的供應商對應為準 |
模型
| 模態 | 文字 + 圖像 → 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.
依據 模型規格來源 ↗
一段提示詞，經閘道實測
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
是否照指令做（剛好三句，數得出來）、語氣是否貼合對象（寫給 CFO 看），以及下方 token 計量顯示出的隱藏思考計費落差。
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
修正是否真的正確（跑得起來）、說明的資訊密度，以及在範圍明確的任務上的 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
是否遵守 schema（不自創欄位）、面對幻覺誘因的表現（題目明確不給 guidance），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
是否遵守限制（字數上限、禁用詞清單、只能有一句問句）、文字風格的特徵，以及長度控制。
30 秒上手 GPT-6 Luna
相容 OpenAI：換掉 base_url，SDK 不用換。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，新帳號有 10 次試用呼叫和最高 $1 的免費額度，免綁卡。以輸入價 $0.1/M 計算，光是這筆額度就夠你對 GPT-6 Luna 發出約 1,250 次請求，每次約 8K token。
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。完整介紹請見「關於」一節，內容取自供應商官方的發布說明。
GPT-6 Luna 的價格是多少？
在 Synthorai 上，GPT-6 Luna 的輸入價是每百萬 token $0.1，輸出價是每百萬 token $0.5。這就是供應商官網價，平台不加價。快取命中的輸入 token 以 $0.01/M 計費。
GPT-6 Luna 的上下文長度是多少？
GPT-6 Luna 的上下文長度（上下文視窗）是 1.1M token。單次回覆最多輸出 128,000 個 token。
GPT-6 Luna 支援提示詞快取（prompt caching）嗎？
支援：自動快取預設開啟，另有顯式模式，可以自行指定快取哪些內容。快取命中的輸入 token 以 $0.01/M 計費（未命中為 $0.1/M）；提示詞要有 1,024 個 token 以上的穩定前綴，才能命中快取（TTL 預設至少 30 分鐘，Responses API 可選 12 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" 就可以了。一把 API 金鑰就能呼叫閘道上的所有模型。
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，依據供應商官方文件（查核日期：2026-09-23）。
相關模型
比較
規格與廠商 benchmark 均附來源連結。閘道支援情況說明的是 Synthorai 的實際實作。封存範例是單次閘道請求，不代表模型的一般效能保證。價格來自公開價格介面或建置時使用的快照。