GPT-5.6 Luna 是 OpenAI GPT-5.6 家族中最快、最实惠的成员，其模型页称它是为成本敏感的大批量负载设计的，例如摘要、起草和日常自动化。
- 输入
- 文本 图像 $0.2/M
- 输出
- 文本 $1.2/M
- 缓存读取
- $0.02/M
- 上下文
- 1.1M
- 对比 GPT-4o
- 便宜约 96%
- 知识截止
- 2026-02
输入超过 272K token 时，整个请求按输入 $0.4/M、输出 $1.8/M 计费
Benchmark 成绩
供应商公布： Alibaba (Qwen) Anthropic ByteDance DeepSeek Google MiniMax Moonshot OpenAI Tencent Z.ai
价格在同类中的位置
价格在 68 个同类模型中的位置
这条线标出该模型的价格在 Synthorai 同类模型中的位置，两端分别是最便宜和最贵的模型。这里是基础价，批量、区域和缓存写入的折扣见价格页。
规格与限制
Token
| 上下文窗口（供应商规格） | 1,050,000 |
|---|---|
| 最大输出（供应商规格） | 128,000 |
| 知识截止 | 2026-02 |
提示词缓存
| 缓存方式 | 自动 |
|---|---|
| 最小前缀 | 1,024 |
| 有效期 | 5–10 分钟，最长 1 小时 |
思考
| 供应商参数 | reasoning.effort |
|---|---|
| 可选值 | none · low · medium · high · xhigh · max |
| 默认值 | medium 请求未指定时生效 |
| 可关闭 | 支持 |
| 思考行为 | Responses API 还接受 reasoning.mode，取值为 standard（默认）或 pro；mode 与 effort 是彼此独立的旋钮 |
| 参数 | reasoning_effort |
| 取值 | minimal · low · medium · high 这是网关侧的参数，实际以上方的供应商映射为准 |
模型
| 模态 | 文本 + 图像 → 文本 |
|---|
- 最快、最实惠的 GPT-5.6 档位，面向成本敏感的大批量负载（nano 档的继任者）
- 保留该家族完整的 1.05M 上下文 / 128k 最大输出
- 缓存输入为标价的 10%，缓存写入为 1.25x
- 输入超过 272k token 的提示词按 2x 输入 / 1.5x 输出计费
一条提示词，经网关实测
GPT-5.6 Luna 通过 · 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.
输出 146 tok (+60 思考) 延迟 3.1 s
指令遵循（恰好三句，数得出来）、受众适配（对 CFO 说话的口吻），以及下方 token 计数暴露出的隐藏思考计费差额。
GPT-5.6 Luna 通过 · 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.
输出 356 tok (+161 思考) 延迟 4.7 s
修复是否真的正确（能运行）、解释的信息密度，以及在一个范围明确的任务上的 token 效率。
GPT-5.6 Luna 通过 · 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"}
输出 227 tok (+181 思考) 延迟 3.6 s
是否严守 schema（不臆造字段）、能否顶住幻觉压力（原文明说暂不给出 guidance），以及结构化输出路径的差异。
GPT-5.6 Luna 通过 · 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. […]
输出 948 tok (+778 思考) 延迟 8.0 s
是否守住约束（字数预算、禁用词表、只能有一个问句）、文风特征，以及长度控制。
30 秒用上 GPT-5.6 Luna
兼容 OpenAI：换掉 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-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(""));关于 GPT-5.6 Luna
- OpenAI 的选型指引把高效的大批量工作指向 Luna，把以更低价格获得强性能指向 Terra，而在需要旗舰能力时指向 Sol。
- 它保留该家族完整的 1,050,000 token 上下文窗口（厂商规格）和 128K 最大输出 token，接受图像输入，支持推理 token，并可使用包含网页搜索、文件搜索、代码解释器、computer use、托管 shell、apply patch、skills、工具搜索和 MCP 在内的托管工具集，知识截止为 2026 年 2 月。
- 在这一代中，请求里省略推理力度时会解析为 medium，而力度阶梯可达新的 max 档以应对最难的情形。
- 缓存输入按标价输入的十分之一计费，缓存写入为 1.25 倍，适合复用长提示词的管线；输入超过 272K token 的提示词则整个请求按 2 倍输入价和 1.5 倍输出价计费。
- 函数调用、流式、结构化输出和 Batch 均受支持。
- Synthorai 通过与每个 GPT 模型相同的 OpenAI 兼容 chat completions 端点提供 GPT-5.6 Luna。
常见问题
GPT-5.6 Luna API 可以免费试用吗？
可以。新账号有 10 次试用调用，免费额度最高 $1，无需绑卡。按输入 $0.2/M 计算，光这笔额度就够向 GPT-5.6 Luna 发约 625 次请求，每次 ~8K token。
GPT-5.6 Luna 最擅长什么？
GPT-5.6 家族最快最实惠的档位、保留家族完整 1,050,000 token 上下文、缓存输入仅为标价的十分之一。完整介绍见「关于」部分，内容取自供应商的官方发布说明。
GPT-5.6 Luna 的价格是多少？
在 Synthorai 上，GPT-5.6 Luna 的输入价为 $0.2/百万 token，输出价为 $1.2/百万 token。这就是供应商官网价，平台不加价。缓存命中的输入 token 按 $0.02/M 计费。
GPT-5.6 Luna 的上下文长度是多少？
GPT-5.6 Luna 的上下文长度（上下文窗口）是 1.1M token。单次回复最多输出 128,000 个 token。
GPT-5.6 Luna 支持提示词缓存（prompt caching）吗？
支持，而且全自动：经 OpenAI 处理的提示词会自动缓存，不用改代码。缓存命中的输入 token 按 $0.02/M 计费（未命中为 $0.2/M）；提示词的稳定前缀至少要有 1,024 个 token 才能缓存（TTL 5–10 分钟，最长 1 小时）。 提示词缓存指南 →
如何开通 GPT-5.6 Luna？
把现有 OpenAI SDK 的 base_url 指向 "https://synthorai.io/v1"，model 设为 "gpt-5.6-luna" 即可。一个 API key 就能调用网关上的全部模型。
GPT-5.6 Luna 的知识截止日期是什么时候？
GPT-5.6 Luna 的知识截止日期是 2026-02，以供应商官方文档为准（核对于 2026-07-10）。
相关模型
对比
本页的每个数值都照录自供应商自己的文档（链接见上），并标有核对日期。价格是在整个目录范围内比较的；各家供应商定义不一样的规格项，只说明差异，不画图对比。这里没有任何一项是我们自己测的，也不打分。