GPT-6 Luna 是 OpenAI GPT-6 家族的轻量档，2026 年 9 月 22 日与 GPT-6 Sol 一同发布。
- 输入
- 文本 图像 $0.1/M
- 输出
- 文本 $0.5/M
- 缓存读取
- $0.01/M
- 上下文
- 1.1M
- 对比 GPT-4o
- 便宜约 98%
- 知识截止
- 2026-05
输入超过 272K tokens 时,整单按输入 $0.2/M、输出 $0.75/M 计价
Benchmark 成绩
价格在同类中的位置
价格在 67 个同类模型中的位置
这条线显示该模型的价格，在 Synthorai 上同类模型里处于什么位置。两端标出了最便宜和最贵的那个。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(厂商规格) | 1,050,000 |
|---|---|
| 最大输出(厂商规格) | 128,000 |
| 知识截止 | 2026-05 |
提示词缓存
| 缓存方式 | 自动 |
|---|---|
| 最低前缀 | 1,024 |
| 存活时间 | 5–10 分钟，最长 1 小时 |
思考
| 厂商参数 | 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 |
| 参数 | reasoning_effort |
| 取值 | minimal · low · medium · high 网关侧参数面——以上方厂商映射为准 |
模型
| 模态 | 文本 + 图像 → 文本 |
|---|
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.
单个 Prompt —— 通过网关实测
GPT-6 Luna 通过 · 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.
输出 117 tok (+48 思考) 延迟 3.4 s
指令遵循（恰好三句，可数）、受众适配（面向 CFO 的语气），以及下方 token 计量所暴露的隐藏思考计费缺口。
GPT-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: 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.
输出 514 tok (+356 思考) 延迟 6.9 s
修复是否真的正确（可运行）、解释的信息密度，以及在一个边界明确的任务上的 token 效率。
GPT-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 161 tok (+119 思考) 延迟 21.7 s
schema 服从度（不臆造字段）、幻觉压力（guidance 明确被暂缓给出），以及结构化输出路径的差异。
GPT-6 Luna 通过 · 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.
输出 959 tok (+813 思考) 延迟 14.6 s
约束服从度（字数预算、禁用词表、唯一的那句问句）、文风指纹，以及长度控制。
30 秒用上 GPT-6 Luna
OpenAI 兼容: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-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(""));关于 GPT-6 Luna
- OpenAI 称它是面向专注、大批量任务的最高效模型，也是 GPT-6 家族中成本最低的选择，因此很适合大规模的摘要、抽取、分类与路由。
- 它并没有为此牺牲家族的上限：保留 1,050,000 token 上下文窗口（其中输入最多 922,000 token）、128K 最大输出，支持文本与图像输入、结构化输出、流式、工具调用和提示词缓存，知识截止为 2026 年 5 月。
- 推理力度从 none 到 max，默认 medium，大批量部署可以按请求调低力度，而不必换模型。
- 输入超过 272K token 的提示词，整个请求转入长上下文价，输入为两倍、输出为 1.5 倍。
- 与 GPT-6 其余成员一样，Chat Completions 上的函数调用只在 reasoning_effort 为 none 时可用；需要同时使用工具与推理时请改用 Responses API。
- Synthorai 通过与其余模型相同的 OpenAI 兼容 API 提供 GPT-6 Luna。
常见问题
GPT-6 Luna API 可以免费试用吗?
可以。新账号可获得 10 次试用调用和最高 $1 的免费额度,无需绑卡。按输入 $0.1/M 计算,仅这笔额度就足够对 GPT-6 Luna 发起约 1,250 次 ~8K token 的请求。
GPT-6 Luna 最擅长什么?
GPT-6 家族中成本最低的模型、为专注、大批量任务打造、保留完整 1.05M 上下文与 128K 输出。完整能力请见「关于」部分,内容取自厂商官方发布说明。
GPT-6 Luna 的价格是多少?
在 Synthorai 上,GPT-6 Luna 输入 $0.1/百万 token、输出 $0.5/百万 token,即厂商牌价,无平台加价。缓存命中的输入 token 按 $0.01/M 计费。
GPT-6 Luna 支持提示词缓存(prompt caching)吗?
支持,且全自动:经 OpenAI 提供的提示词自动缓存,无需改代码。缓存命中的输入 token 按 $0.01/M 计费(未命中 $0.1/M);提示词需有 1,024 token 以上的稳定前缀才能命中缓存(TTL 5–10 分钟，最长 1 小时)。 提示词缓存指南 →
如何开通 GPT-6 Luna?
把现有 OpenAI SDK 的 base_url 指向 "https://synthorai.io/v1",model 设为 "gpt-6-luna" 即可。一把 API key 通用网关上的全部模型。
GPT-6 Luna 的知识截止日期是什么时候?
GPT-6 Luna 的知识截止日期为 2026-05,依据厂商官方文档(数据核验于 2026-09-23)。
相关模型
对比
本页每个值都转录自厂商自己的文档(链接见上),并带有核对日期。价格在全目录范围内比较;各厂商定义不同的规格值,只说明差异而不作图表对比。此处没有任何由我们测量的数据,也不做评分。