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
按输入长度分档的价格
整次请求按输入长度所在档位计费。价格单位为美元/百万 token。
| 输入 token 数 | 输入 | 输出 | 思考模式输入 |
|---|---|---|---|
| 0 - 272,000 | $0.1 | $0.5 | - |
| 272,001 - 1,050,000 | $0.2 | $0.75 | - |
Benchmark 成绩
价格在同类中的位置
价格在 79 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 | 2026-05 |
提示词缓存
| 缓存方式 | 自动 + 显式 |
|---|---|
| 最小前缀 | 1,024 |
| 有效期 | 默认至少 30 分钟，Responses API 可选 12 小时 |
| 写入成本 | 1.25x (30m) / 2.5x (12h) |
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 |
| 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 |
|---|
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.
依据 模型规格来源 ↗
一条提示词，经网关实测
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，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-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（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-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
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-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
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-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-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。新账号有 10 次试用调用，免费额度最高 $1，无需绑卡。按输入 $0.1/M 计算，光这笔额度就够向 GPT-6 Luna 发约 1,250 次请求，每次 ~8K token。
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。完整介绍见「关于」部分，内容取自供应商的官方发布说明。
GPT-6 Luna 的价格是多少？
在 Synthorai 上，GPT-6 Luna 的输入价为 $0.1/百万 token，输出价为 $0.5/百万 token。这就是供应商官网价，平台不加价。缓存命中的输入 token 按 $0.01/M 计费。
GPT-6 Luna 的上下文长度是多少？
GPT-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-6 Luna 支持提示词缓存（prompt caching）吗？
支持：自动缓存默认开启，另有显式模式，可以自己指定缓存哪些内容。缓存命中的输入 token 按 $0.01/M 计费（未命中为 $0.1/M）；提示词的稳定前缀至少要有 1,024 个 token 才能缓存（TTL 默认至少 30 分钟，Responses API 可选 12 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。一个 API key 就能调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 的知识截止日期是 2026-05，以供应商官方文档为准（核对于 2026-09-23）。
相关模型
对比
规格与厂商 benchmark 均附来源链接。网关支持情况说明的是 Synthorai 的实际实现。归档示例是单次网关请求，不代表模型的一般性能保证。价格来自公开价格接口或构建时使用的快照。