GPT-6 Luna 是 OpenAI 最高效的 GPT-6 模型,2026 年 9 月 22 日与 GPT-6 Sol 同日发布,在家族里排在 Sol 之下。API id 为 gpt-6-luna。官方把价格相对 GPT-5.6 Luna 的推广价砍了一半:每 1M 输入 token $0.10、输出 $0.50,缓存输入仅 $0.01。上下文保持 1,050,000 token,推理强度支持从 none 到 max。
上一代廉价档见 GPT-5.6 Luna,中间档是 GPT-5.6 Terra。
核心功能
- GPT-6 里最便宜的一档:$0.10/$0.50,缓存输入 $0.01。官方把 Luna 定位给批量分类、路由和长 agent 循环。
- 完整的 GPT-6 上下文:1,050,000 token 上下文,最大输入 922,000、最大输出 128,000,和 Sol、Astra 同一规格。
- 推理强度含
none:none/low/medium(默认)/high/xhigh/max。想在 Chat Completions 上做函数调用,强度必须停在none。 - 免费档也能用:官方称 Free 与 Go 用户可在桌面 app 中访问 GPT-6 Luna;付费套餐则在 ChatGPT Work 与 Codex 中拿到 Sol 和 Luna。
- 已进入 Copilot:GitHub 支持模型表中 GPT-6 Luna 已标为 GA,与 GPT-6 Sol、GPT-6 Astra 并列。
模型规格
| 规格 | GPT-6 Luna |
|---|---|
| API 模型 | gpt-6-luna |
| 上下文 | 1,050,000 token |
| 最大输入 | 922,000 token |
| 最大输出 | 128,000 token |
| 知识截止 | 2026-05-18 |
| 推理强度 | none, low, medium, high, xhigh, max |
| 模态 | 文本+图片输入,文本输出 |
定价
来自 OpenAI GPT-6 Luna 模型页 的 Standard 文本价:
| 项目 | 每 1M token |
|---|---|
| 输入 | $0.10 |
| 缓存读取 | $0.01 |
| 缓存写入 | $0.125 |
| 输出 | $0.50 |
272K 加价规则同样适用:输入超过 272K token 的请求,整单按输入/缓存 2 倍、输出 1.5 倍计费。Batch / Flex 为 Standard 的 50%,Fast mode 为 2 倍。
适用场景
- 高并发分类与路由:官方把 Luna 放在快速档之下,$0.10 的输入价让扇出型调用模式变得便宜。
- 有成本上限的编程:官方数据 DeepSWE v1.1 中,GPT-6 Luna(max)拿到 66.6%,大致相当于 Claude Opus 5 与 Fable 5 在 medium 强度下的水平,而单任务成本比 Opus 5 低约 93%。
- 预算内的业务自动化:官方称 AutomationBench 上 GPT-6 Luna(high)比上一代提升 5.4 个百分点,单任务成本低 58%。
- 低价位的电脑操作:官方称 OSWorld 2.0 离线子集上,GPT-6 Luna(max)超过 GPT-5.6 Sol(medium),而成本约为其十分之一。
限制:省下来的钱体现在单任务成本上,而不是分数上。Artificial Analysis 给 GPT-6 Luna 的智能指数是 37.3,低于 Sol、Astra 和当前 Claude 前沿。真正需要深度推理的任务里,为了拿到正确答案而多烧的 token 会把省下的钱吃回去。
快速开始
- 在 Responses API 把
model设为gpt-6-luna。 - 先用默认的
medium;纯抽取类任务可以降到low或none。 - 缓存共享前缀。缓存输入每 1M token $0.01,比新鲜输入便宜 10 倍。
- 长 prompt 尽量压在 272K 输入 token 以内,除非你接受倍数计费。
常见问题
GPT-6 Luna 和 GPT-6 Sol 有什么区别?
两者共享 1.05M 上下文与 none 到 max 的强度档位。Luna 输入价便宜 20 倍,面向吞吐与延迟;Sol 面向高难编程和 agent 任务。官方定价分别是 $0.10/$0.50 与 $2/$10。
可以免费用吗?
不是产品层面的免费,但官方称 Free 与 Go 用户可以在 ChatGPT 桌面 app 中使用 GPT-6 Luna。这是第一个不需要付费套餐就能广泛接触到的 GPT-6 模型。
要从 GPT-5.6 Luna 迁移吗?
如果负载对成本敏感且以高并发为主,是:同样的上下文窗口,标价低 50%。但请先在自己的评测集上重测准确率。
替代方案
- GPT-6 Sol:Luna 分数不够时的上一档。
- GPT-6 Astra:最难任务上的 OpenAI 旗舰。
- GPT-5.6 Luna:上一代廉价档。
使用技巧
- 按难度路由。简单流量走
none/low,把xhigh和max留给少数难请求。 - 注意缓存写入价。每 1M token $0.125 虽然便宜,但比普通输入 token 贵 25%,只缓存你真的会复用的前缀。
- 别默认「更便宜就更差」。在官方若干基准上,Luna 的 max 强度反超上一代 Sol 的 medium 强度。
总结
GPT-6 Luna 是 OpenAI 的走量型号:1.05M 上下文、最高 max 的推理强度,$0.10/$0.50 的定价压过 GPT-6 全线其它档位。先读官方公告与 API 模型页,再把真正需要更高能力的流量路由到 GPT-6 Sol。
评论
还没有评论。成为第一个评论的人!
相关工具
相关洞察
GPT-6 Astra 没追上 Fable 5.1,追上的是账单
Artificial Analysis 智能指数上 Fable 5.1 66 分、Astra 61 分,Astra 没追上智力。但完成同一批任务的成本只要 Fable 5.1 的不到一半,真正收紧的是账单,不是脑子。
7 款 AI 编程 CLI 用了半年,我悟出一个道理:模型再强,干活也要有监督
Claude Code、Codex、opencode、pi、omp、DeepSeek Harness 各有性格。半年深度使用后我总结出一套分工矩阵:pi 做最省事的 CR、omp 审复杂 PR、DeepSeek Harness 配 V4 Flash 高频低成本审查、Claude Code 与 Qoder 写代码。模型再强,干活也要有监督,而且最好是独立第三方。

Anthropic Subagent:多智能体时代的架构革命
深入解析 Anthropic 的多智能体架构设计。了解如何通过 Subagent 突破上下文窗口限制,实现性能提升 90%,以及多智能体系统在 Claude Code 中的实际应用。