GPT 6 Luna
gpt-6-lunaGPT-6 系列面向目标明确、大规模调用工作负载的高效推理模型。支持文本和图像输入、文本输出、流式响应、结构化输出与提示缓存；上下文窗口 1,050,000 tokens，最大输出 128,000 tokens。工具调用推荐使用 Responses API；Chat Completions 仅在 reasoning_effort=none 时支持函数调用。支持的推理强度：none, low, medium, high, xhigh, max。知识截止时间：2026 年 5 月 18 日。价格按 OpenAI Standard 标准费率配置；输入超过 272K tokens 时，整次请求按长上下文费率计费。
- 起始价格
- 查看完整计费明细
- 上下文
- 1.1M
- 最大输入窗口
- 最大输出
- 128K
- 单次响应最大 token 数
- 模态
- →
- 知识截止
- May 2026
- 发布于
- Sep 2026
按供应商定价
比较同一模型在不同供应商的价格与服务表现。
| 供应商 | 折扣 | 档位 | 输入/M | 输出/M | 缓存读取/M | 缓存写入 (5m)/M | ||||
|---|---|---|---|---|---|---|---|---|---|---|
OpenAI Openai官方接口 | 省40% | standard输入 ≤ 272K tokens | $0.06 | $0.3 | $0.006 | $0.075 | ||||
long_context输入 > 272K tokens | $0.12 | $0.45 | $0.012 | $0.15 | ||||||
GGPT官+AZ 混合 适合生产环境，az 和官 key 混合渠道 | 省40% | standard输入 ≤ 272K tokens | $0.06 | $0.3 | $0.006 | $0.075 | ||||
long_context输入 > 272K tokens | $0.12 | $0.45 | $0.012 | $0.15 | ||||||
GPT特价 适合vibe coding自用，gpt pro 号池 | 省50% | standard输入 ≤ 272K tokens | $0.05 | $0.25 | $0.005 | $0.0625 | ||||
long_context输入 > 272K tokens | $0.1 | $0.375 | $0.01 | $0.125 | ||||||
Azure 微软云API直连，稳定可靠 | 省40% | standard输入 ≤ 272K tokens | $0.06 | $0.3 | $0.006 | $0.075 | ||||
long_context输入 > 272K tokens | $0.12 | $0.45 | $0.012 | $0.15 |
左右滑动表格，查看完整价格与性能。
能力 / 支持的模态
厂商与数据隐私
性能
基准测试
标准化评测得分。百分比越高越好，并展示排名百分位。
指标来源：Artificial Analysis 2026-09-30·GPT 6 Luna
当前基准快照不包含此模型。
缺失的模型或测量值不代表零分。
基准图表保留来源中的模型选择和思考设置。缺失的模型或测量值不代表零分，基准成本或速度也不是本站的服务承诺。
关于 GPT 6 Luna
让重复工作更高效
GPT-6 Luna 面向范围明确、需要频繁执行的任务。它适合把客服留言分配到正确类别，从文档中提取固定字段，为商品资料生成简洁说明，或把零散记录整理成统一格式。对这类工作，清楚的规则和稳定的输出往往比长篇分析更重要。
文本与图片都能成为输入
模型支持文本和图片输入、文本输出。你可以让它读取截图中的关键信息，对照规则判断某份材料属于哪一类，或结合商品图和已提供的属性撰写说明。需要结构化结果时，提前定义字段、可选值和缺失信息的处理方式，便于应用直接接收和检查。
把规则写成可重复执行的流程
例如工单分流，应说明类别边界，提供容易混淆的例子，并为无法确定的内容设置人工复核选项。信息提取任务则要明确只能使用输入中出现的事实，不能为凑齐字段而补全不存在的信息。先用具有代表性的样本检查规则，再扩大使用范围，更容易发现边界问题。
Luna 也可参与工具工作流。内置工具和带推理的函数调用适合通过 Responses API 接入；Chat Completions 的函数调用要求 reasoning_effort=none。对于简单分类可采用较轻的推理设置，遇到复杂或高歧义材料时，再转交更深入的分析流程。
使用场景与提示词
客服分流示例
“把下面的留言分为退款、物流、产品咨询、其他四类。输出 category、summary、needs_human 三个字段。用户同时提到多个问题时，按最需要处理的问题分类；信息不足或存在投诉升级迹象时，needs_human 为 true。不要替用户补写未提到的事实。”
提供各类别的边界和几条真实样本，有助于形成一致结果。
信息缺失时该怎么输出？
在规则中指定 null、空数组或待确认状态，不要让模型猜测。程序端继续校验字段和取值范围。
哪些任务适合升级处理？
涉及多份矛盾材料、复杂因果判断或难以定义的需求时，先让Luna完成整理与分流，再交给更深入的分析环节。
接入 API
API 接口文档
调用示例
/v1/chat/completions| 参数 | 类型 | 默认值 / 范围 | 说明信息 |
|---|---|---|---|
temperature | number | = 10 ~ 2 | 采样温度；越低越稳定 |
top_p | number | = 10 ~ 1 | 核采样累计概率 |
max_tokens | integer | >= 1 | 响应中最大 token 数 |
frequency_penalty | number | = 0-2 ~ 2 | 惩罚高频 token 的重复出现 |
presence_penalty | number | = 0-2 ~ 2 | 鼓励引入新话题 |
stop | array | — | 最多 4 个停止生成的字符串 |
seed | integer | — | 尽量保证可复现的采样种子 |
n | integer | = 1>= 1 | 生成的候选条数 |
stream | boolean | = false | 通过 SSE 流式返回 token |
response_format | object | — | 强制输出 JSON 对象或符合 Schema 的结果 |
tools | array | — | 模型可调用的工具 / 函数声明 |
tool_choice | string | autononerequired | 工具选择策略或具体工具名 |
logprobs | boolean | = false | 返回每个 token 的对数概率 |
top_logprobs | integer | 0 ~ 20 | 每个 token 返回的 top 概率数量 |
logit_bias | object | — | 按 token 的 logit 偏置映射 |
user | string | — | 用于风险审计的终端用户标识 |
替换 <YOUR_API_KEY> 替换为 API 密钥页面中的密钥。
身份验证
所有请求必须携带 Authorization: Bearer <TOKEN> 请求头。Anthropic 格式的端点也接受 x-api-key 请求头。
在「API 密钥」页面生成 API 密钥，可以按模型、分组、IP、速率等维度精细化授权。
支持的参数
| 参数 | 类型 | 默认值 / 范围 | 说明信息 |
|---|---|---|---|
temperature | number | = 10 ~ 2 | 采样温度；越低越稳定 |
top_p | number | = 10 ~ 1 | 核采样累计概率 |
max_tokens | integer | >= 1 | 响应中最大 token 数 |
frequency_penalty | number | = 0-2 ~ 2 | 惩罚高频 token 的重复出现 |
presence_penalty | number | = 0-2 ~ 2 | 鼓励引入新话题 |
stop | array | — | 最多 4 个停止生成的字符串 |
seed | integer | — | 尽量保证可复现的采样种子 |
n | integer | = 1>= 1 | 生成的候选条数 |
stream | boolean | = false | 通过 SSE 流式返回 token |
response_format | object | — | 强制输出 JSON 对象或符合 Schema 的结果 |
tools | array | — | 模型可调用的工具 / 函数声明 |
tool_choice | string | autononerequired | 工具选择策略或具体工具名 |
logprobs | boolean | = false | 返回每个 token 的对数概率 |
top_logprobs | integer | 0 ~ 20 | 每个 token 返回的 top 概率数量 |
logit_bias | object | — | 按 token 的 logit 偏置映射 |
user | string | — | 用于风险审计的终端用户标识 |
速率限制
| 供应商 | RPM | TPM | RPD |
|---|---|---|---|
| Azure | 无限制 | 无限制 | 无限制 |
| GPT官+AZ 混合 | 无限制 | 无限制 | 无限制 |
| GPT特价 | 无限制 | 无限制 | 无限制 |
| OpenAI | 无限制 | 无限制 | 无限制 |
无限制
关于 gpt-6-luna 的常见问题
gpt-6-luna 是什么？
GPT-6 系列面向目标明确、大规模调用工作负载的高效推理模型。支持文本和图像输入、文本输出、流式响应、结构化输出与提示缓存；上下文窗口 1,050,000 tokens，最大输出 128,000 tokens。工具调用推荐使用 Responses API；Chat Completions 仅在 reasoning_effort=none 时支持函数调用。支持的推理强度：none, low, medium, high, xhigh, max。知识截止时间：2026 年 5 月 18 日。价格按 OpenAI Standard 标准费率配置；输入超过 272K tokens 时，整次请求按长上下文费率计费。
如何调用 gpt-6-luna？
创建具有 gpt-6-luna 访问权限的 API 密钥，然后使用 API 接入模块中的准确模型 ID 和受支持的接口。请求字段取决于所选接口。
gpt-6-luna 如何计费？
费用取决于所选供应商分组和模型计费单位。注册前即可在本页查看当前输入、输出、单次请求或媒体价格。
gpt-6-luna 的上下文窗口有多大？
模型目录配置的上下文窗口为 1050000 tokens。具体请求限制请查看所选接口。
gpt-6-luna 的最大输出是多少？
模型目录配置的最大输出为 128000 tokens。请求设置可能指定更低的上限。
如何评估 gpt-6-luna 是否适合我的项目？
请先参考本页的使用场景与提示词指南，再使用项目中的代表性输入评估模型。