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。
- 起始價格
- 查看完整計費明細
- 上下文
- 1.1M
- 最大輸入窗口
- 最大輸出
- 128K
- 單次回應最大 token 數
- 模態
- →
- 知識截止
- May 2026
- 發佈於
- Sep 2026
Pricing by Supplier
比較同一模型在不同供應商的價格與服務表現。
| 供應商 | Discount | 檔位 | 輸入/M | 輸出/M | 緩存讀取/M | 緩存寫入 (5m)/M | ||||
|---|---|---|---|---|---|---|---|---|---|---|
OpenAI Openai官方接口 | 省40% | standard輸入 ≤ 272K tokens | $0.06 | $0.3 | $0.006 | $0.075 | ||||
long_context輸入 > 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輸入 ≤ 272K tokens | $0.06 | $0.3 | $0.006 | $0.075 | ||||
long_context輸入 > 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輸入 ≤ 272K tokens | $0.05 | $0.25 | $0.005 | $0.0625 | ||||
long_context輸入 > 272K tokens | $0.1 | $0.375 | $0.01 | $0.125 | ||||||
Azure 微软云API直连，稳定可靠 | 省40% | standard輸入 ≤ 272K tokens | $0.06 | $0.3 | $0.006 | $0.075 | ||||
long_context輸入 > 272K tokens | $0.12 | $0.45 | $0.012 | $0.15 |
左右滑動表格，查看完整價格與效能。
能力 / 支援的模態
廠商與數據私隱
效能
基準測試
標準化評測得分。百分比越高越好，並展示排名百分位。
指標來源：Artificial Analysis 2026-09-30·GPT 6 Luna
目前基準快照不包含此模型。
缺少模型或測量值不代表零分。
基準圖表保留來源中的模型選擇和推理設定。缺少模型或測量值不代表零分，基準成本或速度也不是本站的服務承諾。
About 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。
Use cases and prompting
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。
API access
API 介面文件
呼叫示例
/v1/chat/completions| 參數 | 類型 | 預設值 / 範圍 | 說明資訊 |
|---|---|---|---|
temperature | number | = 10 ~ 2 | 採樣溫度；越低越穩定 |
top_p | number | = 10 ~ 1 | 核採樣累積概率 |
max_tokens | integer | >= 1 | 回應中最大 token 數 |
frequency_penalty | number | = 0-2 ~ 2 | 懲罰高頻 token 的重複出現 |
presence_penalty | number | = 0-2 ~ 2 | 鼓勵引入新話題 |
stop | array | — | 最多 4 個停止生成的字串 |
seed | integer | — | 盡量保證可復現的採樣種子 |
n | integer | = 1>= 1 | 生成的候選條數 |
stream | boolean | = false | 透過 SSE 串流返回 token |
response_format | object | — | 強制輸出 JSON 物件或符合 Schema 的結果 |
tools | array | — | 模型可呼叫的工具 / 函數聲明 |
tool_choice | string | autononerequired | 工具選擇策略或具體工具名 |
logprobs | boolean | = false | 返回每個 token 的對數概率 |
top_logprobs | integer | 0 ~ 20 | 每個 token 返回的 top 概率數量 |
logit_bias | object | — | 按 token 的 logit 偏置映射 |
user | string | — | 用於風險審計的終端用戶標識 |
替換 <YOUR_API_KEY> 替換為 API 金鑰頁面中的金鑰。
身份驗證
所有請求必須攜帶 Authorization: Bearer <TOKEN> 請求頭。Anthropic 格式的端點也接受 x-api-key 請求頭。
在「令牌」頁面生成 API Key，可以按模型、分組、IP、速率等維度精細化授權。
支援的參數
| 參數 | 類型 | 預設值 / 範圍 | 說明資訊 |
|---|---|---|---|
temperature | number | = 10 ~ 2 | 採樣溫度；越低越穩定 |
top_p | number | = 10 ~ 1 | 核採樣累積概率 |
max_tokens | integer | >= 1 | 回應中最大 token 數 |
frequency_penalty | number | = 0-2 ~ 2 | 懲罰高頻 token 的重複出現 |
presence_penalty | number | = 0-2 ~ 2 | 鼓勵引入新話題 |
stop | array | — | 最多 4 個停止生成的字串 |
seed | integer | — | 盡量保證可復現的採樣種子 |
n | integer | = 1>= 1 | 生成的候選條數 |
stream | boolean | = false | 透過 SSE 串流返回 token |
response_format | object | — | 強制輸出 JSON 物件或符合 Schema 的結果 |
tools | array | — | 模型可呼叫的工具 / 函數聲明 |
tool_choice | string | autononerequired | 工具選擇策略或具體工具名 |
logprobs | boolean | = false | 返回每個 token 的對數概率 |
top_logprobs | integer | 0 ~ 20 | 每個 token 返回的 top 概率數量 |
logit_bias | object | — | 按 token 的 logit 偏置映射 |
user | string | — | 用於風險審計的終端用戶標識 |
速率限制
| 供應商 | RPM | TPM | RPD |
|---|---|---|---|
| Azure | 無限制 | 無限制 | 無限制 |
| GPT官+AZ 混合 | 無限制 | 無限制 | 無限制 |
| GPT特价 | 無限制 | 無限制 | 無限制 |
| OpenAI | 無限制 | 無限制 | 無限制 |
無限制
Frequently asked questions about gpt-6-luna
What is gpt-6-luna?
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。
How do I call gpt-6-luna?
Create an API key with access to gpt-6-luna, then use the exact model ID and a supported endpoint from the API access section. Request fields depend on the selected endpoint.
How is gpt-6-luna priced?
Pricing depends on the selected provider group and the model billing unit. The current input, output, request, or media prices are shown on this page before sign-up.
What is the context window of gpt-6-luna?
The model catalog lists a context window of 1050000 tokens. Check the selected endpoint for request limits.
What is the maximum output of gpt-6-luna?
The model catalog lists a maximum output of 128000 tokens. Your request settings may set a lower limit.
How should I evaluate gpt-6-luna for my project?
Start with the use cases and prompting guidance on this page, then evaluate the model with representative inputs from your project.