# GPT-6 Luna 评测

> GPT-6 Luna 评测：分析每百万输入 $0.10 的 API 价格、批量任务费用、编程适用范围、105 万上下文与工具限制，说明哪些任务适合先用 Luna，以及如何验证输出质量，附 1,000 个任务的 Standard 与 Batch 费用算例。

- Canonical HTML: https://omniakey.com/zh/blog/gpt-6-luna-review
- Markdown: https://omniakey.com/zh/blog/gpt-6-luna-review.md
- Published: 2026-09-23 (updated 2026-09-23)
- Author: Kiki, COO at OmniaKey
- Language: zh
- Category: Guide
- Reading time: 8 min
- All posts: https://omniakey.com/blog/llms.txt

---

**GPT-6 Luna** 于 **2026 年 9 月 22 日**发布，面向明确、高频的工作。标准 API 每百万输入 $0.10、输出 $0.50，分别是 Sol 对应单价的二十分之一。我们的建议是先测试分类、提取和短文本转换，并在设计 prompt 时一并设计验收规则。

> **资料核验于 2026 年 9 月 23 日。** 本文是基于 OpenAI 官方规格和可复算费用的发布评测，未运行两款模型的独立对照测试。下文选型建议是测试起点，不能当成已测得的准确率、速度或排名。

## GPT-6 Luna 评测结论：适合谁用？

**目前最明确的优势是价格。** Luna 同时保留文本和图片输入、推理控制、结构化输出与工具能力，可作为应用里重复执行步骤的候选模型。

适合优先验证的，是失败可以被发现和修正的任务，例如缺少发票字段、返回非法类别或 JSON 格式错误。如果错误会悄悄进入客户答案或代码，就不能只按 token 单价做决定。

## GPT-6 Luna 参数与上下文窗口

|项目|GPT-6 Luna|
|-|-|
|API 模型 ID|`gpt-6-luna`|
|发布时间|2026-09-22|
|上下文窗口（token）|1,050,000|
|最大输入（token）|922,000|
|最大输出（token）|128,000|
|输入 / 输出|文本与图片 / 文本|
|推理强度|`none`, `low`, `medium`, `high`, `xhigh`, `max`|
|知识截止时间|2026-05-18|

两款模型默认使用 `medium` 推理。105 万上下文是容量上限，最大输入为 922K token，输出预算还要容纳推理 token。相同上下文容量不代表相同的长文本召回率或编程能力。

## GPT-6 Luna API 多少钱？

以下为 OpenAI 直连 API 的 Standard 价格，单位为美元 / 百万 token，不是 OmniaKey 网关报价。

|计费项目|输入不超过 272K|输入超过 272K|
|-|-|-|
|未缓存输入|$0.10|$0.20|
|缓存读取|$0.01|$0.02|
|缓存写入|$0.125|$0.25|
|输出|$0.50|$0.75|

输入**超过 272K token** 时，**整个请求**的输入与缓存费率变成 2 倍，输出费率变成 1.5 倍，并非只有超出部分加价。按当前文档表述，恰好 272K 仍属于低价档。

官方将 Batch、Flex 定为适用 Standard 费率的 50%，Fast mode 为 2 倍，符合条件的区域处理另加 10%。各处理模式有独立的可用条件；价格倍率不等于延迟保证。

## 用 Luna 处理 1,000 个任务多少钱？

|假设工作量|模型 token 成本|
|-|-|
|100K 未缓存输入 + 10K 计费输出|$0.015|
|300K 未缓存输入 + 10K 计费输出|$0.0675|
|1,000 个任务，每个 10K 输入 + 1K 计费输出|$1.50|

单个任务如果使用 10K 输入和 1K 计费输出，计算为 `0.01 × $0.10 + 0.001 × $0.50 = $0.0015`，1,000 个同等任务在 Standard 下为 $1.50。按官方 Batch 五折费率，同样 token 量为 $0.75，仍需另计其它费用并满足 Batch 使用条件。这是明确工作量下的算例，不能假定每份文档都使用同样 token。

这些是算例，不是实际账单。计费输出包括推理 token 与可见文本；假设每个任务只运行一次、没有缓存写入或命中，未计工具、存储、税费与人工审核。复核实际调用时应读取 usage 数据。

## GPT-6 Luna 性能如何？有哪些限制？

官方强调特定任务上的效率，没有由此保证某个准确率、每秒输出速度或与 Sol 相同的能力。我们没有运行第一手 Luna benchmark，因此用已公开的功能与成本分析判断适用性，不给出虚构成绩。

提取任务应分别统计遗漏、错误值和编造值，合法 JSON 不等于正确发票金额。分类任务要加入模糊输入和分布外样本。编程可以从局部转换和现有测试开始，再决定是否让 Luna 承担整个仓库的设计任务。

## 哪些工作适合先交给 Luna？

- **文档处理：** 提取已定义字段，验证必填项、数值关系和原文出处，将无法确认的内容交给复核。
- **分类与分流：** 限定标签集合，保留 unknown 分支，并检查误报率。格式正确不能替代语义判断。
- **局部编程：** 小范围测试补充或机械修改应有可执行验收，解决不了时再升级模型。

低价模型如果反复调用工具或需要大量人工修复，仍然可能很贵。记录每次验收结果、限制重试次数，并抽查已通过的输出是否漏掉错误。[Sol 与 Luna 对比](https://omniakey.com/zh/blog/gpt-6-sol-vs-luna)给出了一个升级路线的预算算例。

## API 接入与工具调用限制

两者都支持 Responses 和 Chat Completions。**需要同时使用推理与工具时选 Responses API**。模型页限定 Chat Completions 只有在 `reasoning_effort=none` 时支持 function calling，不能因两个端点都存在就假定工具行为完全相同。

Responses 的 `reasoning.effort` 支持 `none`、`low`、`medium`、`high`、`xhigh`、`max`。先固定档位测试，再依据验收结果增加推理预算。两者均支持结构化输出和图片输入；原生输出是文本，调用图片生成工具属于另一项操作。

```bash
curl --fail-with-body https://api.openai.com/v1/responses \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-6-luna",
    "reasoning": {
        "effort": "medium"
    },
    "input": "提取订单中的商品名称和数量，并返回 JSON 数组：3 本笔记本和 2 支笔。"
}'
```

本页请求示例与价格均以 OpenAI 直连为准。通过 OmniaKey 使用时，请在[实时模型目录](https://omniakey.com/zh/models)核对具体路线、功能和报价。OpenAI 发布模型不等于某个网关、Codex 客户端或 ChatGPT 套餐已经开放。

## 常见问题

### GPT-6 Luna 的 API 价格是多少？

Standard 模式且输入不超过 272K 时，每百万 token 输入 $0.10、缓存读取 $0.01、缓存写入 $0.125、输出 $0.50。长输入按上方高价档计算。

### GPT-6 Luna 能写代码吗？

它支持文本生成、推理和工具，可以用于编程评估。建议从带测试的小修改开始，价格与上下文容量并不能证明复杂跨文件任务的可靠性。

### Luna 与 Sol 的上下文一样大吗？

一样。两者都列出 1,050,000 上下文、922,000 最大输入和 128,000 最大输出 token，但不代表长上下文准确率与速度一致。

## 相关阅读

- [GPT-6 Sol 评测](https://omniakey.com/zh/blog/gpt-6-sol)
- [GPT-6 Sol vs Luna：两款模型怎么选](https://omniakey.com/zh/blog/gpt-6-sol-vs-luna)
- [GPT-6 Astra 评测](https://omniakey.com/zh/blog/gpt-6-astra-review)
- [查看实时模型目录](https://omniakey.com/zh/models)

## 核验来源

- [OpenAI: GPT-6 Sol](https://developers.openai.com/api/docs/models/gpt-6-sol)
- [OpenAI: GPT-6 Luna](https://developers.openai.com/api/docs/models/gpt-6-luna)
- [OpenAI: API changelog](https://developers.openai.com/api/docs/changelog)
- [OpenAI: API pricing](https://developers.openai.com/api/docs/pricing)
- [OpenAI: Reasoning](https://developers.openai.com/api/docs/guides/reasoning)
- [OpenAI: Model catalog](https://developers.openai.com/api/docs/models)

如需比较当前两款小模型，请阅读 [Haiku 5.5 vs Luna 6 对比](https://omniakey.com/zh/blog/haiku-5-5-vs-luna-6)，核对价格阈值、API 适配和相同计费量下的成本。