AIREITER
openaiText Chat

GPT-6 Luna

Nutzen Sie GPT-6 Luna online und per API für Zusammenfassungen, Extraktion und Klassifizierung zu 30 % der offiziellen Token-Preise von OpenAI. 1M-Token-Kontext.

Eingabe-TokenEingabeAusgabeCache-LesenCache-Erstellung
≤ 271,999$0.03 pro 1 Mio. Tokens$0.15 pro 1 Mio. Tokens$0.003 pro 1 Mio. Tokens$0.0375 pro 1 Mio. Tokens
> 271,999$0.06 pro 1 Mio. Tokens$0.225 pro 1 Mio. Tokens$0.006 pro 1 Mio. Tokens$0.075 pro 1 Mio. Tokens

Preise pro Million Token. Die Preisstufe gilt für die gesamte Anfrage, basierend auf allen Eingabe-Token einschließlich Cache-Lese- und Schreibvorgängen.

Mit API ausführen

EINGABE

AUSGABE

Example
Generated in
10.6 seconds
Eingabe-Token
494
Ausgabe-Token
204
Tokens per second
19.25 tokens / second
Time to first token
-

Modelldetails

Verwenden Sie denselben Modellschlüssel im Playground, in API-Anfragen und in internen Workflows.

Modell-ID
gpt-6-luna
Anbieter
openai
Protokoll
OpenAI Chat Completions
Kontextfenster
1,050,000 Token
Maximale Ausgabe
128,000 Token

Was Sie mit GPT-6 Luna tun können

GPT-6 Luna ist die schnelle, kostengünstige Variante der GPT-6-Familie. Vier Eigenschaften verändern die Art und Weise, wie Sie Anwendungen darum herum konzipieren – und keine davon steht in den Marketingtexten.

Output kostet das 5-Fache von Input

0,03 $ pro 1 Mio. Input-Tokens gegenüber 0,15 $ pro 1 Mio. Output-Tokens. Lange Prompts sind nahezu kostenlos; lange Antworten nicht. Die Begrenzung der maximalen Completion-Tokens senkt Ihre Rechnung weitaus stärker als das Kürzen des Prompts.

Ein 1M-Fenster mit Preissprung ab 272K

Das Kontextfenster umfasst 1.050.000 Tokens, doch ab 272K Input-Tokens wird die gesamte Anfrage neu berechnet: mit dem 2-Fachen für Input und dem 1,5-Fachen für Output – nicht nur der überschüssige Teil. Ein Prompt mit 280K Tokens kostet mehr als zwei Anfragen mit je 140K.

Es überlegt, bevor es antwortet

In unseren Tests benötigte das erste gestreamte Token 5,0 bis 5,6 Sekunden bei einer Gesamtdauer von 7,2 bis 7,4 Sekunden. Streaming überbrückt diese Verzögerung nicht. Wenn Sie Text schneller auf dem Bildschirm benötigen, reduzieren Sie eher den Reasoning-Aufwand als das Output-Limit.

Strukturierter Output funktioniert ohne Schema

Bei einer simplen Textanfrage nach vier benannten Feldern als JSON lieferte es exakt diese vier Schlüssel in einem Codeblock zurück – ohne Schema, ohne Funktionsdefinition und ohne Retry. Das obige Beispiel zeigt genau diese unveränderte Antwort.

GPT-6 Luna Preisübersicht

AIReiter bietet GPT-6 Luna zu 30 % der offiziellen API-Preise von OpenAI an. Die unten angegebenen Tarife wurden am 23. September 2026 anhand der OpenAI-Preisliste überprüft; Live-Preise pro Token werden über dem Playground angezeigt.
01

Input-Tokens

0,03 $ pro 1 Mio. Tokens im Vergleich zu den offiziellen 0,10 $ von OpenAI.

02

Output-Tokens

0,15 $ pro 1 Mio. Tokens im Vergleich zu den offiziellen 0,50 $ von OpenAI.

03

Gecachte Input-Abrufe

0,003 $ pro 1 Mio. Tokens im Vergleich zu den offiziellen 0,01 $ von OpenAI.

04

Long-Context-Stufe

Anfragen über 272K Input-Tokens folgen OpenAIs eigenem Aufschlag: 2-fach auf Input und 1,5-fach auf Output.

GPT-6 Luna Anwendungsfälle

Luna behauptet sich überall dort, wo die Kosten pro Datensatz der entscheidende Faktor sind. Die folgenden Zahlen stammen aus dem im Playground gezeigten Messlauf: 494 Input- und 204 Output-Tokens pro Ticket.
01

Support-Triage für 0,05 $ pro 1.000 Tickets

Zusammenfassung plus Schweregrad, Produktbereich, betroffene Version und Prioritäts-Label in einem einzigen Aufruf pro Ticket. Ein Backlog von 50.000 Tickets lässt sich für ca. 2,30 $ neu verarbeiten.

02

Batch-Enrichment mit gecachtem Präfix

Batch-Jobs wiederholen dieselben Anweisungen für jede Zeile. Wenn dieses Präfix byte-identisch bleibt, wird der wiederholte Teil mit 0,003 $ statt 0,03 $ pro 1 Mio. Tokens abgerechnet – ein Zehntel der Input-Kosten über den gesamten Lauf.

03

Standard-Tier hinter einem Router

Senden Sie alles an Luna und eskalieren Sie nur das, was eine Überprüfung nicht besteht. Da Sol etwa das 20-Fache kostet, zahlt ein Router, der 95 % des Traffics auf Luna hält, etwa ein Zehntel einer reinen Sol-Pipeline – die 5 %, die eskaliert werden, machen die Hälfte der verbleibenden Kosten aus.

04

Ganze Dokumente unterhalb der 272K-Grenze

Berichte, Transkripte und Verträge passen in das 1M-Fenster, sollten jedoch unter 272K Input-Tokens pro Anfrage bleiben, um den doppelten Preis zu vermeiden. Chunking unterhalb dieser Grenze ist meist günstiger als ein einzelner großer Aufruf.

So verwenden Sie GPT-6 Luna

Luna ist ein Volumenmodell. Testen Sie es also genau so, wie Sie es betreiben werden: an einem echten Datensatz und mit den Einstellungen, die Sie sich in großem Maßstab leisten können.

01

Einen echten Datensatz einfügen

Verwenden Sie ein tatsächliches Ticket, Transkript oder Dokument statt eines einfachen Test-Prompts. Lunas Fehlerquelle sind unstrukturierte Eingaben, nicht anspruchsvolle logische Schlüsse.

02

Herunterregeln, nicht hochdrehen

Beginnen Sie mit niedrigem Reasoning-Aufwand und einem straffen Limit für Completion-Tokens. Output kostet das Fünffache von Input – die Begrenzung des Outputs ist also der Hebel, der Ihre Rechnung bestimmt.

03

Token-Anzahl hochrechnen

Nehmen Sie die unter der Antwort angegebene Nutzung, multiplizieren Sie sie mit Ihrem täglichen Volumen, und Sie kennen die monatlichen Kosten – noch bevor Sie eine einzige Zeile Integrationscode schreiben.

Entwickeln mit der GPT-6 Luna API

Bei einer Batch-Integration zählt nicht der erste Aufruf, sondern der zehntausendste: Kosten pro Datensatz, Cache-Verhalten und was passiert, wenn eine Zeile fehlschlägt.

Drop-in-Modell-ID

Richten Sie einen bestehenden OpenAI-kompatiblen Client einfach auf gpt-6-luna aus und ändern Sie sonst nichts. Streaming, System-Prompts und JSON-formatierte Ausgaben verhalten sich exakt wie gewohnt.

Gecachte Präfixe zahlen sich hier aus

Batch-Jobs wiederholen dieselben Anweisungen für jede Zeile. Gecachte Lesezugriffe kosten 0,003 $ pro 1 Mio. Tokens gegenüber 0,03 $ für neue Eingaben – es lohnt sich also, ein stabiles Prompt-Präfix zu strukturieren.

Kostenabrechnung pro Antwort

Jede Antwort weist Input, Output, gecachte Lesezugriffe und verbrauchte Credits aus. So kann eine Pipeline die Stückkosten pro Datensatz direkt protokollieren, statt sie erst auf der Rechnung zu entdecken.

Auf GPT-6 Sol eskalieren ohne Umbau

Sol und Luna teilen sich denselben Endpunkt, API-Schlüssel und dasselbe Guthaben. Die Weiterleitung einer schwierigen Zeile an die Flaggschiff-Stufe ist lediglich ein Wechsel der Modell-ID, keine zweite Integration.

GPT-6 Luna vs. GPT-6 Sol vs. GPT-5.6 Luna

Dieselbe Support-Ticket-Aufgabe – Zusammenfassung plus Extraktion von vier Feldern – gemessen auf AIReiter am 23. September 2026 mit 494 Input- und 204 Output-Tokens, abgeschlossen in 10,6 Sekunden auf Luna. Die Stufen unterscheiden sich preislich etwa um den Faktor zwanzig, nicht darin, ob sie diese Aufgabe bewältigen können.
01

GPT-6 Luna – ca. 0,05 $ pro 1.000 Tickets

0,03 $ Input und 0,15 $ Output pro 1 Mio. Tokens auf AIReiter, gegenüber den offiziellen 0,10 $ und 0,50 $ von OpenAI. Die günstigste GPT-6-Stufe – und diejenige, die Automatisierungsrechnungen pro Datensatz wirtschaftlich macht.

02

GPT-6 Sol – ca. 0,91 $ pro 1.000 Tickets

0,60 $ Input und 3,00 $ Output pro 1 Mio. Tokens, rund 20-mal so teuer wie Luna. Lohnend, wenn eine Aufgabe Spitzen-Reasoning erfordert; verschwendet, wenn es sich um Extraktionen handelt, die Luna bereits fehlerfrei meistert.

03

GPT-5.6 Luna – die Vorgängergeneration

Offiziell 0,20 $ Input und 1,20 $ Output pro 1 Mio. Tokens. GPT-6 Luna halbiert den offiziellen Input-Preis und senkt den Output-Preis auf weniger als die Hälfte – im selben kosteneffizienten Segment.

04

Entscheidungshilfe

Lassen Sie Ihren anspruchsvollsten Datensatz im obigen Playground durch beide Stufen laufen. Wenn Lunas Antwort überzeugt, muss Sol den 20-fachen Preisunterschied bei dieser spezifischen Aufgabe erst einmal rechtfertigen – statt sich nur auf seinen Ruf zu verlassen.

GPT-6 Luna FAQ

Häufige Fragen zum Online-Playground, zur Preisgestaltung und zum API-Zugriff.

/ 01

Wann sollte ich GPT-6 Luna wählen?

Wählen Sie Luna für volumenstarke, klar definierte Aufgaben wie Zusammenfassungen, Extraktionen und Klassifizierungen. Wechseln Sie nur dann zu GPT-6 Sol, wenn eine Aufgabe Flaggschiff-Reasoning erfordert.

/ 02

Wie viel kostet GPT-6 Luna auf AIReiter?

AIReiter berechnet 30 % der offiziellen OpenAI-Preise: $0,03 pro 1 Mio. Input-Token und $0,15 pro 1 Mio. Output-Token, im Vergleich zu den offiziellen $0,10 und $0,50. Gecachte Input-Reads kosten $0,003 pro 1 Mio.

/ 03

Wie unterscheidet sich GPT-6 Luna von GPT-5.6 Luna?

GPT-6 Luna ist die neuere Generation – zum halben offiziellen Input-Preis und einem Fünftel des offiziellen Output-Preises von GPT-5.6 Luna, in derselben kostengünstigen Stufe.

/ 04

Wie groß ist das Kontextfenster?

GPT-6 Luna unterstützt rund 1 Mio. Input-Token und bis zu 128K Output-Token. Anfragen mit mehr als 272K Input-Token werden mit dem 2-fachen Input- und 1,5-fachen Output-Preis abgerechnet, entsprechend den Richtlinien von OpenAI.

/ 05

Wie schnell ist GPT-6 Luna?

Auf AIReiter lieferte eine Zusammenfassungs- und Extraktionsanfrage für ein Support-Ticket mit 494 Token 204 Output-Token in 10,6 Sekunden ohne Streaming und 7,2 bis 7,4 Sekunden End-to-End mit Streaming. Beachten Sie, dass Luna vor der Antwort nachdenkt (Reasoning): Das erste gestreamte Token dauerte über mehrere Durchläufe hinweg 5,0 bis 5,6 Sekunden, sodass der Großteil der Wartezeit entsteht, bevor Text erscheint. Reduzieren Sie den Reasoning-Aufwand, wenn die Antwort schneller beginnen soll.

/ 06

Was kostet GPT-6 Luna pro 1.000 Datensätze?

Bei derselben gemessenen Anfrage – 494 Input- und 204 Output-Token – sind es etwa $0,05 pro 1.000 Tickets zu AIReiter-Tarifen. Dieselbe Arbeitslast auf GPT-6 Sol kostet etwa $0,91 pro 1.000.

/ 07

Kann ich GPT-6 Luna über eine API aufrufen?

Ja. Folgen Sie der verlinkten API-Dokumentation und verwenden Sie die Modell-ID gpt-6-luna für den OpenAI-kompatiblen Endpunkt.