早鳥價(12 月 25 日截止),只要持續訂閱就一直鎖定:Go 每月 $10(原價 $20),Plus 用 Opus 5.5 每月只要 $30(原價 $50)立即訂閱 →
文字對話1M 上下文

GPT-6 Luna

在線上與透過 API 執行 GPT-6 Luna,以 OpenAI 官方 Token 費率的 30% 進行摘要、擷取與分類。支援 1M Token 上下文。

價格 / 100 萬 token
AIReiter
≤ 272,000 · 輸入$0.03
≤ 272,000 · 輸出$0.15
> 272,000 · 輸入$0.06
> 272,000 · 輸出$0.225
README
輸入
限制回覆長度。推理模型也會計入思考內容。
gpt-6-luna
輸出

Intermittent 502 errors affect about one in eight checkout confirmation requests after upgrading the payments SDK to 4.2.1, though retries usually succeed. Two customers reported duplicate charges, and the team has not rolled back because the release also includes a needed tax fix.

{
  "product_area": "Checkout / payments",
  "severity": "high",
  "affected_version": "Payments SDK 4.2.1",
  "suggested_priority_label": "P1"
}
生成時間10.6s
輸入 Token494
輸出 Token204
Token / 秒19.25
TTFT-

執行會以這段提示開啟 AI Chat。需要登入與點數。

模型詳情

在 Playground、API 請求與內部工作流程中使用相同的模型鍵。

模型 ID
gpt-6-luna
供應商
Openai
協定
OpenAI Chat Completions
上下文視窗
1,050,000 Token
最大輸出
128,000 Token

您能用 GPT-6 Luna 做什麼

GPT-6 Luna 是 GPT-6 系列中快速且低成本的層級。有四個關鍵特性會改變您的架構設計方式,而這些都不會寫在行銷文案中。

輸出成本為輸入成本的 5 倍

每 1M 輸入 Token 僅需 $0.03,而每 1M 輸出 Token 為 $0.15。長 Prompt 幾乎免費,但長回答不然。限制最大輸出 Token 數對帳單的影響遠大於精簡 Prompt。

1M 上下文視窗在 272K 設有計費門檻

上下文視窗為 1,050,000 個 Token,但輸入超過 272K Token 會使整個請求重新計價(輸入 2 倍、輸出 1.5 倍),而不只是超出部分。一個 280K Token 的 Prompt 費用比兩個 140K 的請求還要高。

在回答前進行推理

在我們的測試中,7.2 至 7.4 秒的總回應時間中,第一個串流 Token 需耗時 5.0 至 5.6 秒。串流並無法掩蓋這個延遲。若您需要文字更快顯示在螢幕上,請降低推理強度(reasoning effort),而非限制輸出長度上限。

無需 Schema 即可維持結構化輸出

使用純文字提示要求輸出包含四個特定欄位的 JSON,它便精準在代碼區塊中返回這四個 Key,無需定義 Schema、無需 Function 定義,亦無需重試。上述範例即為未經編輯的原始回應。

GPT-6 Luna 定價

AIReiter 的 GPT-6 Luna 定價為 OpenAI 官方 API 費率的 30%。以下費率已於 2026 年 9 月 23 日與 OpenAI 價格表核對;即時的每 Token 費率顯示在 Playground 上方。

輸入 Tokens

每 1M Tokens 為 $0.03,對比 OpenAI 官方的 $0.10。

輸出 Tokens

每 1M Tokens 為 $0.15,對比 OpenAI 官方的 $0.50。

快取輸入讀取

每 1M Tokens 為 $0.003,對比 OpenAI 官方的 $0.01。

長上下文層級

超過 272K 輸入 Tokens 的請求遵循 OpenAI 本身的加價規則:輸入 2 倍、輸出 1.5 倍。

GPT-6 Luna 應用情境

只要單筆記錄的成本是主要限制,Luna 就能發揮最大價值。以下數據來自 Playground 中展示的實測運作:每張工單 494 個輸入 token 與 204 個輸出 token。

客服分流:每 1,000 張工單僅需 $0.05

每張工單只需一次呼叫,即可生成摘要並標註嚴重程度、產品領域、受影響版本與優先級標籤。重新處理 50,000 張待辦工單約僅需 $2.30。

透過快取前綴進行批次資料豐富化

批次作業會在每一列重複相同的指令。只要保持該前綴的位元組完全一致,重複部分的讀取費用即為每 1M $0.003(而非 $0.03)——整個執行過程的輸入成本僅需十分之一。

作為 Router 後方的預設層級

將所有請求預先發送至 Luna,僅在未通過檢查時才升級至更高階模型。由於 Sol 的成本約為 20 倍,將 95% 流量保留在 Luna 的 Router 方案,成本約為全 Sol 流程的十分之一——升級的那 5% 流量佔了剩餘帳單的一半。

保持整份文件在 272K 門檻以下

報告、逐字稿與合約皆適用於 1M 視窗,但建議將單次請求的輸入 Tokens 控制在 272K 以下以避免 2 倍加價計費。將內容分塊並控制在此門檻以下,通常比單次大型呼叫更划算。

用 3 個步驟試用 GPT-6 Luna

  1. 01

    貼上一筆真實記錄

    請使用真實的工單、逐字稿或文件,而非簡化的示範 prompt。Luna 的潛在問題通常在於混亂的輸入內容,而非高難度的推理。

  2. 02

    調低參數,而非調高

    建議從低 reasoning effort 與嚴格的 max completion tokens 開始。輸出的價格是輸入的 5 倍,因此輸出上限是決定帳單金額的關鍵槓桿。

  3. 03

    計算 Token 總數

    查看回覆下方回報的使用量,乘以每日處理量,即可在撰寫任何整合程式碼之前估算出每月成本。

使用 GPT-6 Luna API 進行建置

在批次整合中,重要的不是第一次呼叫,而是第一萬次:每筆記錄的成本、快取行為,以及當其中一列失敗時的處理方式。

隨插即用的 Model ID

只需將現有相容 OpenAI 的客戶端指向 gpt-6-luna,無需更改其他任何內容。Streaming、系統 prompt 和 JSON 格式輸出均與上游完全一致。

快取 Prefix 在此發揮最大效益

批次作業在每一列都會重複相同的指令。快取讀取的費用為每 100 萬 token 0.003 美元,而全新輸入為 0.03 美元,因此建立穩定的 prompt 前綴結構非常划算。

每次回覆的成本核算

每次回覆都會回報輸入、輸出、快取讀取量以及消耗的額度,因此 Pipeline 可以記錄每筆記錄的單位效益,而不是等到收到發票才發現。

無需重新架構即可升級至 GPT-6 Sol

Sol 與 Luna 共用同一個端點、金鑰與餘額,因此將困難的資料列路由到旗艦級模型只需更換 model-ID,無需進行第二次系統整合。

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

管理 API 金鑰 →

相同的客服工單任務(摘要並擷取四個欄位),於 2026 年 9 月 23 日在 AIReiter 上實測:494 個輸入與 204 個輸出 token,Luna 耗時 10.6 秒完成。各級別的主要差異在於約 20 倍的價格差距,而非是否能勝任這項工作。

01GPT-6 Luna - 每 1,000 張工單約 $0.05

在 AIReiter 上每 100 萬 token 的輸入為 $0.03、輸出為 $0.15,相較於 OpenAI 官方的 $0.10 與 $0.50。這是最具性價比的 GPT-6 級別,也是讓單筆記錄自動化成本計算切實可行的選擇。

02GPT-6 Sol - 每 1,000 張工單約 $0.91

每 100 萬 token 的輸入為 $0.60、輸出為 $3.00,約為 Luna 的 20 倍。當任務需要旗艦級推理時物有所值;但若任務只是 Luna 就能正確處理的資料擷取,則是種浪費。

03GPT-5.6 Luna - 前一代模型

官方定價為每 100 萬 token 輸入 $0.20、輸出 $1.20。GPT-6 Luna 在同樣的高性價比定位下,將官方輸入價格減半,輸出成本更降至不到一半。

04如何選擇

在上方 Playground 中使用您最複雜的記錄同時測試這兩個級別。如果 Luna 的表現依然出色,那麼在 20 倍的價格差距下,Sol 就必須在該特定任務上證明其價值,而非僅憑聲譽。

常見問題

01什麼時候該選擇 GPT-6 Luna?

若有大量且任務明確的工作(例如摘要、擷取和分類),請選擇 Luna。只有在任務需要旗艦級推理能力時,才切換至 GPT-6 Sol。

02GPT-6 Luna 在 AIReiter 上的費用是多少?

AIReiter 僅收取 OpenAI 官方定價的 30%:每 1M 輸入 tokens 為 $0.03,每 1M 輸出 tokens 為 $0.15,相較於官方定價的 $0.10 與 $0.50。快取輸入(Cached input)讀取費用為每 1M $0.003。

03GPT-6 Luna 與 GPT-5.6 Luna 有何不同?

GPT-6 Luna 是新一代模型,屬於同等高性價比層級,但其官方輸入價格僅為 GPT-5.6 Luna 的一半,官方輸出價格僅為五分之一。

04上下文視窗大小為何?

GPT-6 Luna 支援約 1M 輸入 tokens 及最高 128K 輸出 tokens。超過 272K 輸入 tokens 的請求將以 2 倍輸入及 1.5 倍輸出費率計費,與 OpenAI 官方政策一致。

05GPT-6 Luna 的速度有多快?

在 AIReiter 上,針對 494 個 token 的客服工單進行摘要與擷取請求時,非串流模式下花費 10.6 秒回傳 204 個輸出 token,而串流模式下的端到端耗時為 7.2 至 7.4 秒。請注意,Luna 在回答前會先進行推理:在多次測試中,第一個串流 token 需耗時 5.0 至 5.6 秒,因此大部分等待時間發生在文字出現之前。如果您需要更快開始回應,可降低 reasoning effort。

06GPT-6 Luna 處理每 1,000 筆資料的費用是多少?

以同樣的實測請求(494 輸入與 204 輸出 tokens)為例,按 AIReiter 費率計算,每 1,000 張工單約為 $0.05。相同工作量在 GPT-6 Sol 上每 1,000 張約需 $0.91。

07我可以透過 API 呼叫 GPT-6 Luna 嗎?

可以。請遵循連結的 API 說明文件,並在相容 OpenAI 的端點上使用模型 ID gpt-6-luna。