GPT-6 Luna

概述

GPT-6 Luna（API 模型 ID gpt-6-luna）是 OpenAI 于 2026 年 9 月 22 日（美西时间；国内报道多在 9 月 23 日）与 GPT-6 Sol 同日发布的 GPT-6 家族轻量档。官方给它的定义很干脆：「我们最高效的模型」——不是「便宜版 Sol」，而是专门为定义清晰、量大、高频的活设计的档位：文档摘要、信息抽取、简短问答、分类打标。

它补全了 GPT-6 的价格阶梯：

为什么值得单独看一眼：Luna 的规格与 Sol 完全一致——1,050,000 token 上下文、128,000 最大输出、六档 reasoning effort。也就是说，你拿到的不是「缩水窗口的廉价模型」，而是同一个上下文规格下的低智能档。对「活儿本身不难、但输入很长」的场景（长文档摘要、大批量抽取），这是本站认为被低估的组合。

核心能力

规格与 Sol 对齐

有意思的一点：Luna 的知识截止（05-18）其实晚于 Sol（04-20）。对依赖近期事实的问答任务，这是个反直觉但真实的差异。

官方口径的适用场景

OpenAI 模型页把 Luna 的适用场景写得很具体：文档摘要、信息抽取、快速问答——共同点是「定义清晰」。这类任务的瓶颈从来不是推理深度，而是吞吐与单价。相对的，实现功能、代码审查、调试、数据分析这类需要多步推理的活，官方明确指向 Sol。

可用渠道：唯一免费可触达的 GPT-6

• API：所有开发者可用；
• ChatGPT Work 与 Codex：Plus / Pro / Business / Enterprise / Edu 订阅可用 Sol 与 Luna；
• 免费与 Go 档用户：可在 ChatGPT 桌面应用中使用 GPT-6 Luna——这是普通用户零成本触达 GPT-6 代模型的唯一通道；
• Codex CLI：0.156.1（2026-09-23）起把 Sol 与 Luna 加入模型选择器，且限流回退提示默认建议切到 Luna。

API 调用示例

from openai import OpenAI

client = OpenAI(api_key="sk-...")

resp = client.responses.create(
    model="gpt-6-luna",
    reasoning={"effort": "low"},     # 抽取类任务不必上 medium 以上
    input="从下面这份合同中提取：签约方、生效日期、违约金比例。只输出 JSON。",
)
print(resp.output_text)

# 批量跑量：配合 Batch API 与 prompt caching 压成本
from openai import OpenAI
client = OpenAI(api_key="sk-...")

batch = client.batches.create(
    input_file_id="file-...",
    endpoint="/v1/responses",
    completion_window="24h",
)

与 Sol 相同的接口约束：Chat Completions 仅在 reasoning_effort=none 时支持 function calling；要用完整工具能力请走 Responses API。

定价（2026-09-24 核对）

OpenAI 称这轮为永久性下调而非限时促销，归因于缓存与推理效率提升。同日上线的缓存改动对 Luna 这类跑量模型尤其关键：调整 reasoning effort 或工具集不再使缓存失效，配合新增的 Prompt Caching Dashboard 与 miss Diagnostics，可以把「为什么没命中」定位到具体原因。

做个直观对比：按 $0.10/$0.50 计，处理 1000 份各 5K token 的文档摘要（输入 5M、输出 0.5M）约合 $0.75。同等工作量在 GPT-6 Astra 上约 $75，相差两个数量级——跑量场景先算这笔账，再谈能力差距。

适合 / 不适合

适合

• 文档摘要、信息抽取、分类打标、翻译润色等高吞吐批量任务；
• 长输入、浅推理的组合（1.05M 窗口 + 低单价）；
• 客服前置过滤、RAG 管线里的粗排 / 重写环节；
• 免费或 Go 档用户在 ChatGPT 桌面端体验 GPT-6 代模型；
• 成本敏感的产品原型与内部工具。

不适合

• 复杂编程、长程 agentic 任务（上 Sol）；
• 追求能力上限（上 Astra）；
• 需要图像 / 音频 / 视频输出；
• 存量 Chat Completions + function calling 代码不愿改造的项目。

避坑清单

1. 别把 Luna 当「便宜的 Sol」用：两者定位不同，复杂推理任务上 Luna 会明显掉链子，按任务类型选，不按价格选。
2. 默认 effort 是 medium：抽取类任务显式设 low，能再省一档成本。
3. 缓存命中率自己验：新规则说改 effort 不失效，但仍要用 miss Diagnostics 实测，别拿理论值做预算。
4. 知识截止 2026-05-18：涉及更晚事件必须配检索。
5. 国内无官方 API：走 Azure OpenAI 或 OpenRouter 中转，注意数据合规。
6. 限流时的默认建议就是 Luna：Codex CLI 0.156.1 起限流回退提示默认指向 Luna——如果你的任务在降级后质量骤降，说明它本来就不该跑在 Luna 上。

相关阅读

• 同家族：GPT-6 Sol（中阶） · GPT-6 Astra（旗舰） · GPT-5.6（前代）
• 同价位竞品：Gemini 3.8 Flash · DeepSeek V4.1 Flash · GLM-5.3
• 搭载工具：Codex CLI · OpenRouter
• 概念：Prompt Caching · MoE 混合专家
• 资讯：Claude Opus 5.5 与 GPT-6 Sol/Luna 同日发布

来源

• Announcing GPT-6 Sol and GPT-6 Luna in the API, Codex and ChatGPT（OpenAI 开发者社区官方公告，2026-09-22）
• OpenAI 官方定价页
• OpenAI 官方模型页（Sol / Luna 定位、上下文与知识截止）
• OpenAI 发布 GPT-6 Sol 与 Luna 两款新模型，API 价格永久下调 50%（经济观察报 / 上证报，2026-09-23）
• GPT-6 prompt caching 更新（OpenAI Developers，2026-09-22）

本卡片由 AI 之家 编辑部根据公开资料整理，非厂商付费内容。定价以 OpenAI 官方定价页为准；成本测算为按官方单价的示例换算，实际以你的输入分布与缓存命中率为准。欢迎在 反馈邮箱 反馈更新。