首页 
OpenAI于2026年9月22日发布GPT-6 Luna，作为GPT-6系列三档布局中的入门级模型，主打高吞吐、低成本、聚焦型任务。Luna与Sol、Astra共享1.05M词元上下文、922K最大输入、128K最大输出与六档推理强度调节，但定价上实现跨越式降低：输入$0.10/M词元、缓存读取$0.01/M、输出$0.50/M、缓存写入$0.125/M，相比GPT-5.6 Luna促销价（$0.20/$1.20）整体降本50%至58%。Luna是GPT-6系列中可完全关闭推理的两个变体之一（与Sol并列），适合速度优先、成本敏感、可预测的高吞吐场景。模型知识截止日期为2026年5月18日，较Sol的4月20日更新约一个月，支持文本与图像输入、文本输出，提供函数调用、结构化输出、计算机使用、网页搜索、长上下文等完整能力。在能力表现方面，GPT-6 Luna在DeepSWE v1基准上max档取得66.6%通过率，单位成本仅$0.22/task，与Sol在xhigh档的68.8%/$1.00形成鲜明对比，让大规模Agent部署真正成本可控。OpenAI自评Luna在AutomationBench上较GPT-5.6 Luna提升5.4个百分点，单位成本降低58%。在事实性方面，Luna在更高推理档位下可匹配GPT-5.6 Sol的表现，成本仅为其百分之一。模型同样支持动态推理切换不失效缓存、显式断点、动态工具切换不失效缓存等工程改进。GPT-6 Luna已在ChatGPT Work、Codex、桌面应用、API、Azure、AWS Bedrock全渠道上线，是GPT-6系列中首批到达桌面应用Free和Go计划的变体。
📋 技术规格
| 厂商 | OpenAI |
|---|---|
| 模型分类 | 多模态理解 |
| 参数规模 | 未公开（OpenAI未披露参数规模） |
| 上下文窗口 | 1.05M词元（约1,050,000 tokens） |
| 最大输出 | 12.8万词元（约128K tokens） |
| 知识截止 | 2026-05-18 |
| API定价 | 输入: $0.10/百万词元（≤272K，>272K为$0.20）输出: $0.50/百万词元（≤272K，>272K为$0.75） |
⭐ 核心能力详解
极低定价
输入$0.10/M、输出$0.50/M，缓存读取仅$0.01/M
1.05M上下文
与Astra、Sol同等的超长上下文能力
六档推理可关闭
none档实现可预测成本与速度
动态缓存机制
推理切换与工具切换不失效缓存前缀
DeepSWE 66.6%
max档DeepSWE通过率66.6%，单位成本$0.22
桌面应用Free计划
首批到达ChatGPT桌面应用Free与Go计划
🎯 典型应用场景
高吞吐文本分类与摘要
批量代码格式化与简单重构
客服自动化与FAQ应答
数据提取与结构化输出
简单编程任务与代码补全
大规模内容审核与标记
💪 技术优势与差异化
- 极低定价让大规模Agent部署真正成本可控
- 1.05M上下文与128K输出与Astra对齐
- 六档推理可完全关闭，速度优先场景可预测
- 动态缓存机制显著降低长会话成本
- 知识截止较Sol更新一个月
⚠️ 使用局限与注意事项
- 深度编程能力弱于Sol与Astra
- 推理档位低于max时表现显著下降
- 专有闭源、API配额受OpenAI限制
- 长上下文（>272K）价格翻倍
- AutomationBench表现低于Sol
- 复杂Agent任务需切换Sol或Astra
💰 价格分析与成本建议
GPT-6 Luna标准API定价为输入$0.10/M词元、缓存读取$0.01/M、输出$0.50/M词元、缓存写入$0.125/M，相比GPT-5.6 Luna促销价（$0.20/$1.20）整体降本50%至58%。>272K长上下文场景下输入价格翻倍至$0.20/M、输出价格1.5倍至$0.75/M。Batch API享50%折扣至$0.05/$0.25，可叠加缓存策略进一步降低成本。在典型高吞吐场景下，缓存读取占比80%以上，实际单位成本可压至$0.02-$0.05/M等价输入。
👥 适用人群与企业
高吞吐任务运营团队、客服平台架构师、内容审核与摘要团队、数据工程团队、SaaS产品CTO、独立开发者与小型创业团队
🏭 行业适配度评估
高吞吐文本分类与摘要场景成本结构优秀
⚠ 深度内容创作需切换Sol
FAQ应答与结构化输出场景适配，缓存命中率高
⚠ 复杂咨询需人工转接
商品描述生成与简单客服场景适配
⚠ 复杂订单处理需切换Sol
学生编程教学与代码补全日常工具适配
⚠ 高阶教学需升级Sol
批量内容审核与标记场景适配
⚠ 深度创作仍需Astra
数据提取与结构化输出场景成本最优
⚠ 复杂数据分析需升级
🔧 技术架构解析
| 架构设计 | GPT-6系列共享训练管线，Luna作为Astra训练方法的最经济下沉变体 |
|---|---|
| 推理强度 | 六档可调（none/low/medium/high/xhigh/max），OpenAI推荐max档 |
| 上下文窗口 | 1,050,000 tokens，最大输入922K，最大输出128K |
| 缓存机制 | 动态推理切换不失效、显式断点、动态工具切换不失效、缓存读取折扣99% |
| 训练数据 | OpenAI未公开训练数据细节，知识截止2026-05-18 |
🔒 安全合规与数据隐私
| 数据训练策略 | OpenAI未公开训练数据细节，遵循其数据使用政策与隐私保护规范 |
|---|---|
| 合规认证 | SOC 2 Type II、GDPR、CCPA |
| 数据驻留 | 可通过Azure、AWS Bedrock部署满足区域数据驻留需求 |
| 加密方式 | 传输TLS 1.3、存储AES-256 |
⚔️ GPT-6 Luna 与同档模型对比
| 竞品模型 | 优势 | 不足 |
|---|---|---|
| GPT-6 Sol | DeepSWE max档68.8%与FrontierCode强 | 输入$2/M较Luna贵20倍 |
| GPT-5.6 Luna | DeepSWE max档72.7%略高 | 促销价$0.20/$1.20贵一倍且11月到期 |
| Gemini 3.8 Flash | 1M上下文、HLE 54.9%表现强 | $0.75/$3.75较Luna贵7倍 |
| DeepSeek V4.1-Flash | 开源MIT授权、闲时¥0.02/M缓存 | 闭源自部署无此优势 |
- 极低定价让大规模部署真正成本可控
- 1.05M上下文与128K输出对齐Astra
- 六档推理可完全关闭，速度优先场景可预测成本
- DeepSWE 66.6%/$0.22性价比突出
🏢 同厂商模型矩阵
OpenAI GPT-6系列三档布局覆盖复杂编程到高吞吐任务
| 模型 | 定位 | 品类 | 特色 |
|---|---|---|---|
| GPT-6 Astra | 旗舰 | multimodal | ARC-AGI-3 99.9%、关键级网络安全、$10/$50 |
| GPT-6 Sol | 中端 | multimodal | 深度编程与Agent工作流、$2/$10 |
| GPT-6 Luna当前 | 入门 | multimodal | 高吞吐低成本、$0.10/$0.50 |
🧭 选型决策指南
Luna max档DeepSWE 66.6%/$0.22，缓存读取$0.01/M
Sol在AutomationBench xhigh超越低档Astra
Astra全面领先但成本是Luna的100倍
Fable在FrontierCode深度编程场景表现强
🏆 真实使用案例
📌 某内容平台批量摘要
📌 某客服平台FAQ应答
📌 某代码平台批量格式化
💬 用户真实评价
Luna让我们重新评估了大规模批处理的成本结构，单篇摘要$0.003让5万篇/日规模化真正可行。
FAQ应答场景Luna max档完全够用，结构化输出稳定，单位成本$0.0008让全年成本可预测。
Luna用作代码补全日常工具足够，复杂重构仍需切换Sol或Astra，max档是关键。
桌面应用Free计划让团队能免费试用Luna，作为生产环境前置评估非常合适。
✅ 实践建议与使用技巧
💡 Prompt工程建议
max档为标配
Luna低档在Agent任务上表现显著下滑，生产环境推荐max档
缓存优先设计
长会话设计应最大化缓存命中，缓存读取$0.01/M是真正成本利器
聚焦型任务规划
Luna适合聚焦型任务，复杂任务应拆分至Sol调用
🔄 替代方案分析
Sol在AutomationBench与FrontierCode显著优于Luna，复杂任务应切换
Astra在ARC-AGI-3、FrontierMath等基准上全面领先
Fable在FrontierCode深度编程场景表现强
DeepSeek开源MIT授权且闲时缓存命中¥0.02/M
2026-09-10
