海鲸AI

简体中文

English

简体中文

English

Appearance

登录/注册

GPT-6 Luna

gpt-6-luna
获取 API 密钥API 文档

GPT-6 Luna 是 OpenAI 于 2026 年 9 月 22 日与 GPT-6 Sol 同日发布的经济档模型，定位是目标明确的大批量任务——文档摘要、信息抽取、快速问答。

上下文窗口1.0M
提供商OpenAI
创建时间2026/09/23

在线体验

定价

同一模型能力，多条服务通道；按延迟、稳定性与成本灵活选择。

价格单位：$ / 1M tokens
指定服务通道：在请求体加入 provider 字段，例如 "provider": { "channel": "direct" }。可选 direct / stable / economical；不传则使用默认通道。

直连通道

官方直连链路，适合需要原生体验与完整上下文的请求。

输入上下文输入输出缓存命中缓存写入
≤ 272K0.10/M0.50/M0.01/M0.13/M
> 272K0.20/M0.75/M0.02/M0.25/M

介绍

输入
文本 图像
输出
文本

GPT-6 Luna API：GPT-6 系列的高吞吐经济档

GPT-6 Luna 是 OpenAI 于 2026 年 9 月 22 日与 GPT-6 Sol 同日发布的经济档模型，定位是目标明确的大批量任务——文档摘要、信息抽取、快速问答。它也是 ChatGPT 免费版和 Go 用户能用到的 GPT-6 模型。

这一代的核心变化是成本：官方输入价格是 GPT-5.6 Luna 的一半，输出价格降低 58.3%。Artificial Analysis 实测跑完整套智能指数的单任务成本从 0.18 美元降到 0.07 美元，降幅约 60%。智能指数 37 分，与 GPT-5.6 Luna 持平。

最值得注意的是事实性：OpenAI 称 Luna 在较高推理强度下，事实性可以追平 GPT-5.6 Sol，成本约为其百分之一。第三方数据方向一致——AA-Omniscience 幻觉率从 93% 降到 77%。

海鲸AI 通过 OpenAI 兼容接口提供 GPT-6 Luna，支持工具调用、推理强度控制、流式输出、结构化输出与图文输入。

获取 API 密钥 · 模型 ID：gpt-6-luna

为什么选择 GPT-6 Luna

  • 单任务成本降 60% —— AA 智能指数单任务 0.07 美元，GPT-5.6 Luna 为 0.18 美元
  • 价格档位约为 Sol 的 1/20 —— 输入输出两个方向都是，适合铺满高频调用路径
  • 幻觉率明显下降 —— AA-Omniscience 幻觉率从 93% 降到 77%，得分从 -10 提升到 1
  • 高推理档可追平上一代旗舰的事实性 —— OpenAI 称事实性匹配 GPT-5.6 Sol，成本约百分之一
  • 输出速度快 —— AA 实测约 157 token/秒
  • 105 万 token 上下文 —— 经济档同样支持最大输入 92.2 万、最大输出 12.8 万 token

核心能力

01 大批量摘要与信息抽取

这是 OpenAI 给 Luna 的明确定位：目标清晰、可重复的高频任务。配合结构化输出和 Batch 接口，可以把文档摘要、字段抽取、分类打标这类工作以很低的单价铺开。AA 实测输出速度约 157 token/秒，在同价位推理模型中偏快。

  • 长文档摘要与要点提取
  • 表单、合同、简历等字段的结构化抽取
  • 意图识别与内容分类

02 低成本的事实性问答

Luna 这一代事实性进步明显：AA-Omniscience 得分从 -10 提升到 1，幻觉率从 93% 降到 77%。OpenAI 内部事实性评测显示，Luna 在较高推理强度下可以追平 GPT-5.6 Sol 的水平。对于大量简单问答，这意味着不必再为了可靠性升级到旗舰档。

  • 客服与知识库问答
  • 快速事实查询
  • 需要控制编造率的批量生成

03 轻量级智能体与业务自动化

AutomationBench-AA 从 50.2% 提升到 53.2%，Terminal-Bench 4.0 从 11.6% 提升到 12.6%。在多智能体架构里，Luna 适合承担检索、筛选、简单工具调用这类子任务，把需要深度推理的部分交给 Sol。

  • 并行子智能体执行
  • 检索结果初筛与排序
  • 简单工具调用循环

04 编码辅助

官方 DeepSWE v1.1 成绩在 max 档为 66.6%，与 GPT-6 Sol 的 68.8% 只差 2.2 个百分点。但 AA 编码智能体指数为 41 分，比 GPT-5.6 Luna 低 2 分。适合做代码补全、简单修复、批量代码处理，复杂的工程任务仍建议用 Sol。

  • 批量代码格式化与迁移
  • 简单缺陷修复
  • 代码注释与文档生成

最佳使用场景

场景 说明
文档摘要 高吞吐、低单价，官方首推场景
信息抽取 从非结构化文本生成结构化 JSON
快速问答 幻觉率降到 77%，适合高频简单问答
内容分类与审核 意图识别、标签打标、合规检查
子智能体 多智能体架构中的低成本执行单元
离线批处理 配合 Batch 接口处理大规模语料

GPT-6 Luna 与 GPT-5.6 Luna、GPT-6 Sol 的差异

能力 GPT-6 Luna GPT-5.6 Luna GPT-6 Sol
模型 ID gpt-6-luna gpt-5.6-luna gpt-6-sol
AA 智能指数（v4.3） 37 37 48
AA 编码智能体指数 41 43 57
DeepSWE v1.1（官方，max） 66.6% — 68.8%
AA-Omniscience 幻觉率 77% 93% 60%
AA 单任务成本 0.07 美元 0.18 美元 1.06 美元
上下文窗口 105 万 token — 105 万 token
最大输出 12.8 万 token — 12.8 万 token
知识截止 2026 年 5 月 18 日 — 2026 年 4 月 20 日
定位 高吞吐经济档 上一代经济档 高性价比主力档

具体计费以页面上方的实时价格卡片为准。

常见问题

GPT-6 Luna 什么时候发布的？ 2026 年 9 月 22 日，与 GPT-6 Sol 同日发布，当天在 API、Codex 和 ChatGPT 上线，也向 ChatGPT 免费版和 Go 用户开放。

和 GPT-5.6 Luna 比升级了什么？ 主要是成本和事实性：单任务成本降约 60%，幻觉率从 93% 降到 77%，业务自动化（AutomationBench-AA）小幅提升 3 个百分点。综合智能指数没变，都是 37 分。

有落后的地方吗？ 有。AA 编码智能体指数从 43 降到 41，SWE-Atlas-QnA 从 49% 降到 44%；知识工作类评测也在退步——GDPval-AA v2.1 从约 1443 Elo 退到 1367，AA-Briefcase 从 1345 退到 1299。另外它更啰嗦：完成同一批任务的输出 token 多了约 23%，降价幅度会被部分吃掉。单次提示超过 27.2 万 token 时，输入按 2 倍、输出按 1.5 倍计费。

上下文和输出上限是多少？ 上下文窗口 105 万 token，最大输入 92.2 万、最大输出 12.8 万 token。输入支持文本与图像，输出为纯文本。知识截止 2026 年 5 月 18 日，比 Sol 晚约一个月。

推理强度怎么设？ reasoning_effort 支持 none、low、medium（默认）、high、xhigh、max 六档。分类、抽取这类简单任务建议 none 或 low，延迟和成本最低；需要事实性接近旗舰水平时再调高。注意：通过 Chat Completions 接口使用函数调用时，官方要求 reasoning_effort 设为 none；需要推理和工具调用同时开启，建议走 Responses 接口。

Luna 和 Sol 怎么选？ 目标明确、可重复的高频任务用 Luna；需要多步推理、复杂编码或跨多个工具的业务流程用 Sol。两者接口和参数完全一致，可以按请求复杂度在运行时切换。

为什么选择海鲸AI 使用 GPT-6 Luna API

  • 成本优化友好 —— 与 GPT-6 Sol、Astra 共用接口，按需升降级
  • OpenAI 兼容接口 —— 现有代码改两行即可接入
  • 高并发稳定 —— 平台侧承载大批量调用，无需自建代理
  • 统一账单 —— 多模型用量与花费集中管理

API

API 接入信息 ​

Model ID在推理接口中指定模型
gpt-6-luna
API Key推理接口的 Bearer Token（鉴权令牌）
前往 API Key 管理
Base URL兼容 OpenAI 协议 · /chat/completions
OpenAIhttps://api.haijingai.com/v2/
provider 可选指定服务通道，不传则由系统选择默认通道
"provider": { "channel": "direct" }

gpt-6-luna 接入示例 ​

海鲸AI 兼容 OpenAI 接口协议，可直接使用 OpenAI SDK 或 HTTP 请求接入，默认开启流式输出。

js
curl https://api.haijingai.com/v2/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer <API_KEY>" \
  -d '{
    "model": "gpt-6-luna",
    "messages": [
      {"role": "system", "content": "你是一个有帮助的助手。"},
      {"role": "user", "content": "你好！"}
    ],
    "provider": { "channel": "direct" },
    "stream": true
  }'
# provider 为可选字段，删除该行即使用默认通道
js
from openai import OpenAI

client = OpenAI(
    base_url="https://api.haijingai.com/v2",
    api_key="<API_KEY>",
)

stream = client.chat.completions.create(
    model="gpt-6-luna",
    messages=[
        {"role": "system", "content": "你是一个有帮助的助手。"},
        {"role": "user", "content": "你好！"},
    ],
    stream=True,
    # 可选：指定服务通道，不传则使用默认通道
    extra_body={"provider": {"channel": "direct"}},
)

for chunk in stream:
    if chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="", flush=True)
js
import OpenAI from 'openai'

const client = new OpenAI({
  baseURL: 'https://api.haijingai.com/v2',
  apiKey: '<API_KEY>',
})

const stream = await client.chat.completions.create({
  model: 'gpt-6-luna',
  messages: [
    { role: 'system', content: '你是一个有帮助的助手。' },
    { role: 'user', content: '你好！' },
  ],
  stream: true,
  // 可选：指定服务通道，不传则使用默认通道
  // @ts-expect-error provider 为海鲸AI 扩展字段，不在 OpenAI SDK 类型定义内
  provider: { channel: 'direct' },
})

for await (const chunk of stream) {
  process.stdout.write(chunk.choices[0]?.delta?.content ?? '')
}
联系客服