GPT-6 Luna – OpenAI推出的面向高频调用的轻量级大模型

GPT-6 Luna是OpenAI于2026年9月推出的面向高频调用的轻量级大模型，主要用于批量处理、轻量开发与多智能体并发任务，支持多档推理强度与改进后的提示词缓存，适用于内容生产、桌面流程自动化与规模化应用部署场景。

GPT-6 Luna 的核心能力

GPT-6 Luna 的定位与 GPT-6 Sol 形成分工：Sol 面向专业工作负载，Luna 面向高频与并发。训练方法与 GPT-6 Astra 接近，官方同时改进了推理与缓存效率，并把节省下来的成本体现为价格。对以 AI 智能体 并发为主要负载的应用而言，单价决定边际成本，固定定价则决定预算可控性。

轻量档位上的编程能力

DeepSWE v1.1 软件工程测试中，GPT-6 Luna 在 max 强度下取得 66.6%，接近 Claude Opus 5 与 Claude Fable 5 的 medium 强度水平，单任务成本分别低约 93% 与 96%。代码检查、批量修改与简单功能开发是其官方给出的主要编码负载。

跨应用业务流程与事实可靠性

在 AutomationBench 跨应用业务流程测试中，Luna 在 high 强度下的得分较 GPT-5.6 Luna 提升 5.4 个百分点，单任务成本降低 58%；事实性方面，官方称其以约百分之一的成本达到 GPT-5.6 Sol 的可靠性水平，这决定了它能否承接对准确性有要求的高频任务。

计算机操作与多模态输入

OSWorld 2.0 测试中，Luna 在 max 强度下超过 GPT-5.6 Sol 的 medium 强度，单任务成本约为其十分之一，可用于网页浏览、表单填写等桌面流程。模型继承 GPT-6 Astra 的多模态能力，在图文混合输入的任务中无需额外适配。

固定定价与缓存复用

与分时定价不同，GPT-6 Luna 采用固定单价，缓存输入读取享受 90% 折扣，并支持在对话中途调整推理强度与工具开关而不破坏缓存复用。对批量任务而言，缓存的附加价值高于单价本身：命中部分按 0.01 美元计费，仅为未命中输入价格的十分之一。

GPT-6 Luna 与同类低成本模型的对比

上表价格取自各发布方的官方定价页与官方公告，许可信息取自官方模型卡。计价方式差异最直接：GPT-6 Luna 为固定单价，DeepSeek V4.1 Flash 采用闲时与高峰分时定价；按每百万 tokens 未命中输入计，Luna 为 0.10 美元，DeepSeek 闲时约 1 元、高峰约 2 元。缓存读取是长任务成本的主要变量，三款模型的缓存价格都显著低于各自的输入价，Luna 的缓存命中输入为 0.01 美元，为未命中输入价格的十分之一。开放程度上，DeepSeek V4.1 Flash 以 MIT 许可开放权重，可自建推理服务；GPT-6 Luna 与上一代 Luna 均未开放权重，只能按调用计费。

如需了解这一系列的能力上限与成本基线，可参考 GPT-6 Astra（OpenAI 的旗舰通用模型，可用作长任务与复杂推理的对照基线）。

GPT-6 Luna 的应用场景与适用人群

该模型面向以调用量与并发规模计成本的任务，常见落点包括：

• 轻量开发与代码检查：批量修改、单测补全与代码审查，单任务成本约为更高档位模型的百分之七。
• 多智能体并发：长流程工作流中的并行子任务，低单价让成本优势随并发规模放大。
• 高频日常办公：邮件起草、文档摘要与数据整理等重复性工作，固定定价便于预算控制。
• 桌面流程自动化：网页浏览与表单填写等任务，成本约为上一代主打型号的十分之一。
• 产品后端规模化调用：聊天机器人与内容生成产品的默认模型，高频调用的边际成本显著下降。

适用人群：需要控制单位成本的产品团队、以并发放大产能的智能体开发者，以及希望在免费或低档套餐内验证想法的个人用户。涉及准确率敏感的任务，建议先在低强度档位验证输出质量，再决定是否提升推理强度。

GPT-6 Luna 的使用方法

从确认资格到接入调用，可按以下步骤开始：

1. 查阅官方说明：在 GPT-6 Luna 官方公告 确认价格、可用档位与开放范围，再确定接入的业务环节。
2. 选择入口：ChatGPT Work 与 Codex 面向 Plus、Pro、Business、Enterprise 与 Edu 用户开放；免费与 Go 用户可在桌面应用中使用。
3. 配置 API 调用：在 OpenAI API 中将模型名设为 gpt-6-luna，按任务难度调整推理强度，批量任务建议使用低档位。
4. 优化缓存：长上下文任务设置显式断点控制缓存前缀边界，同一会话保持 prompt_cache_key 一致，让命中部分按缓存价计费。
5. 监控与灰度：跟踪缓存命中率、平均输出长度与任务完成率，先在只读任务上验证行为边界再放开写操作。

批量场景建议按请求类型拆分档位：结构化抽取与摘要使用低强度，涉及推理链的请求再提升强度，可避免全部流量按最高档计费。

GPT-6 Luna 的价格与开源情况

GPT-6 Luna 定价为每百万 tokens 输入 0.10 美元、输出 0.50 美元，缓存读取 0.01 美元，较 GPT-5.6 Luna 的输入单价下调 50%，输出降幅约 58%。同批发布的 GPT-6 Sol 为输入 2 美元、输出 10 美元、缓存读取 0.20 美元。区域数据处理端点按 10% 加价，定价为固定制，不区分时段。

GPT-6 Luna 未开放模型权重，仅通过 ChatGPT Work、Codex 与 OpenAI API 提供，不支持自托管。对以调用量计成本的团队而言，输入与输出价格之比为 1 比 5，输出长度直接决定账单，建议在提示词中约束回答长度并复用缓存上下文；需要私有化部署的场景应评估开放权重模型作为替代方案。

GPT-6 Luna 的常见问题