模型详情
GPT-6 Luna
GPT-6 Luna 是 OpenAI GPT-6 系列中速度快、性价比高的模型，定位低于 GPT-6 Sol。它适用于高容量和对延迟敏感的工作负载，例如聊天、分类和轻量级智能体任务；在推理 effort 量更大的情况下，它还可以承担以前需要 Sol 级模型才能完成的复杂软件工程和计算机使用任务。 它继承了 GPT-6 系列在事实可靠性方面的进步，以及更清晰、更简洁的沟通风格。
模型规格
- 模型 ID
-
gpt-6-luna
- 上下文长度
- 1.05M
- 最大输出
- 128K
- 输入/输出模态
- 发布日期
- 2026-09
02
API 端点
单一 MixRoute 网关，OpenAI 兼容
-
OpenAI-compatible
/v1/chat/completionsPOST
03
阶梯价格
单位：/1M Tokens
| 档位 | 输入 /1M Tokens | 输出 /1M Tokens | 缓存读取 /1M Tokens | 缓存写入 /1M Tokens |
|---|---|---|---|---|
| standard Length ≤ 272K | $0.1000 | $0.5000 | $0.0100 | $0.1250 |
| long_context Length > 272K | $0.2000 | $0.7500 | $0.0200 | $0.2500 |
05
选型摘要
快速判断是否适合你的工作负载
这个模型适合什么？
多模态模型，输入输出包含文本、图像
gpt-6-luna 是多模态模型。规格上，context window 为 1,050,000 个 Token，单次最多输出 128,000 个 Token。
使用前应检查什么？
1,050,000 context，输出上限 128,000
采用 gpt-6-luna 前，输入超过 272,000 个 Token 会切换到较高费率；标准输入费率为 $0.1／100 万 Token；已声明支持工具调用、结构化输出、流式输出、提示词缓存、视觉输入、OpenAI SDK 兼容；知识库截止时间为 2026-05-18；发布于 2026-09-22。建议先以具有代表性的流量试跑，确认质量与延迟。
为什么通过 MixRoute 使用？
gpt-6-luna 的缓存读取价降低重复提示成本
输入不超过 272,000 个 Token 时，重复的前缀按每 100 万 Token $0.0100 的缓存读取价计费，标准输入为 $0.1000／100 万 Token；超过后分别为 $0.0200 与 $0.2000／100 万 Token，系统提示词的重复成本因此降低。MixRoute 以 OpenAI 兼容端点 /v1/chat/completions 提供 gpt-6-luna；既有客户端只需指向 https://api.mixroute.ai/v1 并把模型 ID 换成 gpt-6-luna，再跑一次集成测试即可。
07
能力与兼容性
未确认的能力保持“Unknown”，不做猜测
工具调用
gpt-6-luna 支持函数调用与工具调用。
tools 定义；响应会返回 tool_calls，执行后再把结果送回模型。
结构化输出
gpt-6-luna 可以按需生成 JSON 格式的输出。
response_format: { type: "json_schema" } 可强制输出有效的 JSON。
流式输出
gpt-6-luna 支持流式响应。
stream: true 会逐步流式返回 Token，聊天界面可以边接收边渲染。
提示缓存
gpt-6-luna 在支持的路由条件下可以使用提示缓存。
视觉输入
gpt-6-luna 可以同时处理图像与文本输入。
image_url 内容块中传入 base64 编码的图片，与文本消息一起发送。
OpenAI SDK
通过 MixRoute 的 OpenAI 兼容端点调用 gpt-6-luna。
base_url 改为 https://api.mixroute.ai/v1；其余部分遵循 OpenAI 风格。
08
Token 成本估算
基于本页价格的实时估算，非实际账单
同一前缀被重复读取的输入占比，最高 100%
09
FAQ
是的。gpt-6-luna 可通过 OpenAI 兼容的端点访问，因此现有的 OpenAI SDK 客户端在将基本 URL 指向 MixRoute 并将模型参数设置为 gpt-6-luna 后即可正常工作。请保留您当前的请求和响应处理方式。
单一端点，可验证的决策
使用相同的请求格式测试此模型和备用路由
从真实工作负载开始，再由质量、总成本和故障条件决定是否接入生产流量。