gpt-6-lunaGPT-6 Luna 是 OpenAI GPT-6 家族的效率档 —— OpenAI 自己的描述是「面向聚焦的高吞吐任务的最高效模型」,2026 年 9 月与 GPT-6 Sol 一起发布。在 APIMODELS 上输入 $0.09、输出 $0.45 每 1M token,是 OpenAI 官方 $0.10 / $0.50 的九折,缓存输入 $0.009。规格与 Sol、Astra 一致:1,050,000 token 上下文、128,000 最大输出、文本与图像输入,知识截止 2026 年 5 月 18 日。reasoning_effort 可取 none / low / medium(默认)/ high / xhigh / max,推理 token 按输出计费并计入 max_tokens 预算 —— 分类、抽取这类批量活把它调到 low 或 none,这正是这一档的用武之地。单次输入超过 272K token 时,输入与缓存输入按 2 倍、输出按 1.5 倍计费,与家族其它档同一套长上下文阶梯。通过 OpenAI 兼容的 /v1/chat/completions 或 /v1/responses 一把 key 调用,函数调用两条路都可用 —— 我们实测在 /v1/chat/completions 上用默认 reasoning_effort 就能返回 tool_calls,OpenAI 文档里「要先设成 none」的限制在这里不成立。失败不收费。
View complete API reference with all parameters and examples.
Enable real-time streaming responses with Server-Sent Events.
{
"model": "gpt-6-luna",
"stream": true,
"messages": [...]
}Enable the model to use tools and call functions.
{
"model": "gpt-6-luna",
"tools": [{
"type": "function",
"function": {
"name": "get_weather",
"description": "Get current weather for a location",
"parameters": {
"type": "object",
"properties": {
"location": {"type": "string", "description": "City name"}
},
"required": ["location"]
}
}
}],
"messages": [{"role": "user", "content": "What's the weather in Tokyo?"}]
}Get structured JSON responses from the model.
{
"model": "gpt-6-luna",
"response_format": {"type": "json_object"},
"messages": [{"role": "user", "content": "Extract info as JSON: John is 30 years old"}]
}| Parameter | Type | Required | Description |
|---|---|---|---|
| model | string | Yes | Model identifier (e.g., gpt-6-luna) |
| messages | array | Yes | Array of message objects with role and content |
| max_tokens | integer | No | Maximum tokens in the response |
| stream | boolean | No | Enable streaming responses (SSE) |
| temperature | number | No | Sampling temperature (0.0 - 2.0) |
| top_p | number | No | Nucleus sampling threshold (0.0 - 1.0) |
| tools | array | No | Function calling tools definition |
| response_format | object | No | Output format (e.g., json_object) |
View complete API reference with streaming, thinking, and more.
Billing: Cost = (input_tokens * input_price + output_tokens * output_price) / 1,000,000
$0.09 / $0.45 每 1M token,官方 $0.10 / $0.50;缓存输入 $0.009
OpenAI:面向聚焦的高吞吐任务的最高效模型 —— 分类、抽取、路由
与 Sol、Astra 同规格;文本与图像输入;知识截止 2026 年 5 月 18 日
推理 token 按输出计且占 max_tokens —— 批量活用 low 或 none
GPT-6 Luna 是由 OpenAI 提供的大语言模型 API。GPT-6 Luna 是 OpenAI GPT-6 家族的效率档 —— OpenAI 自己的描述是「面向聚焦的高吞吐任务的最高效模型」,2026 年 9 月与 GPT-6 Sol 一起发布。在 APIMODELS 上输入 $0.09、输出 $0.45 每 1M token,是 OpenAI 官方 $0.10 / $0.50 的九折,缓存输入 $0.009。规格与 Sol、Astra 一致:1,050,000 token 上下文、128,000 最大输出、文本与图像输入,知识截止 2026 年 5 月 18 日。reasoning_effort 可取 none / low / medium(默认)/ high / xhigh / max,推理 token 按输出计费并计入 max_tokens 预算 —— 分类、抽取这类批量活把它调到 low 或 none,这正是这一档的用武之地。单次输入超过 272K token 时,输入与缓存输入按 2 倍、输出按 1.5 倍计费,与家族其它档同一套长上下文阶梯。通过 OpenAI 兼容的 /v1/chat/completions 或 /v1/responses 一把 key 调用,函数调用两条路都可用 —— 我们实测在 /v1/chat/completions 上用默认 reasoning_effort 就能返回 tool_calls,OpenAI 文档里「要先设成 none」的限制在这里不成立。失败不收费。 通过 APIMODELS 平台，您可以使用统一的 API 接口调用该模型，按量计费、价格透明。当前定价：Input: $0.09, Output: $0.45 per 1M tokens。
构建智能对话系统，自动回答用户问题，提升客户服务效率。
自动撰写文章、邮件、广告文案等文本内容，提高内容产出效率。
辅助代码编写、调试和代码审查，加速软件开发流程。
理解和分析非结构化数据，提取关键信息并生成报告摘要。
GPT-6 Luna 通过 APIMODELS 平台调用，当前定价：Input: $0.09, Output: $0.45 per 1M tokens。按量计费，用多少付多少。
在 APIMODELS 注册账号并获取 API Key，然后通过我们的统一 API 端点调用即可。我们提供详细的 API 文档和 cURL、Python、Node.js 代码示例。
APIMODELS 通过聚合平台提供与官方相同的 GPT-6 Luna 模型。我们提供统一的 API 接口，无需分别注册各平台账号，一个 API Key 即可调用所有模型。
输入 $0.09、输出 $0.45 每百万 token,缓存输入 $0.009 —— 是 OpenAI 官方 $0.10 / $0.50 / $0.01 的九折。单次输入超过 272K token 时,输入与缓存输入按 2 倍、输出按 1.5 倍计费,与官方的长上下文阶梯一致。按实际 token 扣费,推理 token 算在输出里,失败的请求不收钱。
OpenAI 把 Luna 定位为「面向聚焦的高吞吐任务的最高效模型」,Sol 是主力档。在我们这里 Luna 是 $0.09 / $0.45,Sol 是 $1.00 / $5.00,差十倍以上。分类、抽取、路由、摘要、日志归类这类量大、单条不难的活用 Luna;需要更强推理或长跑 agent 的活用 Sol。两者规格一样:105 万上下文、128K 输出、文本与图像输入。
GPT-6 Luna 默认 reasoning_effort 是 medium,推理 token 计入 max_tokens 预算 —— 我们实测 max_tokens 300 时 300 个 token 全被推理吃掉,正文一个字都没出。批量任务把 reasoning_effort 设成 low 或 none,或者把 max_tokens 留足推理的余量。
POST https://api.apimodels.app/v1/chat/completions 或 /v1/responses,model 填 gpt-6-luna,Authorization: Bearer 你的 apimodels key,OpenAI SDK 只改 base_url。流式、函数调用、JSON 输出、图片输入都可用 —— 我们实测在 /v1/chat/completions 上用默认 reasoning_effort 就能正常返回 tool_calls,不需要像 OpenAI 文档说的那样先把 reasoning_effort 设成 none。
在 APIMODELS，GPT-6 Luna 与 60+ 个模型共用一个 API Key、一个余额，所以选型只看合不合适，不存在锁定。它支持 10% Below Official、High Volume、1.05M Context、Reasoning Effort，你可以在价格和能力上把它和其它大语言模型模型对比，换模型只需改一个模型名字符串——无需新账号、无需重新对接。所有大语言模型模型与实时价格见 apimodels.app/models。
GPT-6 Luna 支持：10% Below Official、High Volume、1.05M Context、Reasoning Effort。完整参数与调用方式见 APIMODELS 的 API 文档。
可以。APIMODELS 提供可直接访问的统一 API,一个 API Key 即可调用 GPT-6 Luna,无需分别注册官方账号、也无需自行处理官方接口的网络访问。
我们支持 Stripe（Visa、Mastercard 等国际信用卡）和支付宝付款。充值后积分即时到账。