1. OPEN AI
MeWai
  • 返回首页
  • 厂商速查
  • OPEN AI
    • GPT-6 Astra 模型介绍
    • GPT-6 Luna 模型介绍
    • GPT-6.1 Sol 模型介绍
    • GPT-Image-2.5 系列模型介绍（Flare / Sunburst）
    • GPT-6.1 Terra 模型介绍
  • Anthropic
    • Anthropic
    • Claude Haiku 5.5 模型介绍
    • Claude Fable 5.1 模型介绍
    • Claude Sonnet 5.5 模型介绍
    • Claude Opus 5.5 模型介绍
  • Google
    • Gemini 3.8 Flash TTS 模型介绍
    • Gemini Nano Banana 2.1 模型介绍
    • Gemini 3.8 Flash 模型介绍
    • Gemini 4 Argon 模型介绍
  • DeepSeek
    • DeepSeek V4.1 Flash 模型介绍
    • deepseek-v4-1-flash-1017-模型介绍
  • Qwen
    • Qwen3.8-Flash 模型介绍
    • Qwen3.8-Max-0902 模型介绍
    • Qwen3.8-Omni-Flash 模型介绍
    • Qwen3.8-Omni-Flash-Realtime 模型介绍
  • Minimax
    • MiniMax H3 模型介绍
    • minimax-m3-1-flash-模型介绍
  • Moonshot
    • Kimi K3.1 Pro 模型介绍
  • ChatGLM
    • GLM-5.3 与 GLM-5.3-Flash 模型介绍
  • XiaomiMiMo
    • MiMo-V2.6 系列模型介绍（Pro / Flash）
  • 腾讯
    • Hy4 preview 模型介绍
  • xAI
    • Grok Imagine Video 1.5 Lite 模型介绍
    • Grok 4.7 模型介绍
  • TypeSafe
    • jev-1-14-0-模型介绍
  • Vidu
    • viduq4-preview-模型介绍
  • PixVerse
    • PixVerse V6 Max 模型介绍
  • Kling
    • Kling 4.0（kling-video-v4）模型介绍
  1. OPEN AI

GPT-6 Luna 模型介绍

一句话定位：OpenAI 于 2026-09-22 发布的 GPT-6 系列超低价档模型，定位在 GPT-6 Sol 之下。它不是新旗舰，而是「Astra 技术下沉的普惠版」——用 $0.10 / $0.50 的价格承接高并发、延迟敏感的批量任务（分类、抽取、摘要、轻量 Agent）。核心卖点是便宜到极致 + 快：独立评测里跑完一次智能指数任务只要 $0.07，是同页最便宜。代价是推理能力是 GPT-6 全系最低，不适合复杂任务。
整理日期：2026-10-01 ｜ 资料来源见文末 ｜ 相关：近期新模型总览-排位与搭配推荐
项目信息
模型 IDgpt-6-luna（珂艾网关同名可直接调用）
发布时间2026-09-22
厂商OpenAI
定位高并发、延迟敏感、成本敏感的大批量任务
上下文窗口1,050,000 tokens（>272K 输入整条按长上下文价计）
最大输出128,000 tokens
输入输出文本 + 图片输入，文本输出；支持推理、函数调用、JSON 模式、流式、联网搜索
官方定价输入 $0.10 / 输出 $0.50（每百万 tokens）；缓存输入 $0.01；Batch / Flex 半价
智能指数（AA v4.3.2, max 档）37.3（约 37 档）
单次指数任务成本$0.07（全网最便宜档）

一、官方上线介绍#

GPT-6 Luna 与 GPT-6 Sol 同在 2026-09-22 发布，时间点在 Anthropic 发布 Claude Opus 5.5 之后约 90 分钟——这一天被 Simon Willison 称为「前沿模型价格战」的开端。OpenAI 给这对模型的宣传口径很明确：不是更强的智能，而是同样的智能用更少的钱。
Luna 与 Astra、Sol 共享 Astra 的训练方法（推理、事实性、编程、计算机操作、对齐同源），但成本结构完全分层——OpenAI 官方表述是「Astra 级改进，API 价格比 GPT-5.6 促销价再低 50%」。
定价细节（几个容易踩的坑）
标准价：输入 $0.10 / 输出 $0.50（每百万 tokens），缓存输入 $0.01（约为输入价的 1 折）。
Batch / Flex 半价：不急着要结果的任务可走批处理，$0.05 / $0.25。
长提示加价：单次请求输入 >272,000 tokens 时，整条请求按 2 倍输入价、1.5 倍输出价计费。
Fast 模式 2 倍价（Luna 上用得少）。
官方基准（OpenAI 自测，max 档）
基准GPT-6 Luna对比
DeepSWE v1.1（真实软件工程）66.6%（$0.22/任务）Sol 68.8%（$2.74/任务）、GPT-5.6 Sol 72.7%、Fable 5 69.9%
AutomationBench（业务流程）20.7%Sol 33.2%（xhigh）、Opus 5 26.9%
OSWorld 2.0（电脑操作，离线）52.7%Sol 64.4%、Opus 5 medium 60.3%
FrontierCode 1.1（智能体编码）42.4%（$0.11/任务）Sol 49.3%（$2.14/任务）
Terminal-Bench 4.0（终端任务）51.3%Sol 59.1%、Opus 5.5 66.4%
Terminal-Bench Science（科研 Agent）42.6%Sol 54.1%、GPT-6 Astra 64.6%
HLE（多学科推理，带工具）53.8%Sol 61.2%
GDPval-AA v2.1（知识工作）1304Sol 1621、Opus 5.5 1846
Chartography（图表识别，带工具）72.2%Sol 81.6%
内部事实错误率7.6%（max）官方称高 effort 下事实准确率接近 GPT-5.6 Sol，成本约为其 1/100
典型用法：官方把 Luna 定位为「focused, high-volume tasks」——专注型、高频的任务，例如对话、分类、轻量 Agent 流程。
可用渠道：Luna 进入 ChatGPT Work 和 Codex（Plus / Pro / Business / Enterprise / Edu），并且是唯一进入免费档的 GPT-6 模型——Free 和 Go 用户可通过 ChatGPT 桌面版使用（但普通对话窗口仍跑 GPT-5.6 Luna）。OpenAI 明确表示 GPT-6 系列「not yet available in Chat」。

二、KOL / 评测机构实测感受#

社区对 Luna 的评价高度一致：别拿它当智力模型看，它是一台「便宜又快的印钞机」。
Artificial Analysis（独立评测）：
智能指数 37.3（max 档），与上代 GPT-5.6 Luna 的 37.3 完全持平——说明这一代 Luna 在智力上没有进步；
但单次指数任务成本只要 $0.07，上代是 $0.18，是全站最便宜的每任务成本；
ARC Prize 测 ARC-AGI-2：Luna 59.3%，上代 59.5%，同样基本持平。
OrcaRouter（延迟与吞吐实测）：p50 响应延迟 671 ms（比 DeepSeek V4 Pro 的 1880 ms 快 64%），吞吐 116 tok/s（快 30%）；复合质量分 8.0，与 DeepSeek V4 Pro 打平。结论直接写着「cost-sensitive / latency-critical / longest inputs 三个维度都是 Luna 胜出」。
掘金（架构视角）：把 Luna 称为「高吞吐极速蜂群拐点」——以 157.4 t/s 的吞吐和 $0.50 的输出价，「刷新了超轻量级模型的性价比天花板」。文章给的工业级三阶路由架构里，Luna 负责最外层的海量简单任务。
CSDN 创业者日报：点破这代新品的关键——「这批新品不是『更聪明』，而是『同等聪明用一半的钱、甚至五分之一的钱』」。行业竞争的度量衡正式从「IQ 分数」迁到「每任务美元」。
一个值得注意的回撤：独立评测指出 Sol / Luna 在 GDPval-AA v2.1 知识工作上分别掉了约 100 / 75 Elo，原因是交付物更短、经常漏掉 rubric 要求的要素。Luna 掉分更明显，说明长文档类交付不要交给它。
lmmarketcap（编码维度）：综合分 40，编码排名 #251 / 442（前 57%）——编码不是它的战场。

三、核心优势#

1.
便宜到极致：$0.10 / $0.50，比 GPT-5.6 Luna 的 $0.20 / $1.20 降了 50%（输出实际降 58.3%）；批处理再砍半。
2.
每任务成本全网最低：跑一次智能指数任务 $0.07，比上代 $0.18 低 61%。
3.
快：p50 延迟 671 ms、吞吐 116–157 tok/s，在同类里属第一梯队，适合用户等待的交互场景。
4.
缓存近乎免费：缓存输入 $0.01，长会话 / 固定 prompt 场景成本几乎可以忽略。
5.
105 万上下文只要白菜价：这个上下文长度在 $0.10 档位里几乎独一份。
6.
功能不缺：推理、视觉、函数调用、JSON 模式、流式、联网搜索、文件输入全都有——不是「阉割版」，是「降智版」。
7.
唯一免费档 GPT-6：免费 / Go 用户可以在 ChatGPT 桌面版直接体验。
8.
可承接 Agent 外层流量：配合 Sol / Astra 做分层路由，把 80% 的简单请求交给它，整体成本能大幅下降。

四、适合用在哪#

高并发批量处理：分类、打标、情感分析、内容审核、数据清洗。
信息抽取与结构化：从文本 / 图片里抽字段，输出 JSON。
摘要与改写：会议纪要、长文压缩、模板化文案。
延迟敏感的对话场景：客服前置问答、聊天助手、实时补全。
轻量 Agent 外层：意图识别、路由决策、工具参数生成——把难的丢给上层模型。
海量文档预筛：先用 Luna 粗筛，命中的再交给 Sol / Opus 精读。
成本敏感的原型与实验：需要跑很多次验证想法时，用它做探索。
经验法则：把最无聊、量最大的活交给 Luna。一旦任务涉及多步推理、复杂编码、长文交付，立刻升级到 Sol 或更强模型。

五、劣势与注意事项#

1.
推理能力是 GPT-6 全系最低：指数 37.3，只有 Sol（47.5）的约 78%；所有基准全面低于 Sol 和 Opus 5.5，不是「够用的旗舰」，是「便宜的小模型」。
2.
这一代没变聪明：37.3 与上代 37.5 档基本持平，进步全在价格上。
3.
知识工作回撤明显：GDPval-AA 掉约 75 Elo，交付物偏短、常漏要点，长报告 / 文档类任务别用它。
4.
不适合深度 Agent 自主迭代：多轮自我纠错容易跑偏，官方也只说「lightweight agentic」。
5.
长提示加价陷阱：输入 >272K tokens 整条请求按 2 倍输入价、1.5 倍输出价计费——以为用便宜模型省钱，结果长文档场景反而不划算。
6.
不在普通 ChatGPT 对话窗口：免费用户要走桌面版，普通 Chat 里仍是 GPT-5.6 Luna，别搞混。
7.
编码偏弱：FrontierCode 42.4%、编码榜靠后，别拿它写生产代码。

六、与近期新模型排位对比 / 不同推荐维度#

近期新模型智能指数排位（Artificial Analysis Intelligence Index，越高越好）#

排名模型指数发布定价（$in/$out 每百万）备注
1Claude Opus 5.557.609-22$4 / $20综合最强
2Claude Sonnet 5.55609-28$2 / $10编码 + UI 美学标杆
3Claude Fable 5.153.409-01$10 / $50知识 / 写作最强之一
4Gemini 4 Argon5309-30$2 / $10（首发）→ $4 / $20低幻觉知识型；珂艾未上架
4GPT-6 Astra52.709-03$10 / $50科研 / 电脑操作旗舰
6GPT-6.1 Sol51.8–5209-29$2 / $10最佳性价比主力
7Claude Opus 550.807 月$5 / $25上代 Opus
8GPT-6 Sol47.509-22$2 / $10上代 Sol（已被 6.1 取代）
9GPT-6 Luna37.309-22$0.10 / $0.50全场最便宜，智力最低
注：GPT-6 Luna 指数与上代 GPT-5.6 Luna 持平，但每任务成本从 $0.18 降到 $0.07。在这张表里 Luna 是「用智力换成本」的极端点，选它之前先确认任务真的不需要深度推理。

不同推荐维度#

你想解决什么首选理由
综合最强智能Claude Opus 5.5指数 57.6
编码 + UI 美学Claude Sonnet 5.5社区实测领先
性价比主力GPT-6.1 Sol$2/$10 拿指数 52
企业知识工作 / 低幻觉Gemini 4 Argon（上架后）Vals Index 第 1、幻觉率 15%
最难科研 / 电脑操作GPT-6 AstraTerminal-Bench Science、OSWorld 领先
海量简单任务 / 高并发GPT-6 Luna$0.10/$0.50，每任务 $0.07
延迟敏感对话GPT-6 Lunap50 671 ms、吞吐 116+ tok/s
超长上下文但预算极低GPT-6 Luna105 万上下文只要 $0.10 档（注意 >272K 加价）
免费档体验 GPT-6GPT-6 Luna唯一进入 Free / Go 的 GPT-6 模型

分层路由推荐（工业级三阶架构）#

层级模型承接什么
战略规划 / 安全质检Claude Opus 5.5复杂架构、开放式难题
通用主力 / 执行GPT-6.1 Sol 或 Claude Sonnet 5.5日常编码、Agent 主流程
外层蜂群 / 海量分流GPT-6 Luna分类、抽取、路由、预筛、简单问答
落地建议：先把线上流量按「简单 / 中等 / 困难」分层，简单层全量切 Luna，通常能吃掉 60–80% 的请求量，整体账单能显著下降，而用户几乎无感。

七、来源#

1.
OpenAI — GPT-6 系列发布与定价页（Luna $0.10/$0.50、Batch 半价、长提示加价规则）
2.
Lindy — GPT-6 Explained: Astra, Sol, Luna, and What Each One Costs：https://www.lindy.ai/blog/gpt-6
3.
Artificial Analysis — Intelligence Index v4.3.2（Luna 37.3、每任务 $0.07）：https://artificialanalysis.ai/
4.
OrcaRouter — DeepSeek V4 Pro vs GPT-6 Luna 延迟吞吐实测：https://www.orcarouter.ai/compare/deepseek-v4-pro-vs-gpt-6-luna
5.
CSDN — AI 创业者通识日报（2026-09-23）：https://blog.csdn.net/gedonshen/article/details/166448102
6.
掘金 — Claude Opus 5.5 联手 GPT-6 Sol / Luna 降价潮与三阶路由架构：https://juejin.cn/post/7691160156302868480
7.
LM Market Cap — GPT-6 Luna 定价与排名：https://lmmarketcap.com/model/gpt-6-luna-batch
8.
Fello AI — Best AI Models in 2026（GPT-6 Sol/Luna 发布纪要）：https://felloai.com/
9.
ARC Prize — ARC-AGI-2 榜单：https://arcprize.org/
说明：价格为 OpenAI 官方标准价（2026-09-30 核对），批处理 / 长提示加价规则见官方定价页；基准多为 OpenAI 自报或第三方独立测算（已注明）；模型迭代快，最终以官网 / 珂艾网关实时页面为准。
修改于 2026-11-02 15:20:07
上一页
GPT-6 Astra 模型介绍
下一页
GPT-6.1 Sol 模型介绍
Built with