GPT-5.6 Luna API 模型参数与成本配置

一句话结论

官方模型页确认 Luna 的当前 API ID、价格、推理档位、工具面和速率限制，可直接作为高吞吐路由的配置基线，但 272K 以上的单次请求会触发整单加价。

适用场景

• 适合的任务：成本敏感、高体量的分类、抽取、摘要、标签、轻量代码解释和可验证的流水线步骤。

• 不适合的任务：音频/视频、微调、需要复杂跨文件架构判断的任务；页面只描述能力与计费，不承诺业务准确率。

• 适用的模型版本：gpt-5.6-luna。

• 适用的客户端、Agent 或 API：OpenAI API；Responses API 支持页面列出的工具，Chat Completions 也可用。

• 推荐的推理档位和参数：批量任务先从 none 或 low 开始；medium 作为默认档位；只有验收失败且可量化改善时再试 high、xhigh 或 max。

可直接使用的内容

这是按官方字段整理的最小配置清单；鉴权、SDK 初始化和业务工具实现需要由应用补齐。

model = "gpt-5.6-luna"
reasoning.effort = "low"  # none | low | medium | high | xhigh | max
endpoint = "/v1/responses"

price_per_1M:
  input = 0.20
  cached_input = 0.02
  output = 1.20

Responses API 工具页将 web search、file search、image generation、code interpreter、hosted shell、apply patch、skills、computer use、MCP 和 tool search 标为 Supported；函数调用、结构化输出和流式输出也标为 Supported。

测试/工作流步骤

1. 先固定 gpt-5.6-luna 和 low，选择一批有明确标签或测试判定的任务，记录每次输入/输出 tokens、耗时、通过率和重试数。

2. 对同一任务集做 none、low、medium 的小样本 A/B；把通过率提升与额外 token/时延同时记录。

3. 将静态系统指令、工具定义和参考资料放在稳定前缀，变化的用户输入放在后部，以便观察缓存命中。

4. 对单次输入超过 272K tokens 的请求先做预算；官方规则是整次请求按 2 倍 input、1.5 倍 output 计价，必要时测试分块方案。

5. 如果模型输出将触发写文件、发送消息、支付或删除数据，增加人工确认、沙箱或回滚；低单价不改变动作风险。

6. 运行一周后按“每个通过且经人工验收的结果成本”评估，而不是按 token 单价直接决定路由。

原始证据与数据

• 定位：官方称 Luna 面向 cost-sensitive、high-volume workloads，约对应早期 GPT-5 系列的 nano 档。

• 推理：none、low、medium（默认）、high、xhigh、max。

• 上下文/输出：1,050,000 context window，128,000 max output tokens；知识截止 2026-02-16。

• 价格：输入 $0.20、缓存输入 $0.02、输出 $1.20（每 1M tokens）。

• 长输入：超过 272K input tokens 时，完整请求按 2 倍输入、1.5 倍输出计价。

• 模态：文本输入/输出、图像输入；音频和视频不支持。

• API：流式、函数调用、结构化输出支持；微调不支持。

• Responses 工具：web search、file search、image generation、code interpreter、hosted shell、apply patch、skills、computer use、MCP、tool search 均为 Supported。

• Tier 1：500 RPM、500,000 TPM、5,000,000 batch queue limit；更高层级按账户页面显示为准。

适用边界

• 模型目录页没有给出 Luna 在你的业务上的准确率、首轮通过率或平均延迟；不要把“Fast”当作 SLA。

• 272K 规则是整次请求的倍数计费，不是仅对超出部分加价；长文档任务必须实测分块和缓存。

• 工具支持只在 Responses API 工具表中确认；具体工具调用仍需处理权限、失败、恶意工具输出和人工确认。

• 页面显示的是别名；若需要复现实验，应记录采集日期和实际可用 snapshot，当前页面未公开独立快照名。

来源摘录或观察（仅做合规短引）

官方定位是 “designed for cost-sensitive, high-volume workloads”，它说明使用方向，不等于低风险或零返工。