GPT-6 模型家族提示词起步指南
官方提供可直接采用的自主推进、指令优先级、写作风格、委派和测试提示片段，并建议在所选 GPT-6 型号与工作负载上自行评估。
- 准备输入
- —
- 运行环境
- 详见详情页
在 Tabbit 中使用 GPT-6 Luna
OpenAI 已列出 GPT-6 Luna，API 模型 ID 为 `gpt-6-luna`。官方规格为 1.05M 上下文、最多输出 128K tokens；推理档位为 none、low、medium（默认）、high、xhigh、max。标准价格为输入 $0.10、缓存输入 $0.01、输出 $0.50 / 百万 tokens。Tabbit 中的可用性以当前账号的模型选择器为准。
在 Tabbit 中使用 GPT-6 Luna
GPT-6 Luna · 模型速览
先看资源与证据，再决定怎么用
这里集中放置已审核的任务指南、公开测评和证据边界。客户端是否开放模型，仍以当前账户为准。
任务指南6
测评来源5
来源已核对0
编辑精选0
Tabbit 模型与权限需以当前账户核实。
按任务找指南
把资料整理成结构化结果，制作视觉原型，或开始一个编码任务。
GPT-6 Luna API 模型配置
模型页确认 API 模型 ID 为 gpt-6-luna，列出推理档位、端点、输入模态及 Responses API 工具支持情况。
- 准备输入
- —
- 运行环境
- 详见详情页
OpenAI API 提示工程通用指南
指南给出角色层级、指令参数、上下文、示例和格式化等可复用提示工程方法，并建议用评测集验证模型升级后的提示行为。
- 准备输入
- —
- 运行环境
- 详见详情页
GPT-6 提示缓存与长流程 Agent 优化工作流
官方给出监控缓存命中、诊断缓存未命中、稳定提示前缀与工具定义、调整推理档位和预热缓存的操作路径。
- 准备输入
- —
- 运行环境
- 详见详情页
阅读证据与选型边界
公开结果来自不同版本、档位和测试方法；未知值保持未知。
OpenAI 官方发布：GPT-6 Luna 的基准结果与成本定位
OpenAI 将 GPT-6 Luna 定位为低成本、高吞吐模型，并报告其在 AutomationBench、DeepSWE 与 OSWorld 上相对前代的提升，但公开页未提供完整逐题数据和所有复现配置。
- 证据类型
- 官方来源
- 边界
- 版本、档位和测试条件需单独核对。
Artificial Analysis 独立评测：GPT-6 Luna 的成本、智能与编码结果
Artificial Analysis 的自有评测显示 GPT-6 Luna max 以显著更低任务成本取得接近前代的综合结果，但 Coding Agent Index 略有回退，GDPval 与 Briefcase 也出现知识工作交付质量问题。
- 证据类型
- 媒体来源
- 边界
- 版本、档位和测试条件需单独核对。
Artificial Analysis 发布面板：GPT-6 Luna 六档性能、成本与延迟
Artificial Analysis 汇总的六个 effort 档位显示 Luna 的性能、速度和每任务成本差异明显，max 档得分最高，low 档成本最低。
- 证据类型
- 媒体来源
- 边界
- 版本、档位和测试条件需单独核对。
OpenAI
在 Tabbit 中使用 GPT-6 Luna
查看 GPT-6 Luna 的官方规格、可复用提示词与测评证据，了解它适合的高频任务，并按来源复核结论。