Construire avec CometAPIBesoin d'une seule API pour plusieurs modèles ?Testez le workflow dans Playground, puis créez une clé API lorsque le modèle et le coût correspondent à votre cas d'usage.
Vous cherchez le prix de GPT-6.1 Luna ? Au 28 octobre 2026, le catalogue des modèles d’OpenAI répertorie GPT-6 Luna, identifié comme gpt-6-luna, et non une version GPT-6.1 Luna. Pour les développeurs qui budgétisent une charge de production, le modèle disponible débute à 0,10 $ par million de jetons en entrée et 0,50 $ par million de jetons en sortie via OpenAI. CometAPI publie des tarifs correspondants en contexte court de 0,08 $ et 0,40 $.
Pour décider de rester sur GPT-6 Luna ou de passer à GPT-6.1 Terra, ne vous limitez pas aux tarifs par jeton. La longueur du prompt, la mise en cache, le raisonnement, les appels d’outils et les relances influencent tous le coût d’une tâche terminée. Ce guide explique la tarification de Luna, compare Luna à Terra et vous aide à choisir quand une mise à niveau vaut la dépense supplémentaire.
Points clés
Identité du modèle : utilisez gpt-6-luna pour les requêtes API GPT-6 Luna ; aucun prix GPT-6.1 Luna n’est indiqué dans le catalogue officiel.
Revu pour la clarté, l'attribution des sources et la terminologie API actuelle.
Tarification standard : GPT-6 Luna coûte 0,10 $ en entrée / 0,50 $ en sortie par million de jetons via OpenAI, ou 0,08 $ / 0,40 $ aux tarifs publiés par CometAPI pour le contexte court.
Contexte et facturation : le modèle dispose d’une fenêtre de contexte de 1,050,000 jetons ; les prompts au‑delà de 272,000 jetons d’entrée utilisent des tarifs plus élevés pour la requête entière.
Maîtrise des coûts : mettez en cache l’entrée répétée, limitez la sortie inutile et choisissez un effort de raisonnement conforme à vos critères d’acceptation.
Choix du modèle : conservez Luna pour le travail courant peu coûteux ; évaluez Terra lorsque l’interprétation visuelle, l’interaction avec l’écran ou la qualité rédactionnelle conditionne la réussite.
GPT-6.1 Luna existe‑t‑il ?
Aucun modèle GPT-6.1 Luna distinct n’est répertorié dans le catalogue API officiel vérifié le 2 novembre 2026. Pour les requêtes Luna, utilisez l’ID de modèle documenté gpt-6-luna. Une recherche de « GPT-6.1 Luna price » n’établit ni produit publié ni grille tarifaire distincte. « Fe-Pichu » est un modèle OpenAI disponible sur Arena. Il est très probablement Luna — étant donné que Terra est déjà en ligne et que la qualité de sortie de ce modèle est inférieure à celle de Terra — et le fait qu’il utilise un tokenizer OpenAI suggère également qu’il s’agit d’un modèle OpenAI.
Si vous avez cherché ce nom parce que vous souhaitez une alternative plus récente à Luna, envisagez GPT-6.1 Terra sur CometAPI. OpenAI a annoncé Terra le 26 octobre 2026, avec un accent sur le raisonnement visuel, l’utilisation de l’ordinateur et une écriture naturelle. Pour un flux de travail Luna existant, c’est un remplaçant potentiel lorsque ces capacités répondent à une faiblesse récurrente. Il s’agit d’une recommandation de flux de travail, et non de l’affirmation qu’OpenAI a renommé ou abandonné Luna.
Commencez par identifier ce qui doit s’améliorer : moins d’erreurs de lecture d’écran, une meilleure interprétation d’images ou moins de retouches après génération. Comparez les deux modèles sur ces tâches avant de changer. Si Luna répond déjà à vos objectifs de qualité et de temps de réponse, son prix par jeton plus bas reste une bonne raison de le conserver.
Qu’est‑ce que GPT-6 Luna ?
OpenAI a publié GPT-6 Luna le 22 septembre 2026 pour un travail ciblé et à gros volume. Il accepte du texte et des images et produit du texte. Son intérêt pratique est l’automatisation économique : classification, extraction et autres tâches délimitées dont vous pouvez vérifier les résultats de manière cohérente.
Luna propose un raisonnement configurable et une grande fenêtre de contexte, mais un faible prix par jeton ne rend pas chaque tâche peu coûteuse. Les échecs, les réponses longues et les corrections manuelles influent sur le coût final. Utilisez‑le lorsque la tâche est claire et que les critères d’acceptation sont faciles à appliquer.
Pour les tâches qui nécessitent une interprétation visuelle plus fiable, une interaction avec des écrans d’application ou une prose plus naturelle, GPT-6.1 Terra est une alternative pratique à tester. La question est de savoir si ses résultats justifient la dépense supplémentaire dans votre flux de travail.
Place de GPT-6 Luna dans la gamme de modèles d’OpenAI
Choisissez un modèle en fonction du travail à accomplir et du budget soutenable. Dans la gamme actuelle, Astra couvre le raisonnement exigeant, Sol équilibre capacités et coût, et Luna sert l’automatisation économique à gros volume. Terra ajoute une option à prix intermédiaire pour les tâches visuelles, l’interaction écran et l’écriture.
Modèle
Position
Quand l’envisager
Entrée / sortie par 1 M
GPT-6 Astra
Vaisseau amiral du raisonnement
Raisonnement complexe et code quand la capacité prime sur le coût par jeton.
10,00 $ / 50,00 $
GPT-6.1 Sol
Option générale à prix intermédiaire
Travaux nécessitant un équilibre entre capacités du modèle et dépenses.
2,00 $ / 10,00 $
GPT-6.1 Terra
Option visuelle et rédaction à mi‑prix
Interprétation visuelle, écrans d’application, rédaction ou révision de prose.
1,00 $ / 5,00 $
GPT-6 Luna
Option peu coûteuse et à gros volume
Tâches répétées et sensibles au coût, comme l’extraction et la classification.
0,10 $ / 0,50 $
Les prix sont en USD par million de jetons pour l’entrée et la sortie en contexte court OpenAI Standard non mis en cache. La mise en cache, les prompts plus longs, d’autres modes de traitement et services additionnels peuvent changer le total.
Pour une application Luna existante, testez Terra sur les tâches où les visuels, les actions sur écran ou la qualité de la rédaction entraînent des tentatives supplémentaires. Conservez Luna pour les requêtes routinières qui atteignent déjà votre objectif de qualité, et comparez le coût total des résultats acceptés avant de déplacer davantage de trafic.
Tarification API de GPT-6 Luna
Les tarifs officiels ci‑dessous distinguent l’entrée non mise en cache, les lectures de cache, les écritures de cache et la sortie. Toutes les valeurs sont en USD par million de jetons. Le contexte court désigne un prompt ne dépassant pas 272,000 jetons d’entrée ; les prompts plus longs font passer la requête entière à la grille « contexte long ».
Mode de traitement OpenAI
Entrée (non mise en cache) / 1 M
Lecture depuis le cache / 1 M
Sortie / 1 M
Standard — contexte court
0,100 $
0,010 $
0,500 $
Batch / Flex — contexte court
0,050 $
0,005 $
0,250 $
Fast — contexte court
0,200 $
0,020 $
1,000 $
Standard — contexte long
0,200 $
0,020 $
0,750 $
La spécification de facturation GPT-6 Luna applique des tarifs d’entrée et de cache ×2 et des tarifs de sortie ×1,5 au‑delà de 272,000 jetons d’entrée. La fenêtre de contexte de 1,050,000 jetons est une limite de capacité, pas la limite du palier de prix inférieur. Les écritures de cache de 30 minutes en Standard coûtent 0,125 $ par million de jetons en contexte court ; l’exemple de mise en cache ci‑dessous montre comment une écriture affecte l’économie totale.
Batch et Flex utilisent la moitié des tarifs Standard ; Fast utilise le double des tarifs applicables. Choisissez un mode de traitement selon vos exigences de timing et de disponibilité, et vérifiez la prise en charge par le fournisseur sélectionné avant d’appliquer une remise d’API directe au trafic via passerelle.
Note de tarification CometAPI : la grille tarifaire CometAPI pour GPT-6 Luna vérifiée le 28 octobre 2026 indique des tarifs en contexte court de 0,08 $ pour l’entrée non mise en cache, 0,008 $ pour les lectures de cache, 0,10 $ pour les écritures de cache de 30 minutes et 0,40 $ pour la sortie, par million de jetons. L’entrée en contexte long et la sortie sont indiquées à 0,16 $ et 0,60 $. Ces tarifs sont inférieurs de 20 % aux tarifs OpenAI Standard correspondants indiqués ici ; les remises selon le mode de traitement et la disponibilité des outils doivent être vérifiées séparément. Pour une requête en contexte court avec 5,000 jetons d’entrée non mise en cache et 1,000 jetons de sortie facturés, le coût en jetons du modèle est de 0,00100 $ via OpenAI Standard ou 0,00080 $ via CometAPI, hors mise en cache et services facturés séparément.
Effort de raisonnement GPT-6 Luna et dépense totale
L’effort de raisonnement modifie la quantité de travail que le modèle peut effectuer pour une requête ; ce n’est pas un pourcentage additionnel fixe dans ces tableaux de jetons. Comparez les réglages d’effort sur les mêmes tâches, y compris le raisonnement généré, les relances et l’utilisation de la sortie finale. Une réponse visible plus courte ne signifie pas nécessairement moins de jetons de sortie facturés.
Pour commencer, suivez le guide de démarrage rapide CometAPI pour créer une clé API et configurer l’URL de base compatible OpenAI. Sélectionnez gpt-6-luna et confirmez l’accès au modèle et la prise en charge des endpoints pour votre compte avant de l’intégrer dans un flux de production.
Quelle performance achetez‑vous avec GPT-6 Luna ?
Les résultats de benchmark publiés par OpenAI apportent des éléments sur le compromis coût‑performance de Luna. Il s’agit d’évaluations rapportées par le fournisseur, non de tests indépendants de CometAPI. Comparez l’ensemble de tâches et la configuration d’agent du benchmark avec votre propre charge avant d’utiliser ses économies dans une prévision.
Résultats de benchmark de GPT-6 Luna et conditions de test
DeepSWE v1.1 : Luna a obtenu 66,6 % à l’effort de raisonnement maximal, contre 68,8 % pour GPT-6 Sol au maximum. Les coûts par tâche rapportés pour Luna étaient inférieurs de 93 % à ceux de Claude Opus 5 et de 96 % à ceux de Claude Fable 5, ces modèles concurrents étant évalués à effort moyen dans ces comparaisons.
AutomationBench 1.0.6 : à effort élevé, Luna a progressé de 5,4 points par rapport à GPT-5.6 Luna avec un coût par tâche inférieur de 58 %. L’évaluation couvre des workflows métier de bout en bout utilisant 47 outils. Ces économies décrivent cette évaluation, et non une réduction garantie pour chaque application.
OSWorld 2.0 : Luna au maximum a dépassé GPT-5.6 Sol à effort moyen pour environ un dixième du coût par tâche. La métrique déclarée est la récompense partielle sur le jeu hors ligne de la version v2026.08.08. L’annonce ne fournit pas tous les détails d’agent et d’exécution nécessaires pour reproduire ces résultats.
Le graphique trace le coût des tâches en fonction du score de benchmark. Sa série Claude Fable 5.1 omet les coûts de repli Opus 5 sur environ 40 % des tâches, de sorte que le coût tracé sous‑estime le total de cette configuration. L’annonce d’OpenAI explique l’évaluation ; le graphique est reproduit dans la couverture du lancement de Soft4fun.
Pour le déploiement, mesurez le coût par tâche acceptée : un prix par jeton plus bas peut être compensé par des tentatives répétées, l’exécution d’outils ou des corrections humaines.
Comment la mise en cache du prompt change‑t‑elle les coûts d’entrée de GPT-6 Luna ?
Le guide de mise en cache des prompts d’OpenAI explique comment la réutilisation d’un préfixe stable peut réduire le traitement d’entrée. Une remise de lecture mise en cache s’applique à l’entrée réutilisée, pas à la requête entière. Comptez séparément les écritures, lectures et entrées ordinaires.
Opération
Prix OpenAI Standard pour contexte court / 1 M
Entrée (non mise en cache)
0,100 $
Écriture de cache 30 min
0,125 $
Lecture de cache réussie
0,010 $
Supposons que dix requêtes réutilisent le même préfixe de 100,000 jetons. Supposons une écriture de 30 minutes et neuf lectures réussies avant expiration, sans écritures supplémentaires. Le préfixe reste sous le seuil de contexte long et chaque requête laisse de la place pour d’autres entrées et la sortie.
Composant du préfixe répété
Sans mise en cache
Une écriture + neuf lectures
Entrée de préfixe ordinaire
10 × 100,000 × 0,10 $ / 1 M = 0,1000 $
0 $
Écriture initiale
0 $
100,000 × 0,125 $ / 1 M = 0,0125 $
Neuf lectures
0 $
9 × 100,000 × 0,01 $ / 1 M = 0,0090 $
Total du préfixe répété
0,1000 $
0,0215 $
L’économie sur le préfixe est de 78.5 %. Si chaque requête produit également 2,000 jetons de sortie facturés, la sortie ajoute 0,0100 $ sur les dix requêtes. Les totaux en jetons du modèle deviennent 0,1100 $ sans mise en cache et 0,0315 $ avec mise en cache, soit une économie d’environ 71.4 % avant autres entrées et services.
Un prompt répété n’est pas la preuve d’un succès de cache. Vérifiez l’utilisation mise en cache mesurée, la rétention des écritures et la stabilité du préfixe. L’exemple utilise les tarifs directs OpenAI ; estimez un itinéraire CometAPI avec le calendrier de cache et le reporting d’usage de cet itinéraire.
GPT-6 Luna vs GPT-6.1 Terra : lequel choisir ?
Pour les équipes qui utilisent déjà GPT-6 Luna, GPT-6.1 Terra est un remplaçant potentiel lorsque la tâche dépasse le simple traitement en volume. Choisissez en fonction de ce qui améliore le résultat final, plutôt que du numéro de version.
Prix : GPT-6 Luna conserve le coût par jeton le plus bas
Selon la page du modèle GPT-6 Luna et la page du modèle GPT-6.1 Terra, les tarifs OpenAI Standard en contexte court par million de jetons sont de 0,10 $ en entrée et 0,50 $ en sortie pour GPT-6 Luna, contre 1,00 $ en entrée et 5,00 $ en sortie pour GPT-6.1 Terra. Les tarifs d’entrée et de sortie sont donc dix fois plus élevés pour GPT-6.1 Terra.
Une requête avec 5,000 jetons d’entrée non mise en cache et 1,000 jetons de sortie facturés coûte 0,001 $ sur GPT-6 Luna ou 0,010 $ sur GPT-6.1 Terra à ces tarifs. Cet exemple exclut la mise en cache, les outils, les relances et les ajustements liés au contexte long. Si l’un ou l’autre modèle nécessite des tours supplémentaires, comparez l’exécution complète.
Adéquation à la tâche : conserver GPT-6 Luna pour le travail courant ; tester GPT-6.1 Terra pour les tâches visuelles et la rédaction
GPT-6 Luna est un point de départ judicieux pour l’extraction, le routage et la classification répétitifs avec des règles de validation claires. Testez GPT-6.1 Terra lorsque l’interprétation de captures d’écran ou de documents visuels, l’action sur des écrans d’application ou la révision de prose est au cœur du travail. Les conseils de sélection de modèle d’OpenAI mettent en avant GPT-6.1 Terra pour une écriture concise, des tâches d’utilisation de l’ordinateur définies et des corrections de code circonscrites.
Décision de remplacement : mesurer les résultats réussis
Utilisez un ensemble représentatif de requêtes réelles et les mêmes critères d’acceptation. Enregistrez le taux de réussite, le temps de réponse de bout en bout, les relances et toute édition humaine. Divisez le coût de l’exécution complète par le nombre de résultats acceptés. Transférez les tâches pour lesquelles GPT-6.1 Terra apporte une amélioration valable, et conservez GPT-6 Luna sur le travail routinier qu’il gère déjà bien.
Vous pouvez évaluer les deux via la page CometAPI de GPT-6 Luna et la page CometAPI de GPT-6.1 Terra. Cette dernière indique actuellement 0,80 $ en entrée et 4,00 $ en sortie par million de jetons. Utilisez les prix et endpoints pris en charge du fournisseur choisi dans votre comparaison ; ils sont distincts des tarifs directs OpenAI.
Comment réduire davantage les coûts API ?
Utiliser la mise en cache des prompts pour le contenu réutilisé
Des instructions système réutilisables, des documents de référence et des schémas peuvent bénéficier de la mise en cache. Le guide de mise en cache OpenAI explique comment la réutilisation d’un prompt peut réduire le travail d’entrée non mis en cache. Pour Luna, les lectures d’entrée éligibles depuis le cache coûtent 90 % de moins que les lectures non mises en cache, mais les écritures de cache ont leurs propres tarifs.
Adapter l’effort de raisonnement au besoin
Commencez par le réglage d’effort le moins coûteux qui atteint un seuil de qualité. Le routage simple et l’extraction nécessitent souvent moins de raisonnement que le débogage de code ou l’analyse en plusieurs étapes. Un effort plus élevé peut augmenter la consommation de jetons de raisonnement et la facture totale.
Garder des réponses appropriément courtes
Évitez de demander des explications verbeuses si l’application ne requiert qu’une catégorie, trois champs ou un JSON structuré. Les jetons de sortie sont nettement plus chers que les jetons d’entrée aux tarifs Standard.
Router sélectivement les requêtes difficiles
Une architecture pratique commence avec Luna et escalade les validations échouées, les requêtes ambiguës ou le raisonnement complexe vers un modèle plus performant. Évaluez le coût supplémentaire du modèle par rapport aux améliorations sur les tâches acceptées plutôt que de supposer que tous les cas difficiles nécessitent le palier premium.
Alternatives à GPT-6 Luna : modèles rapides à tester pour leur valeur
Une alternative utile à GPT-6 Luna doit atteindre vos objectifs de temps de réponse et de qualité à un coût total acceptable. Les modèles ci‑dessous sont des candidats à évaluer, plutôt qu’un classement de vitesse mesurée ou une promesse d’être chacun moins cher que GPT-6 Luna.
GPT-6.1 Terra
Commencez par GPT-6.1 Terra sur CometAPI lorsque votre principale raison de passer de GPT-6 Luna est le travail visuel, l’interaction avec l’écran ou la qualité rédactionnelle. Il mérite de figurer sur une shortlist pour améliorer ces tâches, bien que ses tarifs par jeton dépassent ceux de GPT-6 Luna. Conservez les mêmes cas de test pour que toute amélioration soit facile à évaluer.
DeepSeek V4.1 Flash
DeepSeek V4.1 Flash sur CometAPI offre une autre option axée sur l’efficacité. Les tarifs de base affichés sont de 0,12 $ en entrée et 0,48 $ en sortie par million de jetons, avec des ajustements tarifaires basés sur la requête également indiqués sur la page. Comparez le tarif effectivement applicable à vos requêtes, puis testez la sortie structurée et le temps de complétion sur votre propre charge.
Claude Haiku 5.5
Claude Haiku 5.5 sur CometAPI est un autre modèle à inclure dans un court pilote pour les tâches quotidiennes de texte et d’entrée image. Testez son style de réponse, le respect de votre format de sortie et la latence de bout en bout avant de vous engager. Vérifiez sa grille tarifaire en direct ; son inclusion ici ne signifie pas qu’il est moins cher que GPT-6 Luna.
Conclusion
Si vous êtes venu chercher GPT-6.1 Luna, commencez par les noms de modèles disponibles : GPT-6 Luna pour l’automatisation courante à faible coût, et GPT-6.1 Terra comme alternative à évaluer lorsque le travail visuel, l’interaction avec l’ordinateur ou la qualité de l’écriture doivent s’améliorer.
Conservez GPT-6 Luna là où il répond à vos exigences. Introduisez GPT-6.1 Terra là où un meilleur résultat réduit suffisamment les tentatives échouées ou l’édition pour justifier la prime. Utilisez les tarifs du fournisseur choisi, l’historique complet des requêtes et les résultats acceptés pour prendre la décision. Les pages modèles de CometAPI constituent un point de départ pour vérifier l’accès et la tarification avant de lancer la comparaison.
FAQ
Puis‑je prédire le coût de GPT-6 Luna à partir d’un nombre de mots ?
Utilisez le nombre de mots uniquement pour un budget approximatif. L’utilisation de jetons varie selon la langue, la mise en forme, le code et les images, tandis que le raisonnement généré peut ajouter des jetons de sortie facturés au‑delà de la réponse visible. Pour une estimation en production, échantillonnez des requêtes représentatives et enregistrez l’usage mesuré par l’API ; utilisez le haut de cette distribution pour fixer une limite de dépense.
Pourquoi deux requêtes GPT-6 Luna similaires peuvent‑elles avoir des factures différentes ?
Vérifiez la longueur du prompt, l’éligibilité à la lecture depuis le cache, la consommation de raisonnement, le mode de traitement et les appels d’outils. Un prompt qui dépasse 272,000 jetons d’entrée modifie également les tarifs applicables pour la requête entière. Comparez ces dimensions de facturation avant de considérer la différence comme une erreur.
Comment budgétiser une route de repli GPT-6 Luna ?
Suivez la fréquence à laquelle les requêtes escaladent et si le repli traite l’entrée originale complète. Si 10 % des tâches escaladent, budgétez la première tentative Luna pour chaque tâche plus les requêtes de repli pour ces 10 % ; ne remplacez pas le coût Luna par le coût du repli. Ajoutez séparément les relances et les outils, puis divisez le total par les résultats acceptés.
Une estimation du coût GPT-6 Luna inclut‑elle l’accès à ChatGPT ?
Non. Une estimation API basée sur les jetons couvre les hypothèses de ce calcul. Elle n’achète pas un abonnement ChatGPT et n’établit pas l’accès au modèle d’un forfait, des limites d’usage ou l’éligibilité d’un espace de travail. Séparez le budget API de l’application des dépenses d’abonnements des employés.
