Buduj z CometAPIPotrzebujesz jednego API dla wielu modeli?Przetestuj proces w Playground, a potem utwórz klucz API, gdy model i koszt pasują do Twojego zastosowania.
As of my last update (Oct 2024), there’s no official OpenAI model called “GPT-6.1 Luna.” If you have a source, share it and I can help check what it refers to.
Czy GPT-6.1 Luna istnieje? Poznaj koszty API GPT-6 Luna, porównaj Lunę z GPT-6.1 Terra i znajdź praktyczne alternatywy za pomocą CometAPI.
Szukasz cen GPT-6.1 Luna? Na dzień 28 października 2026 r. katalog modeli OpenAI wymienia GPT-6 Luna, oznaczony jako gpt-6-luna, zamiast wydania GPT-6.1 Luna. Dla deweloperów planujących budżet produkcyjny dostępny model zaczyna się od $0.10 za milion tokenów wejściowych i $0.50 za milion tokenów wyjściowych w OpenAI. CometAPI publikuje odpowiadające stawki dla krótkiego kontekstu: $0.08 i $0.40.
Aby zdecydować, czy pozostać przy GPT-6 Luna, czy przejść na GPT-6.1 Terra, patrz dalej niż nagłówkowe stawki za tokeny. Długość promptu, cache, rozumowanie, wywołania narzędzi i ponowne próby wpływają na koszt ukończonego zadania. Ten przewodnik wyjaśnia ceny Luna, porównuje Luna z Terra i pomaga ocenić, kiedy aktualizacja jest warta dodatkowych wydatków.
Kluczowe informacje
Tożsamość modelu: używaj gpt-6-luna do żądań API GPT-6 Luna; w oficjalnym katalogu nie ma ceny GPT-6.1 Luna.
Standardowe ceny: GPT-6 Luna kosztuje $0.10 za wejście / $0.50 za wyjście na milion tokenów przez OpenAI, lub $0.08 / $0.40 według opublikowanych stawek krótkiego kontekstu CometAPI.
Sprawdzone pod kątem przejrzystości, atrybucji źródeł i aktualnej terminologii API.
Kontekst i rozliczanie: model ma okno kontekstu 1,050,000 tokenów; prompty powyżej 272,000 tokenów wejściowych korzystają z wyższych stawek dla całego żądania.
Kontrola kosztów: buforuj powtarzające się wejście, ograniczaj zbędne wyjście i dobieraj wysiłek rozumowania do wymagań akceptacji.
Wybór modelu: trzymaj Luna do niedrogich prac rutynowych; rozważ Terra, gdy interpretacja wizualna, interakcja z ekranem lub jakość pisania decydują o powodzeniu.
Czy GPT-6.1 Luna istnieje?
W oficjalnym katalogu API sprawdzonym 2 listopada 2026 r. nie ma osobnego modelu GPT-6.1 Luna. Do żądań Luna używaj udokumentowanego identyfikatora modelu gpt-6-luna. Wyszukiwanie „GPT-6.1 Luna price” nie potwierdza wydanego produktu ani oddzielnej tabeli stawek. „Fe-Pichu” to model OpenAI dostępny na Arena. Bardzo prawdopodobne, że to Luna — biorąc pod uwagę, że Terra jest już dostępna, a jakość wyjścia tego modelu jest niższa niż Terra — a fakt, że używa tokenizera OpenAI, dodatkowo sugeruje, że to model OpenAI.
Jeśli szukałeś tej nazwy, bo chcesz nowszą alternatywę dla Luna, rozważ GPT-6.1 Terra na CometAPI. OpenAI ogłosiło Terra 26 października 2026 r., podkreślając koncentrację na rozumowaniu wizualnym, obsłudze komputera i naturalnym pisaniu. Dla istniejącego przepływu pracy Luna to kandydat do zastąpienia, gdy te możliwości adresują powtarzające się słabości. To rekomendacja dotycząca procesu, a nie twierdzenie, że OpenAI zmieniło nazwę lub wycofało Luna.
Zacznij od wskazania, co ma się poprawić: mniej błędów w odczycie ekranu, lepsza interpretacja obrazów lub mniej edycji po wygenerowaniu. Porównaj oba modele na tych zadaniach przed zmianą. Jeśli Luna już spełnia Twoje cele jakości i czasu odpowiedzi, niższa cena tokenów pozostaje dobrym powodem, by przy niej pozostać.
Czym jest GPT-6 Luna?
OpenAI wydało GPT-6 Luna 22 września 2026 r. do skoncentrowanej pracy o dużej skali. Przyjmuje tekst i obrazy, a wytwarza tekst. Jej praktyczna zaleta to ekonomiczna automatyzacja: klasyfikacja, ekstrakcja i inne ograniczone zadania, których wyniki możesz konsekwentnie weryfikować.
Luna oferuje konfigurowalne rozumowanie i duże okno kontekstu, ale niska cena tokenów sama w sobie nie czyni każdego zadania tanim. Nieudane próby, długie odpowiedzi i ręczne poprawki wpływają na koszt końcowy. Używaj jej tam, gdzie zadanie jest jasne, a kryteria akceptacji łatwe do zastosowania.
W zadaniach wymagających bardziej niezawodnej interpretacji materiałów wizualnych, interakcji z ekranami aplikacji lub bardziej naturalnej prozy, GPT-6.1 Terra jest praktyczną alternatywą do przetestowania. Wybór polega na tym, czy jej wyniki uzasadniają dodatkowy wydatek w Twoim przepływie pracy.
Miejsce GPT-6 Luna w ofercie modeli OpenAI
Dobierz model do pracy, którą musisz wykonać, i budżetu, który możesz utrzymać. W obecnej ofercie Astra obejmuje wymagające rozumowanie, Sol równoważy możliwości i koszt, a Luna obsługuje ekonomiczną automatyzację o dużym wolumenie. Terra dodaje opcję ze średniej półki do zadań wizualnych, interakcji z ekranem i pisania.
Model
Pozycja
Kiedy rozważyć
Wejście/wyjście na 1 mln
GPT-6 Astra
Flagowy model do rozumowania
Złożone rozumowanie i programowanie, gdy priorytetem są możliwości nad kosztem tokenów.
$10.00 / $50.00
GPT-6.1 Sol
Średniopółkowa opcja ogólna
Prace wymagające równowagi między możliwościami modelu a wydatkami.
$2.00 / $10.00
GPT-6.1 Terra
Średniopółkowa opcja wizualna i pisarska
Interpretacja wizualna, ekrany aplikacji oraz tworzenie lub redagowanie prozy.
$1.00 / $5.00
GPT-6 Luna
Niskokosztowa opcja do dużych wolumenów
Powtarzalne, wrażliwe na koszt zadania, takie jak ekstrakcja i klasyfikacja.
$0.10 / $0.50
Ceny w USD za milion tokenów dla krótkiego kontekstu OpenAI Standard (świeże wejście i wyjście). Buforowanie, dłuższe prompty, inne tryby przetwarzania i dodatkowe usługi mogą zmienić sumę.
Dla istniejącej aplikacji Luna przetestuj Terra na zadaniach, gdzie materiały wizualne, działania na ekranie lub jakość pisania powodują dodatkowe próby. Zachowaj Luna do rutynowych żądań, które już spełniają cel jakości, i porównaj całkowity koszt zaakceptowanych wyników przed przeniesieniem większego ruchu.
Cennik API GPT-6 Luna
Poniższe oficjalne stawki rozdzielają świeże wejście, odczyty z cache, zapisy do cache i wyjście. Wszystkie wartości w USD za milion tokenów. Krótki kontekst oznacza prompt nieprzekraczający 272,000 tokenów wejściowych; dłuższe prompty przenoszą CAŁE żądanie do harmonogramu długiego kontekstu.
Tryb przetwarzania OpenAI
Świeże wejście / 1 mln
Odczyt z cache / 1 mln
Wyjście / 1 mln
Standard — krótki kontekst
$0.100
$0.010
$0.500
Batch / Flex — krótki kontekst
$0.050
$0.005
$0.250
Fast — krótki kontekst
$0.200
$0.020
$1.000
Standard — długi kontekst
$0.200
$0.020
$0.750
Specyfikacja rozliczania GPT-6 Luna stosuje 2× stawki wejścia i cache oraz 1.5× stawki wyjścia powyżej 272,000 tokenów wejściowych. Okno kontekstu 1,050,000 tokenów to limit pojemności, a nie granica niższego progu cenowego. Standardowe zapisy do cache na 30 minut kosztują $0.125 za milion tokenów krótkiego kontekstu; przykład buforowania poniżej pokazuje, jak zapis wpływa na całkowite oszczędności.
Batch i Flex używają połowy stawek Standard; Fast używa dwukrotności stawek właściwych. Wybierz tryb przetwarzania na podstawie wymagań czasowych i dostępności, i sprawdź wsparcie wybranego dostawcy, zanim zastosujesz zniżkę bezpośredniego API do ruchu przez bramkę.
Uwaga dotycząca cen CometAPI: Tabela stawek CometAPI dla GPT-6 Luna sprawdzona 28 października 2026 r. podaje krótkokontekstowe stawki $0.08 za świeże wejście, $0.008 za odczyty z cache, $0.10 za zapisy do cache na 30 minut i $0.40 za wyjście, za milion tokenów. Długokontekstowe świeże wejście i wyjście to $0.16 i $0.60. Stawki te są o 20% niższe od odpowiadających stawek OpenAI Standard pokazanych tutaj; zniżki trybu przetwarzania i dostępność narzędzi należy sprawdzać osobno. Dla żądania z krótkim kontekstem z 5,000 tokenami świeżego wejścia i 1,000 rozliczanych tokenów wyjścia, koszt tokenów modelu wynosi $0.00100 przez OpenAI Standard lub $0.00080 przez CometAPI, z wyłączeniem buforowania i osobno rozliczanych usług.
Poziom rozumowania w GPT-6 Luna a całkowite wydatki
Poziom rozumowania zmienia, ile pracy model może wykonać przy żądaniu; nie jest to dodatkowy stały procent w tych tabelach tokenów. Porównuj ustawienia wysiłku na tych samych zadaniach, uwzględniając wygenerowane rozumowanie, ponowne próby i użycie wyjścia końcowego. Krótsza widoczna odpowiedź niekoniecznie oznacza mniej rozliczanych tokenów wyjścia.
Aby zacząć, skorzystaj z szybkiego startu CometAPI, aby utworzyć klucz API i skonfigurować bazowy URL zgodny z OpenAI. Wybierz gpt-6-luna i potwierdź dostęp do modelu oraz obsługiwane endpointy na swoim koncie przed integracją w środowisku produkcyjnym.
Ile wydajności kupujesz wraz z GPT-6 Luna?
Opublikowane wyniki benchmarków OpenAI dostarczają dowodów na kompromis koszt–wydajność Luna. To ewaluacje raportowane przez dostawcę, a nie niezależne testy CometAPI. Porównaj zestaw zadań i konfigurację agenta z własnym obciążeniem, zanim użyjesz oszczędności kosztów z benchmarku w prognozie.
Wyniki benchmarków GPT-6 Luna i warunki testów
DeepSWE v1.1: Luna osiągnęła 66.6% przy maksymalnym wysiłku rozumowania, w porównaniu do 68.8% dla GPT-6 Sol przy maksymalnym wysiłku. Zgłoszone koszty zadań dla Luna były o 93% niższe niż dla Claude Opus 5 i o 96% niższe niż dla Claude Fable 5, przy czym oba modele konkurencyjne oceniano na średnim wysiłku w tych porównaniach.
AutomationBench 1.0.6: Przy wysokim wysiłku Luna poprawiła wynik GPT-5.6 Luna o 5.4 punktu procentowego przy 58% niższym koszcie na zadanie. Ewaluacja obejmuje kompleksowe przepływy pracy biznesowej z użyciem 47 narzędzi. Te oszczędności opisują tę ewaluację, a nie gwarantowaną redukcję dla każdej aplikacji.
OSWorld 2.0: Luna przy maksymalnym wysiłku przewyższyła GPT-5.6 Sol przy średnim wysiłku przy około jednej dziesiątej kosztu zadania. Zgłaszana metryka to częściowa nagroda na zestawie offline z wydania v2026.08.08. Ogłoszenie nie podaje wszystkich szczegółów agenta i środowiska wykonawczego potrzebnych do odtworzenia tych wyników.
Wykres przedstawia koszt zadania względem wyniku benchmarku. Seria Claude Fable 5.1 pomija koszty fallbacku do Opus 5 w około 40% zadań, więc wykreślony koszt zaniża łączny koszt tej konfiguracji. Ogłoszenie OpenAI wyjaśnia ewaluację; wykres został odtworzony w relacji z premiery Soft4fun.
W wdrożeniach mierz koszt na zaakceptowane zadanie: niższą cenę tokenów mogą zniwelować ponowne próby, wykonanie narzędzi lub korekty przez człowieka.
Jak buforowanie promptów zmienia koszty wejścia GPT-6 Luna?
Przewodnik OpenAI dotyczący buforowania promptów wyjaśnia, jak ponowne użycie stabilnego prefiksu może zmniejszyć przetwarzanie wejścia. Zniżka odczytu z cache dotyczy ponownie użytego wejścia, a nie całego żądania. Zliczaj oddzielnie zapisy, odczyty i zwykłe wejście.
Operacja
Cena OpenAI Standard dla krótkiego kontekstu / 1 mln
Świeże wejście
$0.100
Zapis do cache na 30 min
$0.125
Udany odczyt z cache
$0.010
Załóżmy, że dziesięć żądań ponownie używa tego samego prefiksu 100,000 tokenów. Przyjmij jeden zapis na 30 minut i dziewięć udanych odczytów przed wygaśnięciem, bez dodatkowych zapisów. Prefiks pozostaje poniżej progu długiego kontekstu i każde żądanie pozostawia miejsce na inne wejście i wyjście.
Składnik powtarzanego prefiksu
Bez cache
Jeden zapis + dziewięć odczytów
Zwykłe wejście prefiksu
10 × 100,000 × $0.10 / 1M = $0.1000
$0
Początkowy zapis
$0
100,000 × $0.125 / 1M = $0.0125
Dziewięć odczytów
$0
9 × 100,000 × $0.01 / 1M = $0.0090
Suma dla powtarzanego prefiksu
$0.1000
$0.0215
Oszczędność na prefiksie wynosi 78.5%. Jeśli każde żądanie generuje także 2,000 rozliczanych tokenów wyjścia, wyjście dodaje $0.0100 łącznie dla dziesięciu żądań. Suma tokenów modelu wynosi odpowiednio $0.1100 bez cache i $0.0315 z cache, co daje około 71.4% oszczędności przed uwzględnieniem innego wejścia i usług.
Powtarzający się prompt nie jest dowodem trafienia w cache. Sprawdź zmierzone użycie cache, retencję zapisów i stabilność prefiksu. Przykład używa bezpośrednich stawek OpenAI; oszacuj trasę przez CometAPI z harmonogramem cache i raportowaniem użycia tej trasy.
GPT-6 Luna vs GPT-6.1 Terra: który wybrać?
Dla zespołów już korzystających z GPT-6 Luna, GPT-6.1 Terra to kandydat do zastąpienia, gdy zadanie wykracza poza nieskomplikowane przetwarzanie wolumenu. Wybieraj na podstawie tego, co poprawia wynik końcowy, a nie numeru wersji.
Cena: GPT-6 Luna zachowuje niższy koszt tokenów
Według strony modelu GPT-6 Luna i strony modelu GPT-6.1 Terra, krótkokontekstowe stawki OpenAI Standard za milion tokenów wynoszą $0.10 za wejście i $0.50 za wyjście dla GPT-6 Luna, wobec $1.00 za wejście i $5.00 za wyjście dla GPT-6.1 Terra. Stawki za świeże wejście i wyjście są więc dziesięciokrotnie wyższe dla GPT-6.1 Terra.
Żądanie z 5,000 tokenów świeżego wejścia i 1,000 rozliczanych tokenów wyjścia kosztuje $0.001 na GPT-6 Luna lub $0.010 na GPT-6.1 Terra przy tych stawkach. Ten przykład nie uwzględnia buforowania, narzędzi, ponownych prób i korekt dla dłuższego kontekstu. Jeśli którykolwiek model wymaga dodatkowych tur, porównaj pełny przebieg.
Dopasowanie do zadań: zostaw GPT-6 Luna do rutyny; testuj GPT-6.1 Terra do zadań wizualnych i pisania
GPT-6 Luna to rozsądny punkt startowy do powtarzalnej ekstrakcji, routingu i klasyfikacji z jasnymi zasadami weryfikacji. Testuj GPT-6.1 Terra, gdy kluczowa dla pracy jest interpretacja zrzutów ekranowych lub dokumentów wizualnych, działania na ekranach aplikacji czy redagowanie prozy. Wskazówki doboru modelu OpenAI podkreślają GPT-6.1 Terra w zwięzłym pisaniu, zdefiniowanych zadaniach obsługi komputera i ukierunkowanych poprawkach kodu.
Decyzja o zastąpieniu: mierz wyniki zaakceptowanych zadań
Użyj reprezentatywnego zestawu rzeczywistych żądań i tych samych kryteriów akceptacji. Rejestruj wskaźnik sukcesu, czas odpowiedzi end-to-end, ponowne próby i wszelką edycję przez człowieka. Podziel pełny koszt przebiegu przez zaakceptowane wyniki. Przenieś te zadania, w których GPT-6.1 Terra zapewnia wartą uwagi poprawę, a zachowaj GPT-6 Luna przy rutynowej pracy, którą już obsługuje dobrze.
Możesz ocenić oba przez stronę GPT-6 Luna na CometAPI i stronę GPT-6.1 Terra na CometAPI. Ta druga obecnie podaje $0.80 za wejście i $4.00 za wyjście na milion tokenów. W porównaniu używaj aktualnych cen i obsługiwanych endpointów wybranego dostawcy; są one odrębne od stawek bezpośrednio w OpenAI.
Jak jeszcze bardziej obniżyć koszty API?
Używaj buforowania promptów dla powtarzanej treści
Wielokrotnie używane instrukcje systemowe, dokumenty referencyjne i schematy mogą skorzystać na buforowaniu. Przewodnik OpenAI dotyczący buforowania promptów wyjaśnia, jak ponowne użycie promptu może zmniejszyć pracę nad świeżym wejściem. W przypadku Luna kwalifikujące się odczyty z cache kosztują o 90% mniej niż odczyty niebuforowane, ale zapisy do cache mają własne stawki.
Dopasuj poziom rozumowania do zadania
Zacznij od najtańszego ustawienia wysiłku, które spełnia próg jakości. Prosty routing i ekstrakcja często wymagają mniej rozumowania niż debugowanie kodu czy wieloetapowa analiza. Wyższy wysiłek może zwiększyć zużycie tokenów rozumowania i całkowity rachunek.
Utrzymuj odpowiednio krótkie odpowiedzi
Unikaj proszenia o rozwlekłe wyjaśnienia, jeśli aplikacja wymaga tylko kategorii, trzech pól lub ustrukturyzowanego JSON. Tokeny wyjścia są znacząco droższe niż tokeny wejścia przy stawkach Standard.
Kieruj trudne żądania selektywnie
Praktyczna architektura zaczyna od Luna i eskaluje nieudane walidacje, niejednoznaczne żądania lub złożone rozumowanie do silniejszego modelu. Oceń dodatkowy koszt modelu względem poprawy liczby zaakceptowanych zadań, zamiast zakładać, że wszystkie trudne przypadki wymagają poziomu premium.
Alternatywy dla GPT-6 Luna: szybkie modele warte przetestowania
Użyteczna alternatywa dla GPT-6 Luna powinna spełniać Twoje cele czasu odpowiedzi i jakości przy akceptowalnym koszcie całkowitym. Poniższe modele to kandydaci do ewaluacji, a nie ranking zmierzonej szybkości ani obietnica, że każdy będzie tańszy od GPT-6 Luna.
GPT-6.1 Terra
Zacznij od GPT-6.1 Terra na CometAPI, gdy głównym powodem przejścia z GPT-6 Luna są zadania wizualne, interakcja z ekranem lub jakość pisania. To pozycja na krótkiej liście do poprawy tych zadań, choć stawki za tokeny przewyższają te dla GPT-6 Luna. Zachowaj te same przypadki testowe, aby ewentualną poprawę łatwo ocenić.
DeepSeek V4.1 Flash
DeepSeek V4.1 Flash na CometAPI to kolejna opcja zorientowana na efektywność. Podane stawki bazowe to $0.12 za wejście i $0.48 za wyjście na milion tokenów, z korektami cen opartymi na żądaniu pokazanymi również na stronie. Porównaj stawkę faktycznie stosowaną do Twoich żądań, a następnie przetestuj ustrukturyzowane wyjście i czas ukończenia na własnym obciążeniu.
Claude Haiku 5.5
Claude Haiku 5.5 na CometAPI to kolejny model do krótkiego pilota dla codziennych zadań z tekstem i wejściem obrazowym. Przetestuj styl odpowiedzi, zgodność z Twoim formatem wyjścia i opóźnienie end-to-end przed decyzją. Sprawdź aktualną tabelę stawek; uwzględnienie tutaj nie oznacza, że przebija cenowo GPT-6 Luna.
Podsumowanie
Jeśli trafiłeś tu, szukając GPT-6.1 Luna, zacznij od dostępnych nazw modeli: GPT-6 Luna do niedrogiej rutynowej automatyzacji oraz GPT-6.1 Terra jako alternatywy do ewaluacji, gdy konieczna jest poprawa w pracy wizualnej, interakcji z komputerem lub jakości pisania.
Zachowaj GPT-6 Luna tam, gdzie spełnia Twoje wymagania. Wprowadzaj GPT-6.1 Terra tam, gdzie lepszy wynik ogranicza liczbę nieudanych prób lub edycji na tyle, by uzasadnić wyższą cenę. Używaj rzeczywistych stawek dostawcy, pełnej historii żądań i zaakceptowanych wyników, by podjąć decyzję. Strony modeli CometAPI stanowią punkt wyjścia do sprawdzenia dostępu i cen przed uruchomieniem porównania.
FAQ
Czy mogę przewidzieć koszt GPT-6 Luna na podstawie liczby słów?
Liczba słów nadaje się tylko do zgrubnego budżetu. Zużycie tokenów zależy od języka, formatowania, kodu i obrazów, a wygenerowane rozumowanie może dodać rozliczane wyjście wykraczające poza widoczną odpowiedź. Dla szacunku produkcyjnego próbkuj reprezentatywne żądania i zapisuj zmierzone zużycie API; przy ustalaniu limitu wydatków użyj górnego końca tego rozkładu.
Dlaczego dwa podobne żądania GPT-6 Luna mogą mieć różne koszty?
Sprawdź długość promptu, kwalifikowalność wejścia do cache, zużycie na rozumowanie, tryb przetwarzania i wywołania narzędzi. Prompt przekraczający 272,000 tokenów wejściowych zmienia również stawki obowiązujące dla całego żądania. Porównaj te wymiary rozliczeń, zanim potraktujesz różnicę jako błąd.
Jak budżetować trasę awaryjną (fallback) dla GPT-6 Luna?
Śledź, jak często żądania są eskalowane i czy trasa awaryjna przetwarza pełne oryginalne wejście. Jeśli 10% zadań ulega eskalacji, zaplanuj budżet na pierwszą próbę z Luna dla każdego zadania plus żądania trasy awaryjnej dla tych 10%; nie zastępuj kosztu Luna kosztem fallbacku. Dodaj osobno ponowne próby i narzędzia, a następnie podziel sumę przez zaakceptowane wyniki.
Czy szacunek kosztów GPT-6 Luna obejmuje dostęp do ChatGPT?
Nie. Szacunek oparty na tokenach w API obejmuje założenia z tego wyliczenia. Nie kupuje subskrypcji ChatGPT ani nie ustala dostępu do modeli w planie, limitów użycia czy kwalifikacji przestrzeni roboczej. Budżet API aplikacji trzymaj osobno od wydatków na subskrypcje pracowników.
