TL;DR
在找尋 GPT-6.1 Luna 的定價嗎？截至 2026 年 10 月 28 日，OpenAI 的 model catalog 列出的為 GPT-6 Luna，模型代號為 gpt-6-luna，而非 GPT-6.1 Luna 的發佈版本。對於規劃生產工作負載的開發者，OpenAI 的可用模型起價為每百萬個 token 的輸入 $0.10、輸出 $0.50。CometAPI 公布的對應短上下文費率為 $0.08 與 $0.40。
在考慮是否維持使用 GPT-6 Luna 或改用 GPT-6.1 Terra 時，別只看公告的 token 費率。提示長度、快取、推理、工具呼叫與重試都會影響每個完成任務的總成本。本文解釋 Luna 的定價、比較 Luna 與 Terra，並協助你判斷在哪些情況下升級值得額外支出。
Key Takeaways
- 模型身份：對 GPT-6 Luna 的 API 請求請使用 gpt-6-luna；官方目錄未列出 GPT-6.1 Luna 的價格。
- 標準定價：透過 OpenAI，GPT-6 Luna 每百萬個 token 的費率為輸入 $0.10、輸出 $0.50；CometAPI 公布的短上下文費率為 $0.08 / $0.40。
- 上下文與計費：該模型具備 1,050,000 個 token 的上下文視窗；提示超過 272,000 個輸入 token 時，整個請求改採較高費率。
- 成本控制：對重複輸入使用快取、限制不必要的輸出，並選擇符合驗收標準的推理強度。
- 模型選擇：例行、低成本工作維持 Luna；當視覺解讀、螢幕互動或寫作品質會影響完成率時，評估 Terra。
Does GPT-6.1 Luna exist?
在 2026 年 11 月 2 日檢查的 官方 API 目錄 中，未列出單獨的 GPT-6.1 Luna 模型。關於 Luna 的請求，請使用文件中的模型 ID gpt-6-luna。搜尋「GPT-6.1 Luna price」未能確認有已發佈的產品或獨立價目表。「Fe-Pichu」是 Arena 上可用的 OpenAI 模型。高度可能它就是 Luna——因為 Terra 已經上線，且該模型的輸出品質低於 Terra——同時它使用 OpenAI 的 tokenizer 也進一步顯示它是 OpenAI 模型。
如果你搜尋該名稱是想要 Luna 的較新替代方案，可考慮 CometAPI 上的 GPT-6.1 Terra。OpenAI 於 2026 年 10 月 26 日宣布 Terra，重點在視覺推理、電腦操作與自然寫作。對既有的 Luna 工作流程而言，當這些能力能解決反覆出現的弱點時，它是可替代的候選。這是工作流程層面的建議，而非宣稱 OpenAI 更名或停用 Luna。
先識別你需要改善的面向：更少的螢幕閱讀錯誤、更好的圖像解讀，或減少生成後的編修。先在這些任務上比較兩個模型，再決定是否切換。如果 Luna 已經符合你的品質與回應時間目標，它較低的 token 價格仍是保留它的理由。
What Is GPT-6 Luna?
OpenAI 於 2026 年 9 月 22 日發佈了 GPT-6 Luna，面向專注且高量的工作。它能接收文字與圖像並輸出文字。其實用吸引力在於經濟化的自動化：分類、抽取，以及其他結果可被一致性檢查的限定型任務。
Luna 提供可調的推理與大型上下文視窗，但僅靠低 token 價格並不保證所有任務都便宜。失敗嘗試、冗長回覆與人工修正都會影響最終成本。在任務清晰且驗收標準易於套用的地方使用它。
若任務需要更可靠的視覺解讀、與應用程式畫面互動，或更自然的文字表現，GPT-6.1 Terra 是可實測的實際替代。抉擇在於它的結果能否在你的工作流程中帶來值得的額外支出。
Where GPT-6 Luna Fits in the OpenAI Model Lineup
根據你要完成的工作與可承受的預算選擇模型。在現有產品線中，Astra 承擔高難度推理，Sol 在能力與成本之間取得平衡，而 Luna 服務於經濟的高量自動化。Terra 則增加一個針對視覺任務、螢幕互動與寫作的中價位選項。
價格為 OpenAI Standard 短上下文的每百萬 token 美元價格。快取、較長提示、其他處理模式與附加服務會改變總成本。
對既有的 Luna 應用，請在視覺、螢幕操作或寫作品質導致額外嘗試的任務上測試 Terra。對已達成品質目標的例行請求保留 Luna，並在轉移更多流量前，以「被接受的結果」的總成本比較兩者。
GPT-6 Luna API Pricing
以下為官方費率，區分新鮮輸入、快取讀取、快取寫入與輸出。所有單位為每百萬個 token 的美元價格。短上下文指提示不超過 272,000 個輸入 token；較長提示會將「整個請求」移至長上下文價目表。
GPT-6 Luna 的計費規格 在超過 272,000 個輸入 token 時，輸入與快取讀取費率為 2×、輸出費率為 1.5×。1,050,000 個 token 的上下文視窗是容量上限，而非較低價位區間的邊界。Standard 的 30 分鐘快取寫入為每百萬短上下文 token $0.125；下方快取範例展示寫入如何影響總節省。
Batch 與 Flex 採用 Standard 的半價；Fast 則為對應費率的兩倍。請依時效與可用性需求選擇處理模式，並在套用直連 API 折扣於閘道路由之前，先確認選定供應商的支援情況。
CometAPI 定價說明：在 2026 年 10 月 28 日檢查的 CometAPI 上 GPT-6 Luna 價目表 顯示短上下文費率為每百萬 token 的新鮮輸入 $0.08、快取讀取 $0.008、30 分鐘快取寫入 $0.10、輸出 $0.40。長上下文的新鮮輸入與輸出分別為 $0.16 與 $0.60。這些費率比對應的 OpenAI Standard 費率低 20%；處理模式折扣與工具可用性應分別確認。對一個短上下文請求，含 5,000 個新鮮輸入 token 與 1,000 個計費輸出 token，模型 token 成本在 OpenAI Standard 為 $0.00100，在 CometAPI 為 $0.00080，不含快取與另計服務。
GPT-6 Luna 的推理強度與總成本
推理強度會改變每個請求可能使用的模型工作量；它不是這些 token 費率表中的額外固定百分比。請在相同任務上比較不同強度設定，包含生成的推理、重試與最終輸出的用量。較短的可見答案不一定意味著較少的計費輸出 token。
開始使用時，請依循 CometAPI quickstart 建立 API 金鑰並設定與 OpenAI 相容的 base URL。選擇 gpt-6-luna，並在整合至生產工作流程前，確認你的帳戶對模型的存取權與端點支援。
How Much Performance Are You Buying With GPT-6 Luna?
OpenAI 公布的基準測試結果 提供了 Luna 成本效能取捨的證據。這些是供應商報告的評估，而非 CometAPI 的獨立測試。在用其節省成本作為預測前，請將該基準的任務集與代理配置，與你的實際工作負載比對。
GPT-6 Luna 的基準測試結果與測試條件
DeepSWE v1.1：在最大推理強度下，Luna 得分 66.6%，而 GPT-6 Sol 在最大強度下為 68.8%。在比較中，Luna 的任務成本據報比 Claude Opus 5 低 93%、比 Claude Fable 5 低 96%，兩個競品模型皆以中等強度評估。
AutomationBench 1.0.6：在高強度下，Luna 相比 GPT-5.6 Luna 提升 5.4 個百分點，同時每個任務的成本下降 58%。評估涵蓋使用 47 種工具的端到端業務流程。這些節省描述該次評估，而非保證每個應用皆能等比例降低。
OSWorld 2.0：在最大強度下，Luna 超越中等強度的 GPT-5.6 Sol，任務成本約為後者的十分之一。報告的指標為發佈版 v2026.08.08 的離線集之部分獎勵。公告未提供重現結果所需的全部代理與執行細節。
圖表繪製任務成本相對於基準分數。其 Claude Fable 5.1 系列省略了約 40% 任務會回退至 Opus 5 的成本，因此圖上成本低估了該配置的總成本。OpenAI 的公告解釋了評估方法；該圖表被收錄於 Soft4fun 的發佈報導。
在部署時，請量測「每個被接受任務的成本」：較低的 token 價格可能被重複嘗試、工具執行或人工修正所抵消。
How Does Prompt Caching Change GPT-6 Luna Input Costs?
OpenAI 的提示快取指南 說明重用穩定前綴如何降低輸入處理。快取讀取折扣僅適用於被重用的輸入，而非整個請求。請分別計數寫入、讀取與一般輸入。
| Operation | OpenAI Standard short-context price / 1M |
|---|---|
| Fresh input | $0.100 |
| 30-minute cache write | $0.125 |
| Successful cached read | $0.010 |
假設有十個請求重用相同的 100,000 個 token 前綴。假設一次 30 分鐘寫入與在到期前成功的九次讀取，且無額外寫入。該前綴低於長上下文門檻，且每個請求都留有其他輸入與輸出的空間。
前綴節省為 78.5%。若每個請求也產生 2,000 個計費輸出 token，輸出在十個請求中共新增 $0.0100。模型 token 總計為「未用快取 $0.1100」與「使用快取 $0.0315」，在其他輸入與服務之前，約節省 71.4%。
重複的提示並不保證快取命中。請檢查實測的快取用量、寫入保留與前綴穩定性。範例使用的是 OpenAI 直連費率；若走 CometAPI 路由，請依該路由的快取時程與用量報告估算。
GPT-6 Luna vs GPT-6.1 Terra: Which Should You Choose?
對已使用 GPT-6 Luna 的團隊，當任務超越單純的量化處理時，GPT-6.1 Terra 是可替代的候選。請依「能改善成品的因素」做選擇，而不是看版本號。
價格：GPT-6 Luna 保持較低的 token 成本
依據 GPT-6 Luna 模型頁面 與 GPT-6.1 Terra 模型頁面，OpenAI Standard 短上下文的每百萬 token 費率為 GPT-6 Luna 的輸入 $0.10、輸出 $0.50；GPT-6.1 Terra 則為輸入 $1.00、輸出 $5.00。就新鮮輸入與輸出費率而言，GPT-6.1 Terra 高出十倍。
一個包含 5,000 個新鮮輸入 token 與 1,000 個計費輸出 token 的請求，GPT-6 Luna 成本為 $0.001，GPT-6.1 Terra 為 $0.010。此範例不含快取、工具、重試與長上下文調整。若任一模型需要額外回合，請比較完整執行的總成本。
任務匹配：日常工作保留 GPT-6 Luna；視覺與寫作任務測試 GPT-6.1 Terra
GPT-6 Luna 適合作為重複的抽取、路由與分類的起點，且具有清楚的驗證規則。當解讀螢幕截圖或視覺文件、在應用程式畫面上動作、或修訂文字是工作的核心時，請測試 GPT-6.1 Terra。OpenAI 的 模型選擇指引 強調 GPT-6.1 Terra 在精煉寫作、明確的電腦操作任務與範圍清晰的程式碼修正上的適用性。
替換決策：衡量成功的結果
使用具代表性的真實請求與一致的驗收標準。記錄成功率、端到端回應時間、重試次數與任何人工編修。以總成本除以被接受的結果。將 GPT-6.1 Terra 在可帶來值得的改善之處導入，並在 Luna 已經表現良好的例行工作上保留 Luna。
你可透過 GPT-6 Luna 的 CometAPI 頁面 與 GPT-6.1 Terra 的 CometAPI 頁面 進行評估。後者目前列示每百萬 token 的輸入 $0.80、輸出 $4.00。請在比較中使用選定供應商的即時價格與端點支援；這些與 OpenAI 直連價格是分開的。
How Can You Reduce API Costs Further?
對重複內容使用提示快取
可重用的 system 說明、參考文件與綱要適合使用快取。OpenAI 的快取指南 解釋提示重用如何降低新鮮輸入工作量。對 Luna，符合條件的快取輸入讀取可比未快取讀取便宜 90%，但快取寫入有其自身費率。
將推理強度與任務匹配
從滿足品質門檻的最低強度開始。簡單的路由與抽取往往需要較少推理，較之於除錯或多步分析。更高強度可能增加推理 token 的消耗與總帳單。
保持回覆長度恰到好處
如果應用只需要一個類別、三個欄位或結構化 JSON，避免要求冗長解釋。在 Standard 費率下，輸出 token 顯著比輸入 token 昂貴。
選擇性地路由困難請求
實務架構可先用 Luna，並將驗證失敗、要求含糊或推理複雜的請求升級至更強的模型。請用「被接受任務的改善」來評估額外模型成本，而非假設所有困難案例都需要高階機型。
GPT-6 Luna Alternatives: Fast Models to Test for Value
實用的 GPT-6 Luna 替代方案應在可接受的總成本下滿足你的回應時間與品質目標。以下模型是值得評估的候選，而非速度測量的排行或保證一定比 GPT-6 Luna 更便宜。
GPT-6.1 Terra
當你從 GPT-6 Luna 移轉的主因是視覺工作、螢幕互動或寫作品質時，請從 CometAPI 上的 GPT-6.1 Terra 開始。它應列入改善這些任務的候選清單，儘管其 token 費率高於 GPT-6 Luna。請維持相同測試案例，讓改善易於評估。
DeepSeek V4.1 Flash
CometAPI 上的 DeepSeek V4.1 Flash 提供另一個效率導向的選項。列示的基礎費率為每百萬 token 的輸入 $0.12、輸出 $0.48，頁面亦顯示基於請求的定價調整。請比較實際適用於你請求的費率，並在你的工作負載上測試結構化輸出與完成時間。
Claude Haiku 5.5
CometAPI 上的 Claude Haiku 5.5 也值得在日常文字與圖像輸入任務中進行短期試點。先測試其回應風格、對你的輸出格式的遵從度，以及端到端延遲，再做投入。請核對其即時價目表；列入此處不代表它一定壓過 GPT-6 Luna 的價格。
Conclusion
如果你是為了 GPT-6.1 Luna 而來，請先確認可用的模型名稱：用於廉價例行自動化的 GPT-6 Luna，以及當需要改善視覺工作、電腦互動或寫作品質時可評估的 GPT-6.1 Terra。
在符合需求的地方保留 GPT-6 Luna。當較佳結果能以足夠幅度減少失敗嘗試或編修、從而值得溢價時，再引入 GPT-6.1 Terra。請以實際供應商價格、完整請求歷史與被接受的結果來做決策。CometAPI 的模型頁面可作為在進行比較前檢查存取與定價的起點。
FAQ
我能用字數預估 GPT-6 Luna 的成本嗎？
字數僅能做粗略預算。token 用量會因語言、格式、程式碼與圖像而變化，生成的推理也可能讓計費輸出超過可見回覆。對生產估算，請抽樣具代表性的請求並記錄 API 的實測用量；設定支出上限時，採用該分佈的高端值。
為什麼兩個相似的 GPT-6 Luna 請求會有不同帳單？
請檢查提示長度、是否符合快取讀取、推理消耗、處理模式與工具呼叫。跨過 272,000 個輸入 token 的提示也會改變「整個請求」適用的費率。在將差異視為錯誤前，先比較這些計費面向。
我該如何為 GPT-6 Luna 的回退路由編列預算？
追蹤請求升級的頻率，以及回退是否會處理完整原始輸入。若有 10% 任務升級，預算中應包含每個任務的第一次 Luna 嘗試，加上那 10% 的回退請求；不要用回退成本取代 Luna 成本。重試與工具費另計，再以被接受的結果數去除總成本。
GPT-6 Luna 的成本估算是否包含 ChatGPT 的存取？
不會。基於 token 的 API 估算只涵蓋該計算中的假設。它並不購買 ChatGPT 訂閱，也不代表某方案的模型存取、使用上限或工作區資格。請將應用的 API 預算與員工訂閱支出分開管理。