快速摘要
基礎定價： GPT-5.6 標準短上下文費率（每 100 萬 tokens）為 Sol 輸入 $5／輸出 $30、Terra $2.50／$15、Luna $1／$6。
注意隱性成本驅動因素： 通用別名 gpt-5.6 會路由到 Sol，超過 272K 輸入 tokens 的請求採用較高的長上下文費率，且在三個 GPT-5.6 層級中，輸出 tokens 的成本是輸入的 6×。
生產環境： 請比較每個成功任務的成本，而非僅看 token 單價。準確率、重試、工具呼叫、延遲、快取與人工審查都會改變實際成本。
OpenAI API 定價一覽
對於廣泛搜尋 OpenAI API 定價 的使用者，最常見的首問是：我現在到底為哪個模型付費？ 在更仔細看 GPT-5.6 之前，下表先提供幾個當前 OpenAI 文字模型的精簡視圖。
| 模型 | 輸入／每 100 萬 tokens | 快取輸入 | 輸出／每 100 萬 tokens |
|---|---|---|---|
| gpt-5.6-sol | $5.00 | $0.50 | $30.00 |
| gpt-5.6-terra | $2.50 | $0.25 | $15.00 |
| gpt-5.6-luna | $1.00 | $0.10 | $6.00 |
| gpt-5.5 | $5.00 | $0.50 | $30.00 |
| gpt-5.4 | $2.50 | $0.25 | $15.00 |
| gpt-5.4-mini | $0.75 | $0.08 | $4.50 |
| gpt-5.4-nano | $0.20 | $0.02 | $1.25 |
來源*：* OpenAI API 定價
最重要但易被忽略的模式是：GPT-5.6 在 Sol、Terra、Luna 三個層級中，輸出 tokens 的成本是輸入的 6×。 冗長回答、過度冗語的代理，以及推理密集的工作流程，可能比小幅增加提示長度更快推高成本。
若想更廣泛了解 GPT-5.6 家族——包含模型能力、定位、基準、API 存取與重要發佈特性——請參見 OpenAI 的 GPT-5.6 公告 或 CometAPI 的 GPT-5.6 指南。本文將專注於定價、成本計算與影響實際 API 帳單的因素。
GPT-5.6 定價：Sol vs Terra vs Luna
GPT-5.6 引入三個定價層級。OpenAI 將 Sol 定位為旗艦路由，Terra 為平衡選項，Luna 為適合高吞吐工作負載的低成本層級。
若要深入了解能力、如何存取 GPT-5.6 API 與各模型的使用案例，詳情請見此處的 GPT-5.6 模型。
輸入 ≤272K tokens 的 GPT-5.6 標準定價
| 模型 | 短輸入 | 快取輸入 | 快取寫入 | 短輸出 | 長輸入 | 長快取輸入 | 長快取寫入 | 長輸出 |
|---|---|---|---|---|---|---|---|---|
| gpt-5.6-sol | $5.00 | $0.50 | $6.25 | $30.00 | $10.00 | $1.00 | $12.50 | $45.00 |
| gpt-5.6-terra | $2.50 | $0.25 | $3.13 | $15.00 | $5.00 | $0.50 | $6.25 | $22.50 |
| gpt-5.6-luna | $1.00 | $0.10 | $1.25 | $6.00 | $2.00 | $0.20 | $2.50 | $9.00 |
來源*：* OpenAI API 定價
長上下文定價： 超過 272K 輸入 tokens 的請求將採用更高費率。輸入、快取輸入與快取寫入按標準費率的 2×計費，輸出按1.5×計費。較高費率套用於整個請求，而非僅 272K 以上的部分。
合理的起點是：簡單、高吞吐的工作先測試 Luna，應用工作負載採用 Terra 平衡，最困難或高影響的任務使用 Sol。這並非普適建議：準確率、重試、工具行為與人工審查可能會蓋過牌價差異。
一個重要的別名細節
OpenAI 的模型指南指出，通用別名 gpt-5.6 會路由至 gpt-5.6-sol。
這代表發送到 gpt-5.6 的請求使用 Sol 的價格層級。若你的工作負載在 Terra 或 Luna 表現良好，請使用明確的模型 ID，而不要假設通用別名會選擇最便宜的適用層級。
範例 1：典型的 API 請求
先看一個常見請求形態：
- 1,000 輸入 tokens
- 500 輸出 tokens
| 模型 | 每次請求成本 | 每 1,000 次請求成本 |
|---|---|---|
| gpt-5.6-sol | $0.02 | $20 |
| gpt-5.6-terra | $0.01 | $10 |
| gpt-5.6-luna | $0.00 | $4 |
Sol 的計算：
(1,000 / 1,000,000 × $5) + (500 / 1,000,000 × $30) = $0.020
此範例也說明為何輸出長度重要。即便請求的輸入 tokens 是輸出的兩倍，輸出部分仍佔 Sol token 成本的 75%，因為輸出的單價是輸入的六倍。
對聊天、代理與程式碼生成而言，控制不必要的冗長，有時比縮短一段小小的 system prompt 更能省錢。
範例 2：規模化的月成本
假設某應用每月處理 100 萬次請求，平均：
- 每次請求 2,000 輸入 tokens
- 每次請求 500 輸出 tokens
即每月 20 億輸入 tokens 與 5 億輸出 tokens。
| 模型 | 每月輸入成本 | 每月輸出成本 | 總計 |
|---|---|---|---|
| gpt-5.6-sol | $10,000 | $15,000 | $25,000 |
| gpt-5.6-terra | $5,000 | $7,500 | $12,500 |
| gpt-5.6-luna | $2,000 | $3,000 | $5,000 |
差距足以值得做路由測試，但最便宜的那一列未必自動是最佳生產選擇。若較便宜的模型導致更多重試、失敗任務或人工審查，整個工作流程成本可能更高。
長上下文定價：超過 272K tokens 會發生什麼？
GPT-5.6 模型支援 1.05M-token 上下文視窗，但當請求包含超過 272,000 個輸入 tokens 時，OpenAI 會套用較高費率。
對這些長上下文請求：
- 輸入按短上下文費率的 2× 計費
- 快取輸入與快取寫入也按2× 計費
- 輸出按1.5× 計費
- 較高費率套用於整個請求，而非僅 272K 以上的部分
對 Sol 而言，輸入從每 100 萬 tokens $5 改為 $10，輸出從 $30 改為 $45。相同的倍率結構同樣適用於 Terra 與 Luna。
這在 272K 附近形成成本懸崖。對接近門檻的工作負載，請在發送請求前減少重複的檢索區塊、陳舊的對話歷史、不必要的存放庫檔案，或冗長的工具輸出。更多減少 tokens 的建議，請參見 OpenAI 的成本最佳化指南。
Standard、Batch、Flex 與 Priority 定價
對適用的 GPT-5.6 文字工作負載，OpenAI 提供多種處理層級。
| 層級 | Sol 輸入／輸出 | Terra 輸入／輸出 | Luna 輸入／輸出 | 典型用途 |
|---|---|---|---|---|
| Standard | $5 / $30 | $2.50 / $15 | $1 / $6 | 正常同步流量 |
| Batch | $2.50 / $15 | $1.25 / $7.50 | $0.50 / $3 | 離線非同步作業 |
| Flex | $2.50 / $15 | $1.25 / $7.50 | $0.50 / $3 | 能容忍較慢或較不穩定處理的成本敏感工作 |
| Priority | $10 / $60 | $5 / $30 | $2 / $12 | 對延遲敏感的短上下文流量 |
對 GPT-5.6 而言，Batch 與 Flex 的 token 費率約為 Standard 的 50%。Priority 在列出的短上下文費率上是 Standard 的 2×。OpenAI 目前僅列出短上下文的 Priority，因此請勿將這些費率類推到長上下文請求。
選擇層級前，請參見官方的 Batch、Flex 與 Priority 文件。
提示快取：何時能為 GPT-5.6 省錢？
對 GPT-5.6 而言，快取寫入成本為正常輸入的 1.25×，匹配的快取讀取則享受較低的快取輸入價格。
以 Sol 為例，考慮一段可重用的 100,000-token 前綴：
| 操作 | 成本 |
|---|---|
| 以未快取的正常輸入處理一次 | $0.50 |
| 將前綴寫入快取 | $0.63 |
| 稍後讀取已快取的前綴 | $0.05 |
兩次未快取的使用成本為 $1.00。一次快取寫入加一次匹配的快取讀取成本為 $0.675，在這個簡化示例中可節省 $0.325。
此示例的邊界： 此計算僅比較可重用前綴的輸入成本。不包含輸出 tokens、其他未快取的輸入、工具或重試。實際節省取決於前綴是否符合快取要求以及其實際重用頻率。
因此，快取最有用於長且穩定、能被反覆匹配的提示前綴。一次從未被重用的快取寫入只會增加成本而非降低成本。
OpenAI 的提示快取指南記載了快取寫入定價、快取讀取、顯式分段與 TTL 行為。
其他可能改變你的 OpenAI API 帳單的成本
推理 tokens 與 Pro 模式
推理 tokens 即便不顯示為可見回應文字，也會按輸出 tokens 計費。較高的推理設定因此可能增加總輸出 token 用量與延遲。
在支援的情況下，reasoning.mode = "pro" 更適合視為一個需要基準測試的設定，而非預設的降成本或提品質準則。OpenAI 未列出此模式的固定 Pro 附加費；成本影響來自相應的 token 用量。合理基線是以代表性任務測試 Standard 與 Pro，並比較任務成功率、總輸出 tokens、延遲與重試。
網路搜尋與其他工具
OpenAI 目前列出的標準網路搜尋為每 1,000 次呼叫 $10，另加按所選模型費率計費的搜尋內容 tokens。兩次網路搜尋就可能比一個小型 Luna 請求的模型 tokens 更昂貴。
OpenAI 也為非推理模型列出單獨的網路搜尋預覽價格，為每 1,000 次呼叫 $25，搜尋內容 tokens 免費。請在官方定價頁確認具體工具與模型的組合，而非將某個網路搜尋費率套用到所有端點。
區域處理
對 2026 年 3 月 5 日之後發佈的模型，符合條件的區域處理或資料落地端點將有10% 加價（依 OpenAI 定價頁）。具有落地需求的企業團隊應將此因素納入預算估算。
如何計算 OpenAI API 成本
對基本請求：
Token 成本 =
(輸入 tokens / 1M × 輸入費率)
- (輸出 tokens / 1M × 輸出費率)
對生產規劃，擴充為：
總工作流程成本 =
未快取的輸入
- 快取輸入
- 快取寫入
- 輸出與推理 tokens
- 工具費用
- 服務層級調整
-（如適用）區域加價 - 重試與回退請求
最有用的 KPI 通常是：
每個成功任務的成本 = 總工作流程成本 / 成功任務數
這可避免較低的 token 單價在導致更多失敗或審查工作時看起來被高估的吸引力。
如何在不超支的情況下選擇正確模型
以價格表為起點，再在真實任務上測試。
- 從看起來能勝任任務的最低成本模型開始。Luna 對簡單、高吞吐的工作是合理的首次測試，但別假定它對每種抽取或摘要工作負載都是最佳。
- 衡量輸出長度。GPT-5.6 的輸出 tokens 成本是輸入的 6×，因此冗長回應值得留意。
- 留意 272K 門檻。跨越它將改變整個請求的費率。
- 對非緊急且符合條件的工作使用 Batch 或 Flex。在導入生產流量前測試營運限制。
- 只快取可重用的前綴。量測實際快取命中率，而非假定長提示就應快取。
- 追蹤工具與重試。它們可能抹去較便宜模型帶來的節省。
對在供應商間比較路由的團隊，CometAPI 定價提供即時的跨模型視圖。CometAPI Quickstart與 Cookbook可用同一測試集跑多個與 OpenAI 相容的路由。
FAQ
2026 年 GPT-5.6 費用是多少？
定價取決於模型。GPT-5.6 標準短上下文費率從 Luna 每 100 萬 tokens 輸入 $1／輸出 $6 到 Sol $5／$30 不等。也有如 GPT-5.4 mini 與 nano 等較低成本模型。請在 OpenAI 的即時定價頁確認具體模型。
ChatGPT API 定價是否等於 GPT-5.6 定價？
「ChatGPT API 定價」常被非正式用來指可聊天模型的 OpenAI API 定價，但 ChatGPT 訂閱與 API 計費是分開的產品。API 用量依特定模型與使用類型計費。
哪個 GPT-5.6 模型最便宜？
gpt-5.6-luna 的 GPT-5.6 標準牌價最低。它對成本敏感的工作負載是合理的測試模型，但最佳生產選擇取決於準確率、重試、延遲與審查成本。
gpt-5.6 使用哪個模型？
OpenAI 的模型指南指出，gpt-5.6 別名路由至 gpt-5.6-sol。若需要 Terra 或 Luna 的層級，請使用明確的模型 ID。
何時適用 GPT-5.6 的長上下文定價？
當輸入超過 272,000 tokens 時，GPT-5.6 會對整個請求採用較高費率：輸入相關費率 2×，輸出費率 1.5×。
對 GPT-5.6 而言，Batch 與 Flex 是否比 Standard 更便宜？
對符合條件的 GPT-5.6 工作負載，所列 Batch 與 Flex 的 token 費率約比 Standard 低 50%。它們的處理特性不同，請確認工作能容忍該等限制。
GPT-5.6 的快取寫入是否需額外付費？
是。GPT-5.6 的快取寫入按正常輸入的 1.25× 計費，匹配的快取讀取使用折扣後的快取輸入價格。是否節省取決於實際重用。
在你的工作負載上比較 GPT-5.6 成本
價格表只是起點。你的實際成本取決於提示、輸出長度、快取命中率、工具、重試與任務成功。
借助 CometAPI，你可以用同一個與 OpenAI 相容的 API，在相同工作負載下測試 GPT-5.6 的 Sol、Terra、Luna 及其他模型。
下一步： 比較目前模型定價、查看 CometAPI Quickstart，或使用 CometAPI Cookbook建立可重複的模型評估。
選擇在滿足品質、延遲與可靠性需求的前提下成本最低的路由。