GPT-5.6 Luna (US)

GPT-5.6 Luna (US) 属于 gpt-luna 家族，2026 年 7 月 9 日发布，由 Amazon Bedrock 托管分发，权重不开源，目前只在这一家平台上线。它要解决的是长素材与多步骤任务难以放在同一次调用里的问题：1,050,000 tokens 的上下文窗口让整份年报、整套技术规范或长对话记录可以一次送入，128,000 tokens 的单次输出上限支持连续产出长篇幅结果，减少分段调用带来的上下文丢失与拼接成本。输入侧接受文本与图像，输出侧只给文本，配合推理、工具调用、结构化输出与附件输入四项能力，适合把资料解析、判断决策和结果格式化串成一条链路。知识截止到 2026 年 2 月 16 日，此后发生的事实需要靠外部检索或工具回填补齐。

选型建议需要百万级上下文、图像输入和结构化文本输出的生产任务可以选它；若追求更低单价或需要文本以外的输出模态，应先比较 GPT-6 Luna 等替代版本。

• 通读上百页合同或财报，抽取关键条款、比对差异并输出结构化 JSON
• 在 Agent 流程中承担工具调用与多步推理，把中间结果整理成固定字段
• 接入带截图附件的工单，结合图像与文字描述做问题归类与摘要
• 批量处理长知识库文档，生成分节摘要供检索层直接使用
• 对同一批素材做多轮改写与校对，借助缓存读压低重复提示的费用

公开资料对 gpt-luna 系列的内部结构披露有限，可确认的是它走闭源权重路线，通过 Amazon Bedrock 以托管接口交付，调用方只面对接口而非参数。

• 结构闭源权重加平台托管，调用方不接触模型本体，能力边界由 Bedrock 侧的接口形态与版本策略决定。
• 能力原生支持推理、工具调用、结构化输出与附件输入，输入接受文本与图像，输出只返回文本。
• 披露参数量、层数等结构细节未公开，1.05M tokens 上下文与 128K 单次输出是少数可核对的规格。

开源权重

否

模型家族

gpt-luna

本站未收录该模型的公开跑分，同类对比中的评测栏也为空，只能依据规格与家族内版本关系做定性判断，具体表现需按业务实测。

• 强项超长上下文配合 128K 单次输出，长文档通读、跨文件比对、长链路工具编排不易被截断。
• 短板输出模态只有文本，图像仅作输入；缺少第三方跑分，跨模型比较时没有可引用的量化依据。
• 适合以文本产出为主、需要一次塞入大量素材的业务，比短上下文模型少一层切片与结果拼接工程。

计费沿用 Bedrock 的按 token 三段式，分为输入、输出与缓存读，缓存读价格约为输入价的十分之一，成本主要取决于输出长度。

• 定位输入 $0.22/M、输出 $1.32/M，在家族内属中间偏低价位，输出约为输入的六倍，结构偏向读多写少。
• 横向对比Global 版比 US 版低约 9%，GPT-6 Luna 两版输入价约为其一半，GPT-5.6 Sol 则高出十余倍。
• 平台差价目前仅 models.dev 与其 amazon-bedrock 条目收录，两者报价完全一致，不存在可套利的平台价差。
• 省钱把稳定复用的长提示词走缓存读、并控制输出篇幅，比切换平台更能直接压低单次调用成本。

同一个模型在不同网关的报价可能不同。本页基准取官方口径 $0.22/M / $1.32/M（输入 / 输出，美元 / 百万 tokens），其余来源的差价在「相对输入价」列列出，供比价参考。

取上下文相近（约 0.5~2 倍）的同类主流模型；同厂商、同家族优先；价格差为相对本模型的输入价

• 口径本站未收录该模型任何第三方跑分，同类对比中的评测一栏同样为空，性能结论只能停留在规格层面。
• 边界1.05M 上下文与 128K 输出是上限而非建议值，长上下文下的实际召回与费用仍需按业务验证；知识截止 2026-02-16，之后的信息要靠外部检索补齐。

本页资料由多个公开来源交叉整理：按「官方目录 → 通用网关 → 开源仓库 → 中文资料」的优先级合并， 冲突时取优先级高的来源。价格单位是美元 / 百万 tokens，为各平台对 API 调用的报价，不含自部署成本。 资料由公开来源整理，不代表 AiTest 已对该模型或其收录中转站做过真实性、稳定性或安全检测。

本页的模型介绍、架构、性能与性价比解读为 AI 综合公开信息整理，部分未经本站逐项核实；规格、价格与跑分以本页数据字段为准。