GPT-6 Luna (Global)

GPT-6 Luna (Global) 属于 gpt-luna 系列，是这一家族在 Amazon Bedrock 上供应的 Global 版本，核心卖点是长上下文与低单价。上下文窗口为 105 万 tokens，单次最大输出 12.8 万 tokens，知识截止到 2026 年 5 月 18 日。它主要解决的问题是「一份超大材料需要整体读完再产出成稿」：长篇合同集、技术文档、调研材料可以一次投喂，不必先做切片与检索。输入侧接受文本与图片，输出为纯文本，配合推理、工具调用、结构化输出与附件输入四项能力，适合把模型接进已有的业务流水线，而不只做对话。相较同家族的 GPT-5.6 Luna (Global)，它的输入与输出单价都更低，上下文规模保持一致，属于系列内的换代选择。权重不开源，实际可用性取决于 Amazon Bedrock 的账号与区域开通情况。

选型建议需要超长上下文、低成本批量处理且接受纯文本输出的团队可以选它；要求开源权重、原生多模态生成或公开跑分背书的场景不宜作为首选。

• 通读数百页合同或标书，抽取关键条款并输出结构化对照表
• 把图片形式的报表与文本说明一并送入，生成文字版数据摘要
• 在业务系统中编排多步工具调用，完成查数、校验与报告撰写
• 基于固定前缀配合缓存读取，搭建高频调用的问答或客服接口
• 整理长周期调研材料，产出报告初稿并保持章节间口径一致

公开资料对 GPT-6 Luna 的参数规模与训练细节披露有限，可确认的是它延续 gpt-luna 家族的通用路线，以超长上下文和多模态输入为主要结构特征。

• 结构模型以文本与图片作为输入、仅输出文本，上下文窗口 105 万 tokens、单次最多产出 12.8 万 tokens，适合整篇长材料的连续处理。
• 能力官方列出的推理、工具调用、结构化输出与附件输入可组合使用，让外部函数返回结果与上传文件进入同一次请求链路，便于多步任务编排。
• 披露权重不开源，参数规模、训练数据与对齐方案在可确认的资料中没有给出，架构判断只能停留在定性层面。

开源权重

否

模型家族

gpt-luna

本站没有该模型的公开跑分，也缺少第三方评测数字，性能判断只能依据上下文规模、模态支持与能力项做定性推断。

• 强项105 万 tokens 上下文配 12.8 万 tokens 输出，长文档通读、跨章节口径统一和大体量结构化抽取是明确的优势区间。
• 短板输出仅有文本，不含原生图像或音频生成；缺少可核验的公开跑分，高风险决策场景仍需自建评测集验证。
• 适合知识截止到 2026 年 5 月 18 日，对时效要求中等偏上的资料整理、报告初稿与工具链自动化较为合适。

官方定价为输入 0.1 美元/百万 tokens、输出 0.5 美元/百万 tokens、缓存读 0.01 美元/百万 tokens，在 gpt-luna 系列里处于价格底部区间。

• 定位单价与系列内高端型号拉开很大距离，走低成本长上下文路线，适合调用量大、单次输入长的批量业务。
• 横向对比对比 GPT-5.6 Luna (Global) 输入价差 +100%；对比 GPT-5.6 Sol (Global) 价差 +3900%，高端型号成本不在同一量级。
• 平台差价与 GPT-6 Luna (US) 的输入价差为 +10%；目前可查的两处报价价格一致，跨平台比价空间很小。
• 省钱缓存读仅为输入价的十分之一，把稳定的系统提示与知识前缀做成缓存命中，是压降成本最直接的手段。

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 $0.1/M / $0.5/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

• 口径价格与规格取自官方定价与当前可查的平台报价，仅一家平台提供该型号，实际账单可能因区域与调用方式产生差异。
• 边界缺少公开跑分，长上下文下的有效召回与复杂推理稳定性无第三方验证；知识截止之后的信息需靠工具调用补齐。

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。