GPT-6 Luna (US)

GPT-6 Luna (US) 属于 gpt-luna 家族，通过 Amazon Bedrock 对外提供，权重不公开。它的核心卖点是把超长上下文与低价位放在一起：上下文窗口 105 万 tokens、单次最长输出 12.8 万 tokens，足以把整本手册、多份附件或大段代码一次性送入并直接产出成稿，减少切片与多轮拼接带来的信息损耗。能力面覆盖推理、工具调用、结构化输出与附件输入，输入模态为文本和图像，输出为文本，适合接入函数调用、JSON 约束生成、票据与截图类信息抽取等工程链路。知识截止到 2026-05-18，之后的事实需要靠检索或外部输入补齐。与同页对比的 GPT-5.6 Luna 各区域版本相比，它在同等上下文规格下把输入价压得更低，定位更接近“长上下文、读多写少”的成本型主力模型，而非面向重度多模态生成的高价档位。

选型建议需要超长上下文、图像附件与结构化输出且预算敏感时选它；需要音视频输入、公开跑分背书或自托管权重则不选。

• 把上百页合同或技术手册一次性输入，抽取条款要点并输出结构化字段
• 在客服与工单系统里接入工具调用，按固定 JSON 结构返回分类与处理建议
• 批量读取含图表的报告截图，结合文字提问做内容归纳与问答
• 用长上下文承载整个代码仓库片段，生成改动说明与接口文档
• 对成本敏感的离线批处理任务，借缓存读降低重复上下文的账单开销

沿用 gpt-luna 系列的闭源技术路线，接口层面披露的规格清晰，底层参数与训练细节未公开。

• 结构权重不对外开源，参数规模与层数等细节公开资料较少，无法就架构做定量描述，只能从接口规格判断其面向长上下文优化。
• 能力原生接受文本与图像输入、仅输出文本，支持推理、工具调用、结构化输出与附件输入，适配函数调用和 JSON 约束生成场景。
• 披露上下文窗口 1050000 tokens、单次最大输出 128000 tokens、知识截止 2026-05-18，长文档与多轮会话可一次装下而不必切分。

开源权重

否

模型家族

gpt-luna

官方未公布跑分，能确认的性能线索来自接口规格与定价结构，判断以定性为主。

• 强项超长上下文配合 12.8 万 tokens 单次输出，适合把整本手册、多份附件或大段代码一次送入后直接产出完整成稿。
• 短板输入仅文本与图像、输出仅文本，不含音频与视频；公开跑分缺失，横向对比只能靠规格与价格，硬指标需自建测试集验证。
• 适合高频批量的推理、抽取与格式化输出任务，成本可控；不适合需要多模态生成或跑分背书的重度创意场景。

按 token 计费，输入 0.11 美元/百万 tokens、输出 0.55 美元/百万 tokens、缓存读 0.011 美元/百万 tokens，整体处在低价档。

• 定位轻量成本档位，输出价约为输入价的五倍，账单结构偏向“读多写少”的长上下文任务，适合把大段材料塞进输入侧。
• 横向对比同为 1.05M 上下文的 GPT-6 Luna (Global) 输入价低约 9.1%，GPT-5.6 Luna 各区域版本则贵 81.8% 至 100%。
• 高端对照GPT-5.6 Sol (Global) 相对本模型输入价差达 +3536.4%，两者预算层级差距悬殊，选型时不宜直接互相替代。
• 平台差价可查渠道中 models.dev 与其 amazon-bedrock 条目报价一致，相对输入价差 0.0%，目前未见更便宜的通路。
• 省钱缓存读价格仅为输入价的十分之一，多轮复用同一段长材料时开启缓存，能明显压低重复上下文的开销。

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 $0.11/M / $0.55/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

• 口径第三方跑分缺失，规格页只给上下文、模态与价格，不给分数；评估强弱需用自有业务样本做对照测试，不能靠榜单结论。
• 边界闭源权重不可自托管，调用需经 Amazon Bedrock；知识截止 2026-05-18，之后的事件与数据须靠检索或外部输入补充。

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。