主要規格規格核對日期：2026 年 9 月 1 日
官方模型 IDgpt-5.6-luna
上下文 / 最大輸出1.05M / 128K
官方輸入／輸出費率・每 1M$0.20 輸入 / $1.20 輸出
推理none · low · medium · high · xhigh · max
選擇建議要用 Luna 降低大量處理成本，須先建好驗證與升級機制。
最適合
分類、提取、內容作業、範圍小的子代理與成本敏感的大量請求。
不適合時
無人監督的複雜代理、困難的儲存庫變更，以及無法容許重試的高風險決策。
02
選擇與整合
GPT-5.6 Luna API 費用明細
價格目錄未列出 GPT-5.6 Luna（gpt-5.6-luna）費率，因此本頁不估算平台價格或請求成本。 請在模型廣場確認可用性與費率。
大量工作
適合 Luna 的任務
Luna 適合指令範圍小、結果可自動驗證的大量請求。 輸出穩定、重試有上限、失敗可升級處理時，低費率才會變成實際節省。
- 分類、提取、審核路由與資料轉換。
- 大量客服草稿與內容作業。
- 指令範圍小且有明確驗證的子代理。
- 預算有限、仍需大上下文上限的應用。
分級路由
設計 Luna → Terra → Sol 分級路由
應用應明確管理升級規則，並記錄最後完成任務的模型。
| 等級 | 處理任務 | 升級條件 |
|---|---|---|
| Luna | 分類、提取、轉換、草稿 | 結構失敗、信心不足、重試上限 |
| Terra | 一般開發、工具、複雜輸入 | 未達品質門檻或案例風險高 |
| Sol | 最難且價值最高的工作 | 人工審查或停止 |
單位成本
Token 便宜不代表整個任務便宜
- 官方價格為每百萬 Token 輸入 $0.20、輸出 $1.20。
- 公開的快取輸入費率為每百萬 Token $0.02。
- 大量任務應追蹤每個接受結果的成本，因為重試可能抵銷低費率優勢。
可靠性
先建立可自動驗證的輸出規格
- 使用結構化輸出或嚴格 JSON 結構。
- 驗證缺少欄位、無效列舉值與空結果。
- 限制自動重試，區分可重試與最終錯誤。
- 信心不足或高風險案例升級至 Terra。
整合
Luna 最小請求
提高並行量或加入工具前，先用小型非串流請求驗證路徑、輸出格式與用量紀錄。
curl https://app.llmfly.ai/v1/chat/completions \
-H "Authorization: Bearer $LLMFLY_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "gpt-5.6-luna",
"messages": [{"role": "user", "content": "Summarize the tradeoffs in three bullets."}],
"stream": false
}'容量與品質
大量上線前要測試什麼
- 按真實輸入分布衡量通過率，不只用理想範例。
- 同時追蹤 P50/P95 延遲、429、重試與升級比例。
- 檢查是否誤用長上下文；上限大不代表要重傳全部歷史。
- 設定成本與錯誤率異常警示，避免重試暴增擴大支出。
限制
Luna 能力限制
- Token 價格低，不代表適合複雜自主任務。
- 提示詞未整理時，長上下文仍會增加延遲與支出。
- 用真實失敗案例評估結構遵循與工具復原。
- 未達品質門檻時，改用 Terra 或 Sol。
來源範圍
GPT-5.6 Luna 規格來源與使用說明
規格與官方價格已依 OpenAI 模型文件核對：https://developers.openai.com/api/docs/models。 請在模型廣場確認目前 ID、計費倍率與可用性。
常見問題
為何 Luna 適合大量工作？
官方參考費率低，仍支援結構化輸出、工具與大上下文；真實通過率與重試成本仍需驗證。
Luna 失敗時該怎麼做？
限制重試並明定升級規則，通常先轉 Terra，只有高風險或最難案例才用 Sol。
Luna 能執行複雜代理嗎？
可測試有驗證且範圍小的子代理；別只因價格便宜就用於無人監督的複雜自主任務。
Luna 的上下文上限是多少？
官方公布上下文 1.05M、最大輸出 128K，但大提示詞仍會增加延遲與成本。
如何確認 Luna 真的省錢？
追蹤每個接受結果的總成本，包含重試、升級、工具迴圈與人工重做。
用自己的任務測試 GPT-5.6 Luna
建立 API 金鑰、確認模型 ID，從小量代表性請求開始。