GPT-6 Lunaโมเดลงานปริมาณมากราคา $0.10 ของ OpenAI
GPT-6 Luna คือระดับที่ถูกที่สุดในเจเนอเรชัน GPT-6 ของ OpenAI เปิดตัวเมื่อ 22 กันยายน 2026 พร้อมกับ GPT-6 Sol OpenAI วางตำแหน่งให้มันทำงานปริมาณมากที่มีเป้าหมายชัดเจน ได้แก่ การสรุป การจำแนกประเภท การสกัดข้อมูล และการเลือกเส้นทาง ที่ราคา $0.10 ต่อล้านโทเคนอินพุต มันมีราคาหนึ่งในยี่สิบของ GPT-6 Sol และครึ่งหนึ่งของราคาอินพุต GPT-5.6 Luna ใช้งานได้บน Felo AI Search และ Felo API
ให้บริการบน OpenAI API ในชื่อ gpt-6-luna ตั้งแต่ 22 กันยายน 2026 ที่ราคา $0.10 / $0.50 ต่อล้านโทเคน — ครึ่งหนึ่งของราคาอินพุต GPT-5.6 Luna
เปิดตัว 22 กันยายน 2026 · ใช้ได้แล้วบน Felo AI Search และ Felo API
การ์ดอัตราค่าบริการ
GPT-6 Luna โดยสรุป
- ID โมเดล
- gpt-6-luna
- เปิดตัว
- 22 กันยายน 2026
- อินพุต
- $0.10 ต่อล้าน
- อินพุตแคช
- $0.01 ต่อล้าน
- เอาต์พุต
- $0.50 ต่อล้าน
- หน้าต่างบริบท
- 1,050,000 โทเคน
$0.10 / $0.50
ราคาอินพุต
ต่อล้านโทเคน อัตรามาตรฐาน
$0.01
อินพุตแคช
หนึ่งในสิบของอัตราอินพุต ต่อล้านโทเคน
1.05M
หน้าต่างบริบท
อินพุตสูงสุด 922,000 และเอาต์พุตสูงสุด 128,000
gpt-6-luna
ID โมเดลบน API
สตริงที่ต้องส่งในฟิลด์ model
หนึ่งล้านโทเคนคิดเป็นเท่าไร
ข้อโต้แย้งของ Luna คือตัวเลข ไม่ใช่คำคุณศัพท์ ต่อไปนี้คืออัตราทั้งสี่ที่ OpenAI ประกาศ และผลลัพธ์เมื่อใช้กับงานที่อ่านมากกว่าเขียนมาก
การ์ดอัตราค่าบริการ
อัตรามาตรฐานต่อล้านโทเคน ตามที่ประกาศไว้
- อินพุต
- $0.10
- อินพุตแคช
- $0.01
- การเขียนแคช
- $0.125
- เอาต์พุต
- $0.50
อินพุตแคชคิดราคาหนึ่งในสิบของอัตราอินพุต การเขียนแคชมีราคา 1.25 เท่าของการอ่านที่ไม่มีแคช และนั่นคือตัวเลขที่ทำให้การคำนวณจุดคุ้มทุนด้านล่างได้ผล
ต้นทุนบนงานผสม
พรอมป์ต์ส่วนใหญ่อ่านมากกว่าเขียนมาก อัตราอินพุตที่พาดหัวจึงสูงเกินจริงเมื่อเทียบกับต้นทุนจริงของงาน คอลัมน์นี้สมมติ 20 โทเคนอินพุตต่อโทเคนเอาต์พุตหนึ่งโทเคน
โมเดล
ต่อ 1 ล้าน (ผสม)
เทียบกับ Luna
GPT-6 Luna
$0.12
1x
GPT-5.6 Luna
$0.25
2.1x
GPT-6 Sol
$2.38
20x
GPT-6 Astra
$11.90
100x
คำนวณในหน้านี้จากอัตราที่แต่ละโมเดลประกาศ ที่สัดส่วนอินพุตต่อเอาต์พุต 20:1 ไม่มีผู้ให้บริการรายใดประกาศคอลัมน์นี้ สัดส่วนอื่นจะขยับทุกตัวเลข — ที่ 1:1 อัตราผสมของ Luna อยู่ที่ $0.30 ต่อล้าน และที่ 100:1 อยู่ที่ราว $0.10
ต้นทุนต่อล้านโทเคนที่สัดส่วนผสม 20:1 เทียบกับ GPT-6 Luna
แต่ละแท่งคือต้นทุนของหนึ่งล้านโทเคนผสม หารด้วยตัวเลขของ Luna เอง GPT-5.6 Luna อยู่ที่ 2.1 เท่าของ Luna, GPT-6 Sol อยู่ที่ 20 เท่า และ GPT-6 Astra อยู่ที่ 100 เท่า คำนวณจากอัตราที่ OpenAI ประกาศ แท่งกราฟเริ่มจากศูนย์
ที่มา: คำนวณจากราคา OpenAI API สำหรับตระกูล GPT-6 กันยายน 2026
ราคาต่อล้านโทเคน ตระกูล GPT-6 และ GPT-5.6 Luna
อัตราอินพุตและเอาต์พุตต่อล้านโทเคน GPT-6 Luna อยู่ที่ $0.10 อินพุต และ $0.50 เอาต์พุต GPT-5.6 Luna อยู่ที่ $0.20 และ $1.20 GPT-6 Sol อยู่ที่ $2 และ $10 GPT-6 Astra อยู่ที่ $10 และ $50 แท่งกราฟเริ่มจากศูนย์
ที่มา: ราคา OpenAI API กันยายน 2026
เพดานราคาที่ 272,000 โทเคน
คำขอที่อินพุตเกิน 272,000 โทเคน จะถูกคิดอัตราบริบทขนาดยาวทั้งคำขอ ไม่ใช่แค่โทเคนที่เลยเส้นไป จุดตัดนั้นอยู่ที่ 26% ของหน้าต่างที่ Luna โฆษณาไว้
อัตรา
Standard
เกิน 272,000
เปลี่ยนแปลง
อินพุต
$0.10
$0.20
2x
อินพุตแคช
$0.01
$0.02
2x
เอาต์พุต
$0.50
$0.75
1.5x
ทำไมมันเป็นหน้าผา ไม่ใช่ทางลาด
ที่ 272,000 โทเคนอินพุต คำขอหนึ่งคิดราคา $0.0272 เพิ่มอีกหนึ่งโทเคนแล้วทั้งคำขอถูกคิดราคาใหม่: 272,001 โทเคนที่ $0.20 ต่อล้าน เท่ากับ $0.0544 ดังนั้นโทเคนเพิ่มเพียงหนึ่งตัวบวก $0.0272 เข้าไปในบิล 272,000 โทเคนเดิมที่แบ่งเป็นสองคำขอซึ่งแต่ละคำขออยู่ต่ำกว่าเพดาน มีค่าใช้จ่าย $0.0272
ควรทำอย่างไร
คุมอินพุตของคำขอเดียวให้ต่ำกว่า 272,000 โทเคน แล้วอัตรามาตรฐานจะใช้ได้ การดึงข้อมูลที่คืนมา 200,000 โทเคน หรือการแบ่งเอกสารยาวออกเป็นท่อน ยังอยู่ในระดับราคาถูก แต่คำขอเดียวที่บรรทุกทั้งหน้าต่างไม่อยู่ ระดับราคาถูกครอบคลุมประมาณหนึ่งในสี่แรกของบริบทที่โฆษณาไว้
จุดสิ้นสุดของอัตรามาตรฐานในหน้าต่างบริบทของ GPT-6 Luna
หน้าต่างมีขนาด 1,050,000 โทเคน อัตรามาตรฐานใช้ได้ถึง 272,000 โทเคนอินพุต คิดเป็นราว 26% ของหน้าต่าง ส่วนที่เกินกว่านั้นคิด 2 เท่าของอินพุตและ 1.5 เท่าของเอาต์พุต และทั้งคำขอถูกคิดราคาใหม่เมื่อข้ามเส้นนั้น
ที่มา: หน้าของโมเดล GPT-6 Luna ของ OpenAI ข้อกำหนดราคาบริบทขนาดยาว กันยายน 2026
เมื่อใดแคชจึงคุ้มทุน
แคชคือการเดิมพัน คุณจ่าย 1.25 เท่าของอัตราอินพุตหนึ่งครั้งเพื่อเขียนคำนำหน้า แล้วจ่ายหนึ่งในสิบของอัตรานั้นในทุกการอ่านหลังจากนั้น ที่อัตราของ Luna การเดิมพันนี้คุ้มตั้งแต่คำขอที่สอง
การเขียนแพงขึ้นหนึ่งในสี่
คำขอแรกที่เขียนคำนำหน้าถูกคิดที่ $0.125 ต่อล้านโทเคน ไม่ใช่ $0.10 — แพงกว่า 25% เมื่อเทียบกับการส่งข้อความเดิมโดยไม่ใช้แคช
การอ่านคิดหนึ่งในสิบ
ทุกคำขอถัดไปที่เข้าแคชถูกคิดที่ $0.01 ต่อล้าน ประหยัด $0.09 เทียบกับอัตราที่ไม่ใช้แคชในแต่ละครั้ง
คุ้มทุนที่คำขอที่สอง
การเขียนหนึ่งครั้งบวกการอ่านหนึ่งครั้งเท่ากับ $0.135 ต่อล้าน เทียบกับ $0.20 สำหรับสองคำขอที่ไม่ใช้แคช พอถึงการทำซ้ำครั้งที่หนึ่งร้อย เส้นทางแคชมีต้นทุนราว 11% ของการส่งคำนำหน้าเดิมใหม่
ต้นทุนสะสมของการใช้คำนำหน้าเดิมซ้ำ ระหว่างใช้แคชกับไม่ใช้แคช
ต้นทุนต่อล้านโทเคนของคำนำหน้าที่ใช้ซ้ำตลอด 100 คำขอ การส่งใหม่ทุกครั้งมีต้นทุน $10.00 ส่วนการใช้แคชมีต้นทุน $1.115 เส้นสองเส้นตัดกันระหว่างคำขอที่หนึ่งกับคำขอที่สอง
ที่มา: คำนวณจากอัตราการเขียนแคชและอินพุตแคชที่ OpenAI ประกาศสำหรับ GPT-6 Luna กันยายน 2026
คันโยกอีกตัวที่ขยับบิล
Luna รับสเกลระดับการให้เหตุผลครบทั้งหกขั้นของ OpenAI และค่าที่ตั้งไว้เป็นตัวกำหนดว่าคำขอหนึ่งใช้โทเคนการให้เหตุผลไปเท่าไร medium เป็นค่าเริ่มต้น
none
การเรียกฟังก์ชัน
low
medium
ค่าเริ่มต้น
high
xhigh
max
หกค่าตั้ง ค่าเริ่มต้นเดียว
Luna รับ none, low, medium, high, xhigh และ max โทเคนการให้เหตุผลถูกคิดเป็นเอาต์พุต ค่านี้จึงเป็นทั้งคันโยกต้นทุนและคันโยกคุณภาพ ยิ่งตั้งสูง โมเดลยิ่งใช้จ่ายมากก่อนจะตอบ
การเรียกเครื่องมือต้องใช้ none บน Chat Completions
บน Chat Completions API คำขอที่เรียกเครื่องมือจะถูกดำเนินการก็ต่อเมื่อระดับการให้เหตุผลเป็น none สำหรับเครื่องมือในตัวและการเรียกฟังก์ชัน OpenAI แนะนำให้ใช้ Responses API ซึ่งมีสเกลระดับการให้เหตุผลให้ใช้ควบคู่กับเครื่องมือ ควรตรวจก่อนว่าอินทิเกรชันหนึ่งใช้ endpoint ไหน ก่อนจะตั้งค่านี้
Luna อยู่ตรงไหนในตระกูล GPT-6
สามระดับ หนึ่งหน้าที่ของแต่ละรุ่น หนึ่งในยี่สิบของอัตรา Sol คือสิ่งที่ทำให้การตัดสินใจเลือกเส้นทางเป็นเรื่องง่าย
โมเดล
อินพุต
เอาต์พุต
งานที่ควรส่งมา
GPT-6 Luna
$0.10
$0.50
งานปริมาณมากที่ขอบเขตชัดเจน: การสรุป การสกัดข้อมูล การจำแนกประเภท การเลือกเส้นทาง และคำถามตรงไปตรงมา
GPT-6 Sol
$2
$10
งานซับซ้อนที่ทำซ้ำ: การเขียนและรีวิวโค้ด การดีบัก และการวิเคราะห์ข้อมูล
GPT-6 Astra
$10
$50
การให้เหตุผลครั้งเดียวที่ยากที่สุด การใช้คอมพิวเตอร์ และงานวิทยาศาสตร์หรือคณิตศาสตร์
สิ่งที่ OpenAI อ้างกับสิ่งที่มันวัด
OpenAI อ้างสองแบบเกี่ยวกับ Luna: สิ่งที่มันทำได้ในราคานั้น และสิ่งที่มันเลิกทำ ทั้งคู่เป็นตัวเลขของผู้พัฒนา และทั้งคู่ถูกกำกับไว้อย่างนั้น
งานต่อหนึ่งดอลลาร์
ข้ออ้างหลักของ OpenAI สำหรับ Luna เป็นเรื่องต้นทุนต่อประสิทธิภาพ ไม่ใช่คะแนนดิบ: ที่ระดับการให้เหตุผลสูงสุด มันทำได้เกิน GPT-5.6 Sol ที่ระดับ medium ในต้นทุนต่องานราวหนึ่งในสิบ สื่อตอนเปิดตัวยังรายงานว่าได้ 66.6% บน DeepSWE v1.1 สูงกว่า GPT-5.6 Luna ที่ระดับสูงอยู่ 5.4 จุด โดยต้นทุนต่องานต่ำกว่า 58% Luna มีตัวเลขประกาศบน benchmark น้อยกว่า Sol มาก หน้านี้จึงยกข้ออ้างมาแทนตาราง benchmark
ข้ออ้างที่ทำให้เข้าใจผิดเรื่องงานเขียนโค้ด
OpenAI รายงานว่า Luna นำงานด้าน alignment ของ Astra ลงมาถึงระดับราคาถูก รวมถึงอัตราการกล่าวอ้างที่ทำให้เข้าใจผิดเรื่องงานเขียนโค้ดของตัวเองที่ต่ำลง ตัวเลขที่บทความอิสระหลายชิ้นตรงกันคืออัตราการโกหกเรื่องงานโค้ด: 2.8% จาก 9.5% ใน GPT-5.6 Luna
การประเมิน
GPT-5.6 Luna
GPT-6 Luna
อัตราการโกหกเรื่องงานโค้ด (ยิ่งต่ำยิ่งดี)
9.5%
2.8%
การประเมินด้าน alignment ของ OpenAI เอง รันบนสถานการณ์ที่จงใจทำให้ยากและความเสี่ยงต่ำเป็นส่วนใหญ่ โดยไม่เปิดระบบป้องกันสำหรับงานโปรดักชัน OpenAI ระบุว่าการประเมินเหล่านี้ไม่ได้วัดอัตราความล้มเหลวในการใช้งานทั่วไป จึงไม่ใช่อัตราจากงานจริง ตัวเลขตอนเปิดตัวอีกตัวที่สื่อรายงานไม่ตรงกัน ถูกตัดออกจากหน้านี้แทนที่จะเฉลี่ยเอา
ควรรันอะไรบน Luna
งานที่ OpenAI สร้างระดับนี้ขึ้นมาเพื่อ และจุดที่ต้นทุนต่อการเรียกเป็นตัวกำหนดเพดานของสิ่งที่คุ้มจะสร้าง
สรุปเป็นจำนวนมาก
เอกสาร เธรด และไฟล์ถอดเสียงที่ย่อเหลือย่อหน้าเดียว ซึ่งราคาต่อโทเคนเป็นตัวตัดสินว่างานนั้นจะรันได้หรือไม่
การสกัดข้อมูล
ดึงฟิลด์ที่มีโครงสร้างออกจากข้อความไร้โครงสร้าง — ใบแจ้งหนี้ ประกาศขาย แบบฟอร์ม — ให้เป็นรูปแบบที่ไปป์ไลน์นำไปใช้ต่อได้
การจำแนกประเภทและการติดแท็ก
จัดเรียงตั๋ว ติดป้ายเนื้อหา และติดหมวดหมู่ทั่วทั้งคลังข้อมูล ทีละคำขอราคาถูก
การเลือกเส้นทาง
ตัดสินว่าคำขอหนึ่งคืออะไรและควรไปที่ไหน เป็นการตัดสินใจเล็ก ๆ ที่ไม่ควรกินการเรียกโมเดลเรือธง
คำถามสั้น ๆ
การค้นข้อเท็จจริงสั้น ๆ ที่ผลิตภัณฑ์ตอบในหน้าเลย ซึ่งความหน่วงและราคาสำคัญกว่าความลึก
งานแบบ Batch และ Flex
OpenAI คิดราคา Batch และ Flex ที่ครึ่งหนึ่งของอัตรามาตรฐาน ทำให้อินพุตของ Luna เหลือ $0.05 ต่อล้านสำหรับงานที่รอได้
GPT-6 Luna ใช้งานได้ที่ไหน
Luna เปิดตัวครบทุกช่องทางของ OpenAI ยกเว้นแชทหลัก บวกกับแพลตฟอร์มที่ขึ้นทะเบียนในวันเดียวกัน บน Felo มันทำงานภายใต้ ID โมเดล gpt-6-luna
Felo AI Search
ให้บริการในชื่อ gpt-6-luna ควบคู่กับสมาชิกอื่น ๆ ในตระกูล GPT-6
OpenAI API
Chat Completions, Responses และ Batch ในชื่อ gpt-6-luna
ChatGPT Work และ Codex
Plus, Pro, Business, Enterprise และ Edu โดยแอดมินต้องเปิดใช้งานบน Enterprise
Free และ Go
เข้าถึงได้ในแอปเดสก์ท็อป ไม่ใช่ในแชทบนเบราว์เซอร์
GitHub Copilot
แพ็กเกจ Pro, Pro+, Max, Business และ Enterprise
Amazon Bedrock และ OpenRouter
ทั้งคู่ขึ้นทะเบียน Luna เมื่อ 22 กันยายน 2026 วันที่มันเปิดตัว
สิ่งที่ Luna ไม่รองรับ
ควรตรวจก่อนสร้างอะไรบนมัน หน้าโมเดลของ OpenAI ระบุสิ่งเหล่านี้ว่าไม่รองรับบน GPT-6 Luna
- Realtime และ Live API
- Assistants API
- Fine-tuning
- Embeddings
- การสร้างและแก้ไขภาพ
- เสียง วิดีโอ และการกลั่นกรองเนื้อหา
ข้อมูลจำเพาะ
สิ่งที่ OpenAI ประกาศไว้สำหรับ GPT-6 Luna
ราคา
GPT-6 Luna: $0.10 / $0.50 ต่อล้านโทเคน อินพุตแคช $0.01 และการเขียนแคช $0.125
อัตรามาตรฐาน Batch และ Flex คิดครึ่งราคา Fast mode คิดสองเท่า และคำขอที่อินพุตเกิน 272,000 โทเคน จ่าย 2 เท่าของอินพุตและ 1.5 เท่าของเอาต์พุตทั้งคำขอ
หน้าต่างบริบท
1,050,000 โทเคน อินพุตสูงสุด 922,000 และเอาต์พุตสูงสุด 128,000
หน้าต่างเดียวกับ GPT-6 Sol และ GPT-6 Astra แต่อัตรามาตรฐานครอบคลุมเฉพาะ 272,000 โทเคนอินพุตแรก
วันตัดข้อมูล
18 พฤษภาคม 2026 เป็นวันตัดข้อมูลที่ใหม่ที่สุดในบรรดาโมเดล GPT-6 ทั้งสามรุ่น
รูปแบบข้อมูล
รับข้อความและภาพเข้า ออกเป็นข้อความ
ระดับการให้เหตุผล
None, low, medium, high, xhigh และ max โดย medium เป็นค่าเริ่มต้น การเรียกฟังก์ชันบน Chat Completions ต้องใช้ none
ราคาแบบ Batch และรายภูมิภาค
Batch และ Flex คิด 50% ของอัตรามาตรฐาน การประมวลผลรายภูมิภาคบวกเพิ่ม 10% และการเก็บข้อมูลใน EU ต้องใช้การประมวลผลแบบ Standard
คำถามที่พบบ่อย
GPT-6 Luna คือโมเดล GPT-6 ที่ถูกที่สุดของ OpenAI เปิดตัวเมื่อ 22 กันยายน 2026 พร้อมกับ GPT-6 Sol และวางตำแหน่งต่ำกว่า Sol กับเรือธง Astra OpenAI อธิบายว่าเป็นโมเดลที่ประหยัดที่สุดของบริษัท สร้างมาสำหรับงานปริมาณมากที่มีเป้าหมายชัดเจน: สรุปเอกสาร สกัดข้อมูล จำแนกประเภท และตอบคำถามตรงไปตรงมา ราคาอยู่ที่ $0.10 ต่อล้านโทเคนอินพุต และ $0.50 ต่อล้านโทเคนเอาต์พุต
ลองใช้ GPT-6 Luna บน Felo
โมเดล GPT-6 ที่ถูกที่สุดของ OpenAI: $0.10 อินพุต และ $0.50 เอาต์พุตต่อล้านโทเคน การอ่านแคช $0.01 และหน้าต่าง 1,050,000 โทเคน
ใช้ได้บน Felo AI Search และ Felo API