Skip to main content

GPT-6 Luna现已加入Felo Search：百万Token仅需$0.10

· 阅读需 7 分钟
Felo Search Tips Buddy
Felo Search Tips Buddy
Committed to answers at your fingertips

GPT-6 Luna已上线Felo Search：105万上下文窗口，前沿级阅读，每百万输入Token仅$0.10，是GPT-6系列中价格最低的模型。

OpenAI于9月22日发布了GPT-6 Luna和GPT-6 Sol。Luna是GPT-6系列中价格最低的模型：每百万输入Token仅$0.10，每百万输出Token为$0.50，约为Sol价格的二十分之一，Astra旗舰的百分之一。

现在，Luna已在Felo Search上线。真正值得关注的问题不是Luna是否是最聪明的搜索模型，而是当阅读一份文档几乎不再产生成本时，会出现哪些新可能。

GPT-6 Luna在Felo Search：105万Token上下文窗口，每百万输入Token仅$0.10

GPT-6 Luna是什么​

Luna处于GPT-6系列的底部，低于GPT-6 Sol，远低于GPT-6 Astra。命名方式值得注意，因为它与上一代完全相反。

在GPT-5.6系列中，Sol是旗舰，Terra和Luna位于其下方。GPT-6则反转了顺序：Astra以$10/$50领衔，Sol为中档$2/$10，Luna以$0.10/$0.50作为基础款。名称相同，排名相反。如果你沿用GPT-5.6的习惯，价格是区分Luna最快的方法。

规格GPT-6 Luna
Model IDgpt-6-luna
制造商OpenAI
发布日期2026年9月22日
上下文窗口1,050,000 Token
最大输入922,000 Token
最大输出128,000 Token
输入文本，图片
输出文本
推理强度无 / 低 / 中（默认）/ 高 / 极高 / 最大
价格每百万输入$0.10，每百万输出$0.50
长上下文超过272,000输入Token时，$0.20输入/$0.75输出
缓存输入每百万Token$0.01
知识截止2026年5月18日

请关注上下文窗口和价格。Luna拥有与旗舰相同的105万Token窗口（92.2万输入，12.8万输出），但输入价格仅为Astra的百分之一。OpenAI没有缩小窗口来降低价格，窗口保持一致，只是模型更便宜。

还有三项参数影响模型在实际工作中的表现。

**缓存输入每百万Token仅需一美分。**同一数据源可用于二十个不同问题，几乎不产生额外成本。

**六档推理强度，默认中等。**本周发布的四款模型中，Luna是唯一可以关闭推理的：none完全跳过推理，适用于无需推理的任务。这不仅影响成本，也影响延迟。对于分类、抽取和路由，最快且正确的答案往往无需推理。

**Batch和Flex模式再次将价格减半。**对于无需实时答案的任务，每百万输出Token仅需五毛钱。

低价阅读带来的变化​

大多数研究预算并未花在综合上，而是花在阅读上：打开四十份资料，筛选出六份重要的，再深入阅读这六份。第一轮筛选成本高，因为通常由前沿模型完成，而其实更便宜的模型也能胜任。

当每百万输入Token仅$0.10时，逻辑发生转变。在Felo Search中，你可以这样操作：

  • **先读全部，再决定重要性。**将所有结果拉入一个上下文窗口，根据你的具体问题按相关性排序，并给出理由。十万Token的输入只需一美分。
  • **同一问题覆盖更多资料。**读十份而非三份资料，目的是覆盖面广；人们只读三份，是因为成本高。现在约束变了。
  • **先抽取，再推理。**让Luna把四十份文档转成结构化表格，包含数字、日期和主张，并附上来源。然后将表格交给更强的模型处理。
  • **按难度分流。**将简单部分交给Luna，只有需要深度的再升级到更强模型。分流让节省效果叠加。

各项评分支持用Luna做第一轮筛选。OpenAI发布的DeepSWE v1.1在长周期软件工程任务上得分66.6%，Agents' Last Exam为0.51，HealthBench Professional为60.8%。SEC-Bench Pro得分34.2%，说明金融领域任务对所有同档模型都更难。

Luna不是什么​

坦率地说：Luna以推理深度换取低价，这种交换真实存在。

在官方表格中，Luna是系列的底层，OpenAI给出的默认（中等强度）分数明显低于Sol和Astra在高强度下的表现。开放领域召回率较上一代Luna提升明显，但仍不足以支撑高风险问题的最终答案。

这不是拒绝使用的理由，而是要用在合适的环节：**Luna负责阅读，更强模型负责决策。**在Felo Search中，两者共处一个工作区。先用Luna广泛筛选，再切换模型，用已抽取的证据提问。

在Felo Search中使用GPT-6 Luna的方法​

**1. 打开模型选择器，选GPT-6 Luna。**同样的搜索框，同样的资料源。

**2. 从广泛入手。**提出需要阅读更多资料的问题，例如：“找出所有已发布的相关数据，附来源和日期。”

**3. 要结构化结果，不要长文。**表格、列表和抽取字段是低价模型的强项。将写作综合留给更贵的模型。

**4. 问题变难时提高推理强度。**默认是中等强度，但high和xhigh适用于更复杂任务。

**5. 最终答案时切换模型。**保留证据，换模型。选择器是控制工具，不是承诺。

其他三款模型也在Felo Search上线​

Luna与三款兄弟模型一同上线，四款均可在Felo Search使用。

模型发布方每百万Token价格上下文窗口适用场景
Grok 4.7SpaceXAI$2输入/$6输出50万长周期推理与知识工作
Claude Opus 5.5Anthropic$4输入/$20输出100万经验证可存活的答案
GPT-6 LunaOpenAI$0.10输入/$0.50输出105万大规模搜索，最低调用成本
GPT-6 SolOpenAI$2输入/$10输出105万Agent循环与重复调用，中档价格

Luna是四款中价格最低的，也是唯一支持关闭推理的。如果你认为低价模型只适合临时问题，百万Token窗口会改变你的看法。

在Felo Search体验GPT-6 Luna​

GPT-6 Luna已在Felo Search上线，拥有105万Token上下文窗口、六档推理强度、$0.10/$0.50定价。它让“读全部”成为低成本选项。

打开GPT-6 Luna体验 →

本文还提供以下语言版本：English、日本語、한국어、繁體中文、हिन्दी、Français、العربية、Русский、اردو、Bahasa Indonesia、Deutsch、Tiếng Việt、Türkçe、Italiano、ไทย、Español、বাংলা、Português。