GPT-6 Luna 現已加入 Felo Search：100 萬個 Token 僅需 $0.10
GPT-6 Luna 已在 Felo Search 上線：105 萬個上下文、前沿級閱讀，每百萬輸入 token 僅 $0.10，為 GPT-6 系列中最便宜的等級。
OpenAI 於 9 月 22 日推出 GPT-6 Luna 與 GPT-6 Sol。Luna 是 GPT-6 系列中價格最低的模型：每百萬輸入 token $0.10，每百萬輸出 $0.50，僅為 Sol 價格的二十分之一，Astra 旗艦的百分之一。
現在已在 Felo Search 上線。值得關注的不是 Luna 是否是搜尋框後最聰明的模型，而是當閱讀文件幾乎不花錢時，能做什麼。
GPT-6 Luna 的定位
Luna 位於 GPT-6 系列的最底層，低於 GPT-6 Sol，更遠低於 GPT-6 Astra。命名方式值得注意，因為與前一代完全相反。
在 GPT-5.6 世代，Sol 是旗艦，Terra 和 Luna 居於其下。GPT-6 則顛倒排序：Astra 以 $10/$50 領頭，Sol 居中 $2/$10，Luna 以 $0.10/$0.50 承底。三個名字相同，排名相反。如果你還沿用 GPT-5.6 的印象，價格是最快辨識 Luna 的方式。
| 規格 | GPT-6 Luna |
|---|---|
| Model ID | gpt-6-luna |
| Maker | OpenAI |
| Released | September 22, 2026 |
| Context window | 1,050,000 tokens |
| Max input | 922,000 tokens |
| Max output | 128,000 tokens |
| Input | Text, image |
| Output | Text |
| Reasoning effort | none / low / medium (default) / high / xhigh / max |
| Price | $0.10 per million input, $0.50 per million output |
| Long context | $0.20 in / $0.75 out above 272,000 input tokens |
| Cached input | $0.01 per million tokens |
| Knowledge cutoff | May 18, 2026 |
請看上下文與價格兩行。Luna 擁有與旗艦相同的 1,050,000 token 視窗（922,000 輸入，128,000 輸出），但輸入價格僅為 Astra 的百分之一。OpenAI 並未縮減視窗來壓低價格。這是同樣的視窗，搭載更便宜的模型。
還有三行規格，影響模型在實際工作上的表現。
**快取輸入每百萬 token 僅需一分錢。**同一組資料跑二十個不同問題，幾乎不花錢。
**六種推理強度設定，預設為 medium。**Luna 是本週四款新模型中唯一有關閉推理的選項：none 完全跳過推理，適用於不需要推理的工作。這不只是成本決策，也是延遲決策。分類、抽取、路由等任務，最快的正確答案往往是不先思考的那一個。
**Batch 與 Flex 再次將價格減半。**不需要即時回應的工作，每百萬輸出 token 僅需五毛錢。
便宜閱讀帶來的改變
多數研究預算並非花在生成，而是花在閱讀：打開四十個來源，找出六個重要的，再深入閱讀那六個。第一輪很貴，因為前沿模型在做本來可以用更便宜模型完成的工作。
當每百萬輸入 token 僅 $0.10，計算方式就反過來。現在在 Felo Search 可以做到：
- **先讀全部，再決定重點。**將所有結果拉進單一上下文，根據你的問題排序並給出理由。十萬 token 輸入只需一分錢。
- **同一問題跨更多來源。**讀十個來源而非三個，理由是涵蓋面，大家只讀三個是因為成本。這個價格下，限制改變。
- **先抽取再推理。**讓 Luna 把四十份文件變成結構化表格，包含數字、日期、主張，每行附來源。然後把表格交給更強的模型。
- **按難度分流。**簡單部分交給 Luna，只有需要深度的問題才升級。分流能帶來更大節省。
分數顯示 Luna 適合做第一輪。OpenAI 公布的 DeepSWE v1.1，長期軟體工程得分 66.6%，Agents' Last Exam 得分 0.51。HealthBench Professional 得分 60.8%。SEC-Bench Pro 得分 34.2%，提醒金融領域比一般閱讀更難，這個等級的模型都如此。
Luna 不適合的場景
坦白說：Luna 以推理深度換取低成本，這個交換是真實存在的。
在公開表格上，它是系列最底層，OpenAI 自家數據（medium effort）遠低於 Sol 與 Astra 高強度設定的表現。開放領域召回率比前一代 Luna 提升很多，但仍不適合用於高風險問題的最終答案。
這不是理由避開 Luna，而是要用在正確的工作上：**Luna 負責閱讀，強模型負責決策。**在 Felo Search，兩者同處一個工作區。先用 Luna 廣泛閱讀，再換模型，帶著抽取的證據問最終問題。
在 Felo Search 使用 GPT-6 Luna 的方法
**1. 打開模型選擇器，選 GPT-6 Luna。**同一搜尋框，同一組來源。
**2. 從廣泛開始。**問一個需要閱讀比平常更多來源的問題：「找出所有已發布的數據，附來源與日期。」
**3. 要求結構化而非文章。**表格、清單、抽取欄位是便宜模型擅長的。生成文字留給昂貴模型。
**4. 問題變難時提高推理強度。**預設 medium 有其理由，但 high 與 xhigh 適用於需要時。
**5. 最終答案換模型。**保留證據，換模型。選擇器是控制，不是承諾。
其他三款模型也在 Felo Search
Luna 與三個兄弟一起登場，四款都在 Felo Search。
| Model | Released by | Price per million tokens | Context | Built for |
|---|---|---|---|---|
| Grok 4.7 | SpaceXAI | $2 in / $6 out | 500K | 長期推理與知識工作 |
| Claude Opus 5.5 | Anthropic | $4 in / $20 out | 1M | 經驗證可存活的答案 |
| GPT-6 Luna | OpenAI | $0.10 in / $0.50 out | 1.05M | 大量搜尋，最低單次成本 |
| GPT-6 Sol | OpenAI | $2 in / $10 out | 1.05M | Agent 循環與中價位重複呼叫 |
Luna 是四款中價格最低的，且唯一能關閉推理。如果你認為便宜模型只適合隨便問問，百萬 token 視窗應該能改變你的看法。
在 Felo Search 試用 GPT-6 Luna
GPT-6 Luna 已在 Felo Search 上線，擁有 1,050,000 token 上下文視窗、六種推理強度設定、$0.10/$0.50 價格。這款模型讓「讀全部」成為最便宜的選擇。
開啟 GPT-6 Luna in Felo Search →
本文也提供以下語言版本：English、简体中文、日本語、한국어、हिन्दी、Français、العربية、Русский、اردو、Bahasa Indonesia、Deutsch、Tiếng Việt、Türkçe、Italiano、ไทย、Español、বাংলা、Português。