開始與 GPT-5.6 Luna 對話
使用 GPT-5.6 Luna 及其全家族模型，每天享有更多訊息額度。
GPT-5.6 Luna：重要規格
以下是 GPT-5.6 Luna 的主要規格，以及它們如何影響實際使用體驗。
- 1,050,000 個權杖上下文視窗：GPT-5.6 Luna 可以處理非常大的提示、長文件、儲存庫上下文或檢索包，這有助於減少大規模分析工作流程中的分塊。
- 128,000 個最大輸出標記：當任務需要擴展文字時，模型可以產生長結構化答案、摘要、擷取的資料集、報告和轉換輸出。
- 文字和圖像輸入與文字輸出：GPT-5.6 Luna 可以在返回文字的同時處理書面和視覺上下文，支援文件審查、螢幕截圖分析、多模態分類和視覺化資料擷取。
- 具有推理權杖支援的高推理能力：GPT-5.6 Luna 可以將推理權杖用於更困難的任務，使其比基本的低成本文字模型更適用於複雜的分類、路由、編碼和分析。
- 每 1M 個輸入權杖 1.00 美元，每 1M 快取輸入權杖 0.10 美元，每 100 萬個輸出權杖 6.00 美元：此定價支援每個請求成本很重要的生產工作負載。
- 串流、函式呼叫、結構化輸出 和 Responses API 工具：GPT-5.6 Luna 支援使用 網路搜尋、檔案搜尋、影像生成、程式碼直譯器、託管 Shell、套用修補程式、技能、電腦操作、MCP 和 工具搜尋 的工作流程。
比較 GPT-5.6 Luna、GPT-5.6 Sol 和 GPT-5.6 Terra
各模型在性能、速度與使用情境上的差異簡要比較。
| 功能 | GPT-5.6 Luna | GPT-5.6 Sol | GPT-5.6 Terra |
|---|---|---|---|
| 知識截止時間 | 2026 年 2 月 16 日 | 2026 年 2 月 16 日 | 2026 年 2 月 16 日 |
| 上下文視窗（Token） | 1,050,000 個權杖 | 1,050,000 個權杖 | 1,050,000 個權杖 |
| 最大輸出長度（Token） | 128,000 個權杖 | 128,000 個權杖 | 128,000 個權杖 |
| 輸入形式 | 文字、圖像 | 文字、圖像 | 文字、圖像 |
| 輸出形式 | 文字 | 文字 | 文字 |
| 延遲（OpenRouter 資料） | 快速；實際延遲因提示長度、輸出長度、工具使用、推理工作和部署條件而異。 | 快速；實際延遲因提示長度、輸出長度、工具使用、推理工作和部署條件而異。 | 快速；實際延遲因提示長度、輸出長度、工具使用、推理工作和部署條件而異。 |
| 速度 | 快速地 | 快速地 | 快速地 |
| 每百萬 Token 的輸入／輸出成本 | $1.00 輸入，$0.10 快取輸入，$6.00 輸出 | $5.00 輸入，$0.50 快取輸入，$30.00 輸出 | $2.50 輸入，$0.25 快取輸入，$15.00 輸出 |
| 推理表現 | 高的。 GPT-5.6 Luna 官方評價包括 GPQA Diamond 92.3%、FrontierMath Tier 1-3 v2 78.6%、FrontierMath Tier 4 v2 58.5% 和 Artificial Analysis Intelligence Index v4.1 得分 51.2。 | 最高。官方 GPT-5.6 評估顯示，Sol 在 Agents' Last Exam 為 52.7%，GDPval-AA v2 為 1,747.8 Elo，Artificial Analysis Intelligence Index v4.1 為 58.9，BrowseComp 為 90.4%，OSWorld 2.0 為 62.6%。 | 高的。官方 GPT-5.6 評估列出 Terra 在 Agents' Last Exam 上的得分為 50.4%，在 Artificial Analysis Intelligence Index v4.1 上的得分為 55，在 HealthBench Professional 上的得分為 57.7%，在 BrowseComp 上的得分為 7.7.5%。 |
| 程式性能 （基於 SWE-bench Verified） | 適合低成本型號。官方評價包括Artificial Analysis Coding Agent Index v1.1得分74.6、SWE-Bench Pro 62.7%、DeepSWE v1.1 67.2%和Terminal-Bench 2.1 84.7%。 | 非常強。官方 GPT-5.6 評估將 Sol 在 Artificial Analysis Coding Agent Index v1.1 上列為 80，在 SWE-Bench Pro 上為 64.6%，在 DeepSWE v1.1 上為 72.7%，在 Terminal-Bench 2.1Z 上為 88.8%。 | 強。官方 GPT-5.6 評估顯示，Terra 在 Artificial Analysis Coding Agent Index v1.1 為 77.4，SWE-Bench Pro 為 63.4%，DeepSWE v1.1 為 69.6%，Terminal-Bench 2.1 為 87.4%。 |
| 最適合用途 | 大容量分類、摘要、路由、結構化擷取、即時應用、編碼支援和成本敏感的代理工作流程 | 複雜推理、專業編碼、長上下文研究、知識工作、網路安全、科學、電腦操作、設計和高級代理工作流程 | 產品編碼、結構化資料擷取、內容工作流程、一般代理、長上下文分析和成本意識知識工作 |
最適合使用 GPT-5.6 Luna 的情境
最佳 GPT-5.6 Luna 用例
- 需要對文字、文件或基於圖像的輸入進行快速、經濟高效的決策的大容量分類系統。
- 匯總和路由工作流程，模型在其中壓縮、標記、確定優先順序或將工作傳送到其他模型或工具。
- 從支援票證、表單、PDF、螢幕截圖、長文件和檢索增強上下文包中擷取結構化資料。
- 在即時應用程式中，較低的延遲和較低的每個權杖成本比使用 GPT-5.6 系列中最高功能的機型更重要。
- 編碼支援和代理子步驟，例如儲存庫搜尋、問題分類、簡單程式碼編輯、測試解釋和工具協調的工作流程。
- 教育、寫作、研究和生產力助手，需要長上下文、圖像輸入和可靠的文字輸出，而無需旗艦定價。
如何存取 GPT-5.6 Luna
如何存取 GPT-5.6 Luna
1.官方API
OpenAI 在 API 中將 GPT-5.6 Luna 列為 gpt-5.6-luna。它支援 Chat Completions 和 Responses 端點、文字和圖像輸入、文字輸出、串流、函式呼叫、結構化輸出 以及受支援的 Responses API 工具。
2.EssayDone AI Chat
當該模型在產品中可用時，EssayDone AI Chat可以透過易於使用的聊天介面來存取該模型。
這對於寫作、學習、研究、摘要、擷取和生產力任務很有用，但對於需要直接控制端點、參數、工具和部署設定的開發人員來說，它並不能取代官方的 API。
探索更多 AI 模型
找到你需要的模型—搜尋或點擊即可查看完整介紹。
常見問題
以下是關於 GPT-5.6 Luna 的常見問題。
是的。 GPT-5.6 Luna支援推理權杖，並被具有高推理能力的OpenAI列出。它旨在為成本敏感的工作負載帶來強大的推理能力，而不是取代更高功能的 GPT-5.6 Sol 模型。
OpenAI 列出了 GPT-5.6 Luna API 的定價為每 100 萬個輸入權杖 1.00 美元，每 100 萬個快取輸入權杖 0.10 美元，每 100 萬個輸出權杖 6.00 美元。超過 272K 輸入權杖的提示按完整請求的 2 倍輸入和 1.5 倍輸出定價，快取寫入按未快取輸入權杖費率的 1.25 倍計費。
GPT-5.6 Luna 針對成本敏感的大批量工作進行了最佳化，例如分類、匯總、路由、結構化擷取、即時應用程式、輕量級編碼支援和代理工作流程子步驟。
GPT-5.6 Luna支援文字和圖像輸入並返回文字輸出。它可以處理多模式工作流程，例如螢幕截圖分析、文件審查、影像感知分類和視覺資訊擷取，但不支援音訊和視訊。
與GPT-5.6 Terra和GPT-5.6 Sol相比，GPT-5.6 Luna是該系列中最快、成本最低的機型。 OpenAI 將其描述為大致對應於早期的 Nano 層，同時仍提供 GPT-5.6 系列長上下文、推理、編碼和工具使用功能。
在 EssayDone AI Chat中使用 GPT-5.6 Luna 可以提供一種便捷的方式，使用快速、經濟高效的 OpenAI 模型進行寫作、研究、摘要、學習、擷取和日常生產力任務，而無需設置 API。