GPT-6 Luna 于 9 月 23 日发布，输入 $0.1 / 输出 $0.5（每百万 token），同样支持 105 万上下文。本文讲清 Luna 能做什么、不能做什么，并给出个人、团队、Agent 三套配置与月度成本算例。
相关工具选择
先说结论
GPT-6 Luna 是这一代里唯一把价格打到「可以随便跑」的档位：
- 输入 $0.1 / 输出 $0.5（每百万 token）
- 支持 105 万上下文、12.8 万最大输出
- 定位是文档摘要、信息提取、快速问答这类高频、目标明确的任务
一句配置建议：Luna 打底跑量，Sol 处理主力任务，Astra 只留给难关。
Luna 是什么：参数与可用范围
| 项目 | 数值 / 说明 |
|---|---|
| 发布时间 | 2026 年 9 月 23 日 |
| 输入价格 | $0.1 / 百万 token |
| 输出价格 | $0.5 / 百万 token |
| 相对上一代 | 比 GPT-5.6 Luna 促销价再低约 50% |
| 上下文 | 105 万 token |
| 最大输出 | 12.8 万 token |
| 工具 | 网页搜索、文件搜索、代码解释器、电脑操作 |
| 可用范围 | ChatGPT Work、Codex（Plus / Pro / Business / Enterprise / Edu）；免费与 Go 用户可在桌面应用使用 |
一个容易被忽略的细节：Luna 的上下文和 Astra 一样是 105 万。也就是说，长材料初筛这种活，不必用贵模型来做。
三档价格：差的是 20 倍
| 档位 | 输入 | 输出 | 定位 | 典型任务 |
|---|---|---|---|---|
| Luna | $0.1 | $0.5 | 高频轻量 | 摘要、抽取、分类、短答 |
| Sol | $2 | $10 | 主力均衡 | Agent、日常开发、方案 |
| Astra | 约 $10 | $50 | 上限优先 | 长材料、跨仓库重构 |
差距有多大？同样 100 万 token 输入：
- Luna：$0.1
- Sol：$2（20 倍）
- Astra：约 $10（100 倍）
这就是为什么「选错档位」比「选错模型」更贵。
Luna 能做什么
1）批量摘要与信息提取
一万条用户反馈、几百份简历、上千条工单，用 Luna 做初筛，再让 Sol 复核异常项。
2）结构化抽取
把自由文本转成固定字段（日期、金额、责任人、结论），这类任务规则明确，Luna 的性价比最高。
3）分类与打标
情绪、意图、优先级、行业标签——边界清晰、可验收，正是轻量档的主场。
4）长材料初筛
105 万上下文意味着它可以先通读一遍，告诉你「哪几段值得细看」，再由贵模型精读。
Luna 不能做什么
| 场景 | 为什么不行 | 换成谁 |
|---|---|---|
| 架构设计、长程规划 | 深度推理不足 | Sol / Astra |
| 多步 Agent 收尾 | 容易丢约束 | Sol |
| 复杂代码重构 | 跨文件一致性弱 | Sol / Astra |
| 高风险决策 | 错误代价高 | 人工 + 旗舰模型 |
记住一句话：Luna 是「便宜的执行者」，不是「便宜的决策者」。
三套配置模板
个人用户
| 任务 | 档位 |
|---|---|
| 读书笔记、长文摘要 | Luna |
| 写稿、改稿、答疑 | Sol |
| 重要材料深度分析 | Astra |
团队 / 内容生产
| 环节 | 档位 | 说明 |
|---|---|---|
| 素材初筛、标签 | Luna | 量大、可验收 |
| 初稿与结构 | Sol | 质量与成本平衡 |
| 终稿把关 | Sol 或 Astra | 出错代价高 |
| 批量改写 | Luna + 抽样复核 | 控制总成本 |
Agent 流水线
| 步骤 | 档位 |
|---|---|
| 意图识别、路由 | Luna |
| 工具调用与执行 | Sol |
| 异常处理与复盘 | Astra |
核心思路：让每一步都用最便宜且够用的那一档。
月度成本算例
按公开单价粗算，帮你建立量级感：
| 场景 | 月用量（输入 / 输出） | Luna 成本 | 换 Sol 的成本 |
|---|---|---|---|
| 个人：每天 20 次摘要 | 1.2M / 0.3M | 约 $0.27 | 约 $5.4 |
| 团队：每天 5000 次分类 | 150M / 30M | 约 $30 | 约 $600 |
| Agent：每天 200 轮 | 300M / 10M | 约 $35 | 约 $700 |
按 Luna $0.1/$0.5、Sol $2/$10 计算，未计缓存折扣与实际重试。
这张表的结论很直接：该用 Luna 的地方用 Sol，成本会放大 20 倍。
四个省钱开关
- 分层路由：先判断任务难度，再选档位，别所有请求都走同一个模型。
- 固定前缀：把系统提示词、术语表、格式要求放在最前面，命中缓存能显著降本（缓存价以官方为准）。
- 控制输出：输出单价是输入的 5 倍，要求「只输出表格、不要解释」能省一大截。
- 批量合并：把 20 条短任务合成一次请求，减少重复的上下文开销。
国内怎么用上 Luna
| 入口 | 地址 | 适合 |
|---|---|---|
| 中文版使用入口 | Luck AI | 先看可用模型说明 |
| 国内镜像站 | Luck AI | 打开网页直接开聊 |
| 官方产品 | chatgpt.com | 账号与订阅 |
三步走：
- 打开 Luck AI，确认页面标注的档位。
- 拿一批真实数据（50–100 条）跑一次抽取任务。
- 用 Sol 抽样复核 10%，算一下准确率与成本，再决定是否放量。
第三方入口仅供体验；账号、订阅与支付以官方为准。本站与 OpenAI 无关联、无授权。
提示词：批量抽取模板
想让结果更稳，可以加一句：「先输出前 3 条的判断依据，再继续处理剩余条目。」 这一步能显著降低口径漂移。
四个常见误区
误区一：便宜模型 = 差模型
Luna 在「边界清晰、可验收」的任务上表现稳定，错的是拿它做长程规划。
误区二：上下文大就该塞满
105 万上下文是能力，不是义务。材料越长，无关信息干扰越大，成本也越高。
误区三：所有请求都走一个模型最省事
省事不等于省钱。分层路由一次搭好，长期收益最大。
误区四：只看单价不看输出
输出单价是输入的 5 倍，长输出任务才是账单大头。
常见问题 FAQ
GPT-6 Luna 多少钱？
输入 $0.1、输出 $0.5（每百万 token），比上一代 Luna 促销价再低约 50%。
Luna 和 Sol 差多少？
同量输入下价格差约 20 倍。Luna 适合批量与轻任务，Sol 适合主力与 Agent。
Luna 支持多长的上下文？
105 万 token，最大输出 12.8 万 token，与 Astra 同档。
免费用户能用 Luna 吗？
据发布信息，免费与 Go 用户可在桌面应用使用，普通聊天界面为逐步推送。以你入口的实际选项为准。
国内怎么用 Luna？
相关阅读
- GPT-6 Astra 深度测评：105 万上下文值不值得用
- ChatGPT 最新模型版本：GPT-6.1 Sol 与 GPT-6 Astra
- ChatGPT Work 与 Codex Ultrafast 实操
- 三大旗舰怎么选：GPT-6.1 / Opus 5.5 / Gemini 4
结语
GPT-6 Luna 的价值不在「又能省多少钱」，而在让「全都跑一遍」变成可负担的选项。
配置口诀：Luna 打底，Sol 主力，Astra 攻坚。 把这三句话落到你的调用链里，成本曲线会立刻变好看。