Benutzerhandbuch

Was kostet die GPT-6 Luna API? $0.025/M Eingabe, das günstigste GPT bei HiAPI

Nov 1, 2026

TL;DR

GPT-6 Luna (gpt-6-luna) wird bei HiAPI pro Token abgerechnet: Standardstufe (≤272K) Eingabe $0.025/M, Ausgabe $0.125/M, Cache-Treffer $0.0025/M; Langdokument-Stufe (>272K) Eingabe $0.05/M, Ausgabe $0.1875/M.
Der offizielle Standardpreis liegt bei $0.10/$0.50, der HiAPI-Plattformpreis beträgt etwa ein Viertel des offiziellen Preises und ist damit das günstigste GPT-Textmodell bei HiAPI.
Bereits bei HiAPI verfügbar, Modellseite öffnen und direkt chatten, neue Nutzer erhalten bei der Registrierung 200 Punkte geschenkt.

Was kostet GPT-6 Luna?

Stufe	Eingabe ($/M Token)	Ausgabe ($/M Token)	Cache-Treffer ($/M Token)
Standardstufe (≤272K)	$0.025	$0.125	$0.0025
Langdokument-Stufe (>272K)	$0.05	$0.1875	—

Die Abrechnung erfolgt nach tatsächlich verbrauchten Token multipliziert mit dem jeweiligen Einzelpreis. Cache-Treffer bedeuten: Wenn derselbe Kontext erneut gesendet wird, wird für den getroffenen Teil nur der Cache-Lesepreis berechnet; die Langdokument-Stufe wird automatisch ausgelöst, wenn die Eingabe-Token einer einzelnen Anfrage 272K überschreiten.

Kosten für den ersten Test: Mit $1 lassen sich etwa 40M Eingabe-Token oder 8M Ausgabe-Token verarbeiten (Standardstufe). Bei einem Artikel mit 1000 Zeichen und Batch-Klassifizierung mit Luna lassen sich mit $1 mehrere Tausend Einträge verarbeiten. Zur Modellseite und den ersten Aufruf testen →

Wie viel günstiger als der offizielle Preis?

	HiAPI-Preis (Standardstufe)	Offizieller Standardpreis	HiAPI-Anteil
Eingabe	$0.025/M	$0.10/M	25%
Ausgabe	$0.125/M	$0.50/M	25%
Cache-Treffer	$0.0025/M	$0.025/M	10%

Der HiAPI-Plattformpreis beträgt etwa ein Viertel des offiziellen Preises, Cache-Treffer sind sogar zehnmal günstiger als beim offiziellen Preis.

Wie gibt man weniger aus? Vier Spartipps

Cache aktivieren, Treffer kosten nur $0.0025. Beim wiederholten Senden von System-Prompts, Few-Shot-Beispielen und langen Dokumentkontexten ist der getroffene Teil nahezu kostenlos. Der Cache greift automatisch, ohne zusätzliche Konfiguration.
Batch- oder Flex-Aufgaben nutzen, 50 % Rabatt. Für Klassifizierungs-, Extraktions- und Umschreibungsaufgaben, die keine Echtzeitantwort erfordern, per Batch oder Flex einreichen: Eingabe $0.0125/M, Ausgabe $0.0625/M.
Reasoning deaktivieren, reasoning.effort=none setzen. Luna verwendet standardmäßig die Reasoning-Stufe medium; nach dem Deaktivieren lassen sich Parameter wie Temperatur und top_p des Modells frei anpassen, und es werden keine Reasoning-Token mehr verbraucht, sondern nur normale Text-Token abgerechnet. Für Aufgaben wie Klassifizierung, Extraktion und formatierte Ausgabe, die kein tiefes Reasoning benötigen, reicht es, das Reasoning zu deaktivieren.
Zuerst mit kleiner Stapelgröße den Prompt abstimmen, erst nach Bestätigung der Ergebnisse hochskalieren. Beim Eingabepreis von $0.025/M kostet die Prompt-Abstimmung nahezu nichts.

Vergleich mit anderen GPT-Modellen auf der Plattform

Modell	Eingabe ($/M)	Ausgabe ($/M)	Cache-Treffer ($/M)	Luna im Vergleich
gpt-6-luna	$0.025	$0.125	$0.0025	—
gpt-5.6-luna	$0.05	$0.30	$0.005	Eingabe halb so teuer, Ausgabe 2,4-fach
gpt-6.1-terra	$0.25	$1.25	$0.0125	Eingabe ist das 10-Fache von Luna
gpt-6.1-sol	$0.50	$2.50	$0.025	Eingabe ist das 20-Fache von Luna

Luna ist das günstigste GPT-Textmodell bei HiAPI. Sol und Terra bieten stärkere Reasoning-Fähigkeiten und einen größeren Kontext; für komplexes Reasoning und tiefgehende Analysen wählt man sie. Für Batch-Klassifizierung, Extraktion, Umschreibung und einfache Agent-Schleifen ist Luna ausreichend und am sparsamsten.

Wie berechnet man das Monatsbudget?

Monatliche Token-Menge	Nur Eingabe	Nur Ausgabe	Eingabe:Ausgabe=4:1 (typisch)	Eingabe:Ausgabe=1:1 (überwiegend Dialog)
1M Token	$0.025	$0.125	$0.045	$0.075
10M Token	$0.25	$1.25	$0.45	$0.75
100M Token	$2.50	$12.50	$4.50	$7.50
1B Token	$25	$125	$45	$75

Tatsächliche Kosten = Eingabe-Token × $0.025 + Ausgabe-Token × $0.125 - durch Cache-Treffer eingesparter Betrag. Bei typischen Batch-Aufgaben ist die Eingabe deutlich größer als die Ausgabe; das Monatsbudget für 1B Token liegt bei etwa $45.

Häufig gestellte Fragen

Für welche Szenarien eignet sich GPT-6 Luna? Batch-Textklassifizierung, Extraktion strukturierter Daten, Inhaltsumschreibung, automatische FAQ-Beantwortung, Agent-Schleifen mit geringer Komplexität. Nicht geeignet für komplexe Aufgaben, die tiefes mehrstufiges Reasoning erfordern; dafür wählt man Terra oder Sol.

Wie nutzt man den Cache? Keine Konfiguration erforderlich. Unter demselben API-Key werden wiederholt auftretende Teile in System-Prompts und Verlaufsnachrichten automatisch im Cache getroffen, und der getroffene Teil wird mit $0.0025/M abgerechnet.

Wie nutzt man Batch/Flex? Fügen Sie der Anfrage "processing_mode": "batch" oder "processing_mode": "flex" hinzu; die Aufgabe wird dann in einer asynchronen Warteschlange verarbeitet, zum halben Preis, geeignet für Batch-Aufgaben ohne Echtzeitanforderung.

Was tun, wenn die Ausgabe-Token 128K überschreiten? Luna gibt maximal 128K Token aus; darüber hinaus sind mehrere Anfragen erforderlich. Bei der Zusammenfassung langer Dokumente lässt man das Modell zunächst eine Gliederung erstellen, fasst dann abschnittsweise zusammen und führt die Ergebnisse schließlich zusammen.

Ist der Migrationsaufwand im Vergleich zu gpt-5.6-luna hoch? Nein. Beide Modelle unterstützen das Chat-Completions-Protokoll; für die Migration muss nur das Feld model geändert werden. Für neue Funktionen (Responses API, sechs Reasoning-Stufen) muss das Anfragetyp angepasst werden, aber die grundlegende Chat-Schnittstelle bleibt unverändert. Details unter GPT-6 Luna vs GPT-5.6 Luna im Vergleich.

Möchten Sie es sofort ausprobieren? Modellseite öffnen und direkt chatten; die 200 Punkte aus der Registrierung reichen für mehrere Hundert Runden. Oder lesen Sie die API-Integrationsanleitung und führen Sie den ersten Aufruf mit curl aus.