Comparatif et évaluation

GPT-6 Luna vs GPT-5.6 Luna : prix divisé par deux, faut-il changer ?

Nov 1, 2026

Pour traiter en masse et réduire les coûts, choisissez GPT-6 Luna ; 5.6-luna fonctionne encore, mais il n'y a aucune raison de ne pas changer — le prix d'entrée de Luna est divisé par deux, la sortie est 2,4 fois moins chère, et il ajoute toute une série de nouveaux protocoles et de niveaux de raisonnement.

GPT-6 Luna est déjà disponible sur HiAPI, ouvrez la page du modèle pour discuter directement, les nouveaux utilisateurs reçoivent 200 crédits à l'inscription.

Comprendre la différence en un tableau

	GPT-6 Luna	GPT-5.6 Luna
Entrée ($/M tokens)	$0.025	$0.05
Sortie ($/M tokens)	$0.125	$0.30
Cache hit ($/M tokens)	$0.0025	$0.005
Documents longs >272K en entrée	$0.05	$0.10
Documents longs >272K en sortie	$0.1875	$0.45
Fenêtre de contexte	1.05M	—
Sortie maximale	128K	—
Protocole par défaut	Responses API	Chat Completions
Niveaux de raisonnement	Six niveaux (none/low/medium/high/xhigh/max)	Six niveaux (none ~ max, identique à 6-luna)
Désactiver le raisonnement pour régler la température	Pris en charge (reasoning.effort=none)	Non pris en charge

Deux points à clarifier : le prix d'entrée de 6-luna est la moitié de celui de 5.6-luna ($0.025 vs $0.05), et la sortie est même 2,4 fois moins chère ($0.125 vs $0.30). Le palier documents longs est lui aussi réduit de moitié. Le cache hit passe de $0.005 à $0.0025, l'écart est encore plus marqué en exécution par lots.

Côté fonctionnalités : 6-luna utilise par défaut Responses API, ajoute trois niveaux d'effort de raisonnement none/xhigh/max, et le niveau none permet de désactiver le raisonnement pour régler temperature/top_p. Le contexte atteint 1.05M, la sortie maximale 128K. 5.6-luna n'a que trois niveaux de raisonnement et ne permet pas de désactiver le raisonnement pour régler la température.

Pour le même travail, quel écart sur la facture ?

Scénario	Volume mensuel de tokens	GPT-6 Luna	GPT-5.6 Luna	Écart
Classification par lots (entrée dominante)	100M entrée + 10M sortie	$3.75	$8.00	53 % d'économie
Réécriture de contenu (sortie dominante)	10M entrée + 50M sortie	$6.50	$15.50	58 % d'économie
Application conversationnelle (équilibré)	50M entrée + 50M sortie	$7.50	$17.50	57 % d'économie

Scénario typique de classification par lots, 100M tokens d'entrée + 10M tokens de sortie par mois : 6-luna ne coûte que $3.75, 5.6-luna $8.00. Et si vous envoyez en plus les tâches sans besoin de raisonnement dans Batch (50 % de réduction), 6-luna ne coûte que $1.88.

Qu'apporte-t-il en plus côté fonctionnalités ?

Responses API devient le protocole par défaut. Le format de tableau input, la sortie structurée forcée par text.format json_schema, le bloc de configuration reasoning : tout cela n'existe pas sur 5.6-luna, ou s'écrit différemment.

Six niveaux d'effort de raisonnement. 5.6-luna n'a que trois niveaux low/medium/high. 6-luna ajoute none (désactiver le raisonnement, régler la température), xhigh (raisonnement très puissant), max (raisonnement à pleine puissance). Pour les tâches par lots, réglez none, pour les analyses complexes montez à xhigh/max selon les besoins : bien plus de flexibilité.

Désactiver le raisonnement permet de régler temperature/top_p. 5.6-luna ne permet pas de régler la température lorsqu'il y a du raisonnement. Avec 6-luna, après avoir réglé reasoning.effort=none, vous pouvez régler temperature et top_p comme un modèle classique, et utiliser le même modèle pour la classification et les tâches génératives.

Contexte 1.05M, sortie 128K. Plus besoin de segmenter pour traiter des documents très longs : donnez tout le manuel d'un coup au modèle pour qu'il le résume.

Vous utilisez encore 5.6-luna, faut-il changer ?

Conclusion : oui.

L'écart de prix est de plus du double, et les fonctionnalités ne sont pas en reste. Le coût de migration est si faible qu'il suffit de modifier un seul champ :

Interface Chat Completions (sans changer de protocole) :

# Avant
"model": "gpt-5.6-luna"

# Maintenant
"model": "gpt-6-luna"

Le reste, messages et temperature, s'écrit exactement de la même façon.

Passer à Responses API (recommandé) :

# Chat Completions (ancienne écriture)
curl -s https://api.hiapi.ai/v1/chat/completions \
  -H "Authorization: Bearer sk-YOUR_KEY" \
  -d '{
    "model": "gpt-6-luna",
    "messages": [{"role": "user", "content": "Bonjour"}]
  }'

# Responses API (nouvelle écriture, avec reasoning et text.format en plus)
curl -s https://api.hiapi.ai/v1/responses \
  -H "Authorization: Bearer sk-YOUR_KEY" \
  -d '{
    "model": "gpt-6-luna",
    "input": [{"role": "user", "content": "Bonjour"}]
  }'

Même clé API, même domaine, les seules choses à modifier : le champ model et le chemin de l'interface (si vous passez à Responses).

Y a-t-il des points où 6-luna est moins bon que 5.6-luna ?

Non. 6-luna surpasse 5.6-luna en prix, en fonctionnalités et en fenêtre de contexte. Si un flux tournant sur 5.6-luna dépend fortement d'une caractéristique d'un ancien protocole, faites d'abord tourner une régression sur 6-luna via l'interface Chat Completions avant de basculer ; dans tous les autres cas, changez directement.

Questions fréquentes

Combien 6-luna est-il moins cher que 5.6-luna ? Prix d'entrée divisé par deux ($0.025 vs $0.05), prix de sortie 2,4 fois moins cher ($0.125 vs $0.30). Une tâche par lots typique économise 53 %–58 % sur la facture mensuelle.

Combien de code faut-il modifier ? Sans changer de protocole (continuer avec Chat Completions), il suffit de modifier un mot dans le champ model. Pour utiliser Responses API, il faut changer le chemin de l'interface et le format de requête, mais le modèle de paramètres est le même.

5.6-luna sera-t-il retiré ? Les deux modèles sont actuellement sur la plateforme. Mais 6-luna est moins cher et plus complet, il n'y a aucune raison de continuer avec 5.6-luna.

À quoi sert le niveau de raisonnement none de 6-luna ? Une fois le raisonnement désactivé, le modèle ne produit pas de tokens de raisonnement et n'affiche que le texte final. On peut alors régler temperature et top_p. Pour la classification, l'extraction et les sorties formatées, utilisez none : économie de tokens et rapidité.

Comment le palier documents longs est-il déclenché ? Lorsqu'une requête dépasse 272K tokens d'entrée, le palier documents longs s'applique automatiquement. La fenêtre de contexte de 1.05M de 6-luna permet d'absorber bien plus en une fois.

Envie de voir le résultat directement ? Ouvrez la page du modèle, saisissez le même prompt que celui qui tourne sur 5.6-luna, et voyez l'écart de qualité et l'économie réalisée. Ou consultez le guide d'intégration API pour basculer via le code.