OpenAI
GPT 6
gpt-6-luna
La famiglia di modelli testuali GPT-6 di OpenAI, organizzata per difficoltà del compito: Astra è pensato per i compiti end-to-end più difficili, Sol coniuga un ragionamento potente con i costi quotidiani e potenzia la programmazione, la matematica e i flussi di lavoro agentici
- Finestra di contesto
- 1,050,000
- Input
- Output massimo
- 128,000 token
- Conoscenza aggiornata al
- 2026-05-18
- Data di rilascio
- 2026-09-22
Prezzi
gpt-6-luna /1M tokens
| Specifiche | Prezzo unitario |
|---|---|
| Input | $0.025 |
| Input in cache | $0.0025 |
| Output | $0.125 |
| Scrittura cache (5 min) | $0.03125 |
Panoramica
Panoramica della posizione
GPT-6 Luna è il modello testuale della serie OpenAI GPT-6 orientato ad attività ad alta concorrenza e ben delimitate, richiamabile tramite l'interfaccia unificata di HiAPI.ai. Prosegue le capacità della serie nel coding, nel ragionamento matematico e nei flussi di lavoro agentici a più passaggi, posizionandosi come modello per eseguire in batch a costi contenuti richieste chiare e ripetitive, anziché per affrontare i problemi end-to-end più complessi. È la scelta adatta agli sviluppatori che devono gestire stabilmente in produzione un elevato volume di richieste simili contenendo il costo per singola chiamata.
Punti chiave
- Orientato ad attività focalizzate ad alta concorrenza — a differenza di Astra e Sol della stessa serie, Luna privilegia l'elaborazione di richieste in batch e ben delimitate anziché i problemi più difficili.
- Costo e capacità differenziati per attività — secondo l'azienda, i prezzi di Sol e Luna sono stati ridotti rispetto al prezzo promozionale di GPT-5.6, rendendolo adatto ad affidargli i carichi di lavoro quotidiani.
- Il prompt caching riduce il costo del contesto ripetuto — il tasso di hit predefinito della cache della serie è aumentato; la lettura dei token di input in cache usufruisce di uno sconto, con risparmi maggiori per le chiamate ripetute su contesti lunghi.
Descrizione delle capacità
Sviluppo e revisione del codice: gestisce richieste di implementazione di funzionalità, lettura e revisione del codice in piccoli repository, trasformando i punti di modifica espliciti in codice utilizzabile e commenti di revisione.
Ragionamento matematico e analitico: fornisce processo di ragionamento e conclusioni per problemi analitici che richiedono valutazione e deduzione, adatto come livello di elaborazione per richieste di analisi in batch.
Attività agentiche a più passaggi: supporta flussi di lavoro a più passaggi e attività agentiche di utilizzo di computer e browser, a condizione che l'interfaccia specifica chiamata offra il relativo supporto.
Livello di volume nella selezione a più livelli: la serie è stratificata per difficoltà; Luna gestisce le attività ad alta concorrenza e dai confini chiari, lasciando ad Astra o Sol le richieste più impegnative.
Scenari di applicazione
- Elaborazione in batch di richieste focalizzate per i team — per team di sviluppo che necessitano di un throughput stabile: affidare a Luna un elevato volume di richieste simili e ben delimitate, ottenendo risultati testuali pronti per il salvataggio in banca dati.
- Sviluppo e revisione di funzionalità in piccoli repository — gli sviluppatori inviano frammenti di codice o un contesto parziale del repository per ottenere suggerimenti di implementazione e commenti di revisione per il processo di iterazione quotidiano.
- Stesura e generazione di riassunti su brief — generare riassunti di ricerca e bozze basati su domande chiare o su un brief fornito, producendo testi iniziali pronti per il flusso editoriale.
- Orchestrazione automatizzata di transazioni a più passaggi — eseguire, ove supportato dall'interfaccia, transazioni in più fasi come compilare moduli o prenotare pasti, producendo risultati operativi strutturati per l'ulteriore elaborazione da parte dei sistemi aziendali.
Limiti e consigli per la scelta
È posizionato come livello ad alta concorrenza e focalizzato della serie, non adatto ad affrontare i compiti end-to-end più difficili: per esigenze che ne superano i confini occorre passare ad Astra; il modello è closed source, non può essere distribuito autonomamente né modificato nei pesi; l'effettiva disponibilità delle capacità agentiche come l'uso di computer e browser dipende dal supporto dell'interfaccia chiamata e va verificata prima dell'integrazione. Se il volume di richieste è ridotto e la qualità è prioritaria, conviene valutare prima altri modelli della stessa serie.
Novità
Vedi il changelog →- Nuovo modello Il modello gpt-6-astra è ora disponibile
- Nuovo modello Nuovo modello gpt-6.1-sol disponibile
- Modifica dei parametri Aggiornamento dei parametri del contratto di interfaccia di gpt-6.1-sol
Articoli
Vedi tutti gli articoli →-
Tutoriale
Tutorial su kandinsky-6.0-pro/image-to-video tramite HiAPI: curl + Python
Avvia una richiesta funzionante di image-to-video su HiAPI: dal caricamento del primo fotogramma al polling asincrono fino al download finale
-
Tutoriale
Come chiamare hailuo-2.3/text-to-video tramite l'API HiAPI: curl, Python ed esempi di richiesta eseguibili
-
Tutoriale
Come chiamare hailuo-2.3-fast/image-to-video tramite l'API HiAPI: pratica con curl e Python
La prima richiesta funzionante per il livello image-to-video veloce ed economico — dall'ID del modello al download di un MP4
-
Tutoriale
Come usare kling-4.0/text-to-video tramite l'API HiAPI: curl, Python e un esempio di richiesta funzionante
Guida pratica per sviluppatori: prompt cinematografici, audio sincronizzato, polling asincrono e download dell'output
-
Confronto e valutazione
Confronto orizzontale di Recraft v4.1 Flash per la generazione di immagini da testo: guida alla scelta e alla migrazione per gli sviluppatori
Con un costo di $0,01 per immagine e la capacità di generazione puramente testuale, valuta se è adatto alla tua pipeline di generazione di immagini
-
Tutoriale
recraft-v4.1-flash text-to-image in pratica: 5 scenari di business ad alto valore e punti chiave di integrazione
Partendo da un costo di $0,01 per immagine, pianificare l'implementazione della generazione di immagini nei processi di business reali
-
Tutoriale
Utilizzare Kandinsky 6.0 Pro su HiAPI per la generazione di video da testo: tutorial con curl e Python
Dimostrazione pratica guidata dalla richiesta: costruire la chiamata da prompt a clip video, inviare la richiesta, monitorare lo stato di completamento e scaricare il risultato
-
Tutoriale
Come chiamare kling-4.0/image-to-video su HiAPI: curl, Python e polling
-
Confronto e valutazione
hailuo-2.3-fast/image-to-video confronto orizzontale: come scegliere un modello image-to-video e i punti chiave per la migrazione
Modelli correlati
Vedi tutti i modelli →Stesso tipo
-
GLM 5.3 Zhipu AI $0.855 /1 mln di token -
GPT 6 OpenAI $0.0025 /1 mln di token -
Grok 4 xAI $0.210 /1 mln di token -
Claude 5.5 Anthropic $0.100 /1 mln di token -
Kimi K3 Moonshot AI $0.232 /1 mln di token -
Kimi K3.1 Pro Moonshot AI $0.216 /1 mln di token -
GPT 5.6 OpenAI $0.005 /1 mln di token -
DeepSeek V4 DeepSeek $0.014 /1 mln di token -
Claude 4.8 Anthropic $0.229 /1 mln di token -
Claude 4.6 Anthropic $0.300 /1 mln di token