使用指南

GPT-6 Luna API 多少钱？$0.025/M 输入，HiAPI 最便宜的 GPT

2026年11月1日 7

TL;DR

GPT-6 Luna（gpt-6-luna）在 HiAPI 按 token 计费：标准档（≤272K）输入 $0.025/M、输出 $0.125/M、缓存命中 $0.0025/M；长文档档（>272K）输入 $0.05/M、输出 $0.1875/M。
官方标准价 $0.10/$0.50，HiAPI 平台价约为官方的 1/4，也是 HiAPI 上最便宜的 GPT 文本模型。
已在 HiAPI 上线，打开模型页直接对话，新用户注册送 200 积分。

GPT-6 Luna 多少钱？

档位	输入（$/M token）	输出（$/M token）	缓存命中（$/M token）
标准档（≤272K）	$0.025	$0.125	$0.0025
长文档档（>272K）	$0.05	$0.1875	—

计费按实际消耗 token 乘以对应单价。缓存命中指重复发送同一段上下文时，命中部分只收缓存读取价；长文档档在单次请求的输入 token 超过 272K 时自动触发。

首测成本：$1 能处理约 40M 输入 token 或 8M 输出 token（标准档）。一条 1000 字的文章，用 Luna 做批量分类，$1 能跑几千条。去模型页试第一条 →

比官方便宜多少？

	HiAPI 价（标准档）	官方标准价	HiAPI 占比
输入	$0.025/M	$0.10/M	25%
输出	$0.125/M	$0.50/M	25%
缓存命中	$0.0025/M	$0.025/M	10%

HiAPI 平台价约为官方的 1/4，缓存命中更便宜到官方的 1/10。

怎么花得更少？四招省钱

开缓存，命中只收 $0.0025。 重复发送系统提示词、Few-shot 示例、长文档上下文时，命中部分几乎免费。缓存自动生效，不需要额外配置。
批量任务走 Batch 或 Flex，价格 5 折。 不要求实时响应的分类、提取、改写任务，提交 Batch 或 Flex 处理，输入 $0.0125/M、输出 $0.0625/M。
关掉推理，设 reasoning.effort=none。 Luna 默认 medium 推理档，关闭后模型的温度、top_p 等参数才可以自由调节，且推理 token 不再消耗，只按普通文本 token 计费。分类、提取、格式化输出这类不需要深度推理的任务，关掉推理就够了。
先小批量调 prompt，确认效果再放量。 $0.025/M 的输入价，调 prompt 几乎不花钱。

和平台上其他 GPT 模型比

模型	输入（$/M）	输出（$/M）	缓存命中（$/M）	Luna 相比
gpt-6-luna	$0.025	$0.125	$0.0025	—
gpt-5.6-luna	$0.05	$0.30	$0.005	输入便宜一半，输出 2.4 倍
gpt-6.1-terra	$0.25	$1.25	$0.0125	输入是 Luna 的 10 倍
gpt-6.1-sol	$0.50	$2.50	$0.025	输入是 Luna 的 20 倍

Luna 是 HiAPI 上最便宜的 GPT 文本模型。Sol 和 Terra 有更强推理能力和更大上下文，做复杂推理、深度分析时选它们；批量分类、提取、改写、简单 agent 循环，Luna 够用且最省钱。

每月预算怎么算？

每月 token 量	仅输入	仅输出	输入:输出=4:1（典型）	输入:输出=1:1（对话居多）
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

实际花费 = 输入 token × $0.025 + 输出 token × $0.125 - 缓存命中节省的部分。典型批量任务输入远多于输出，1B token 月预算约 $45。

常见问题

GPT-6 Luna 适合什么场景？ 批量文本分类、结构化数据提取、内容改写、FAQ 自动回答、低复杂度 agent 循环。不适合需要深度多步推理的复杂任务，那种场景选 Terra 或 Sol。

缓存怎么用？ 不需要配置。同一个 API Key 下，系统提示词和历史消息中重复出现的部分自动命中缓存，命中部分按 $0.0025/M 计费。

Batch/Flex 怎么用？ 在请求里加 "processing_mode": "batch" 或 "processing_mode": "flex"，任务进入异步队列处理，价格 5 折，适合不要求实时响应的批量任务。

输出 token 超过 128K 怎么办？ Luna 最大输出 128K token，超出需要分多次请求。长文档总结时，先让模型给大纲，再分段总结，最后合并。

和 gpt-5.6-luna 比，迁移成本高吗？ 不高。两个模型都支持 Chat Completions 协议，迁移只改 model 字段。想用新特性（Responses API、六档推理）需要适配请求格式，但基础对话接口写法不变。详见 GPT-6 Luna vs GPT-5.6 Luna 对比。

想马上试？打开模型页直接对话，注册送的 200 积分够跑几百轮。或者看 API 接入指南用 curl 跑通第一调。