对话模型
GPT-6 Luna
对话模型
可在 Ofrai 使用 — 对话、图片与视频同一处,共用积分。
对话与视频按积分计费。
Input/Output 0.0731392/0.365696
大约每段短提问 0.0731392 积分、每段短回复 0.365696 积分(按约千字计)。
商用权限取决于所选模型及其使用条款。

在 Ofrai 使用 GPT-6 Luna
GPT-6 Luna 是 OpenAI GPT-6 这一代中的均衡档位,是多数团队在对话、起草、编程辅助和文档工作上的默认模型。在 Ofrai 上它列于 Text Studio,从共享额度计费,位置在便宜的小档位之上、旗舰 Astra 之下。它比上一代更可靠地遵循复杂指令,在长任务上保持连贯,又不需要旗舰的价格。把它作为默认,少数请求再升级。
大约每段短提问 0.0731392 积分、每段短回复 0.365696 积分(按约千字计)。
GPT-6 Luna 模型信息
- 模型标识
- gpt-6-luna
- 类型
- 对话模型
- 发布日期
- 暂未公布
- Ofrai 价格
- 大约每段短提问 0.0731392 积分、每段短回复 0.365696 积分(按约千字计)。
- 联网搜索
- 支持
适合
- 日常专业工作:会被阅读的对话与写作,以及例行文档任务。
- 既有项目中的编程辅助:读懂模块、编写测试、起草补丁、审查 diff。
- 指令较多的工作,多项约束必须同时满足,例如格式加字数加语气。
- 中等强度的智能体步骤,多次工具调用之间需要带着上下文。
不太适合
- 超大批量的分类与抽取,GPT-5.4 Mini 或 Nano 便宜得多。
- 最难的推理,GPT-6 Sol 或 GPT-6 Astra 余量更大。
- 会写入或删除数据的长时自主运行,这类场景要最可靠的档位。
和其他模型的区别
与 GPT-5.6 Luna 相比,GPT-6 Luna 是同一位置上的新一代:日常可用性相近,指令遵循更稳、长任务更连贯,所以升级带来的通常是可靠性提升,而不是工作方式的改变。
示例提示词
把这份进展说明改写成给管理层的版本,控制在 150 字以内。所有数字保持不变,删掉实现细节,最后写明你需要他们做出的决定。
你要加入一个已有的 Python 服务。请说明这个模块负责什么、哪些模块依赖它,以及去掉缓存会破坏什么。明确指出文件名。
这里是十五封客户邮件。请按主题归类,给出每个主题的数量、引用一句有代表性的原话,并按收入风险给主题排序。
为这条抱怨起草三个回复:一个致歉且具体,一个简短且只讲事实,一个给出下一步。每个不超过 80 字,不要承诺我们没有批准的事项。
常见问题
- GPT-6 Luna 主要用来做什么?
- GPT-6 Luna 是 OpenAI GPT-6 这一代的均衡档位,适合日常专业工作:会被阅读的对话与写作、既有项目中的编程辅助、多项约束需同时满足的指令型任务,以及需要在多次工具调用之间保持上下文的智能体步骤。
- GPT-6 Luna 和 GPT-5.6 Luna 相比如何?
- GPT-6 Luna 是同一个均衡位置上的新一代。日常可用性相近,但复杂指令遵循更可靠,长任务更连贯。实际体验是少改几遍、少漏几个约束,而不是工作方式或价格有明显变化。
- 什么时候该用 GPT-6 Sol 而不是 Luna?
- 当一个请求需要持续推理时切换:难解的缺陷、多步分析,或者方法选择比写出显而易见做法更重要的编程任务。Luna 适合多数工作;当你预计要反复检查和重写答案时,就该去 Sol。
- GPT-6 Luna 适合编程吗?
- 适合日常软件工作:理解陌生模块、编写测试、起草补丁、在项目内审查 diff。跨仓库的大规模自主改动仍由专门为此调校的 GPT-5.3 Codex 负责;最难的架构决策则交给 GPT-6 Sol 或 Astra。
- 在 Ofrai 上如何计费?
- 它列在 Text Studio,与其他 Ofrai 用量一起从共享额度扣费。合理的分配是:面向用户的任务用 Luna,后台批量任务用 GPT-5.4 Mini 或 Nano,需要更多深度的一小部分交给 Sol 或 Astra。
- GPT-6 Luna 的局限是什么?
- 局限正是均衡档位的常见取舍:它不是最便宜的,大批量例行工作交给 Mini 或 Nano 更划算;它也不是最深的,很困难的推理应该由 Sol 或 Astra 承担。此外它无法自己执行任何操作,测试、构建和部署仍在你的工具链里。
相关模型
同模态下更多 Ofrai 模型。
