值得评估 Luna 的原因
- 价格接近，更值得实测: GPT-5.4 nano 文档列出的标准输入费率相同，输出费率略高。Luna 的上下文更大，但默认推理档位不同，同一提示词不一定产生相同账单或响应时间。
- 便于接入审核流程的结果: 支持结构化输出与函数调用。可以定义包含类别、证据和审核状态的记录，检查必填字段，再抽样与原文核对。符合数据结构有助于系统接入，但不能证明判断正确。
与 GPT-5.6 Luna 对话
AI ChatGPT-5.6 Luna
什么是 GPT-5.6 Luna？
GPT-5.6 Luna 是 OpenAI 于 2026 年 7 月 9 日发布的 GPT-5.6 系列中注重成本的型号。截至 2026 年 9 月 8 日，API 模型文档列出的标识为 gpt-5.6-luna，没有带日期的快照。本页只介绍 Luna；OpenAI 其他型号的更新不改变 Luna 自身的规格。 当前 ChatGPT 帮助页说明，Luna 正逐步成为 Free 和 Go 的默认模型，也用于 Think。ChatGPT、Codex 与 API 各有使用条款。这些产品的上架信息均不能证明 Ottermind 已接入 Luna。
API 提供哪些能力
- 容纳更多参考材料: Luna 文档列出 1,050,000 token 上下文窗口和最多 128,000 token 输出，知识截止日期为 2026 年 2 月 16 日。遇到变化中的信息，应补充最新证据并定位相关段落；输入很长不代表每条内容都能被准确记住。
- 按任务选择推理投入: API 的 reasoning.effort 接受 none、low、medium（默认）、high、xhigh 和 max。先用一小批已标注样本比较准备采用的档位。增加推理可能多花 token 和时间，却未必能解决分类定义本身含糊的问题。
- 核对降价后的费率: 7 月 30 日调价将 Luna 的 API 费率下调 80%。标准价格为每百万 token 输入 0.20 美元、缓存输入 0.02 美元、输出 1.20 美元。这是 OpenAI 的费率，不是 Ottermind 报价，也不等同于订阅额度。
可以用 Luna 尝试的实际任务
从自己能够判断对错的样本开始。以下是供评估的工作方式，并非针对你的数据测得的效果保证。
为客服工单分流
提供匿名化工单、各队列的定义，以及类别交叉的例子。要求每条工单给出一个去向和引用原文的理由，无法确定时标记升级处理。在结果影响真实客服队列之前，先检查分错的案例。
归类客户反馈
提供一组评论和固定主题列表，让 Luna 输出主题标签、代表性原话，并将新问题单独归档。用原始记录核对数量，让高频投诉保持可见，同时避免重复评论夸大某项需求。
为明确的修改补充测试
提供预期行为、涉及的函数和现有测试，要求补充边界用例并完成小范围实现，再独立运行测试。架构决定要说清楚；如果反复修补耗掉一天，第一次生成便宜也就失去了意义。
从截图提取设置清单
提供清晰的设置页截图和需要的字段，要求列出可见值、对应位置，并把遮挡内容标为未知。亲自对照图片检查后，再将提取出的设置视为可信清单。
GPT-5.6 Luna 与 GPT-5.4 nano 对比
| 选择依据 | GPT-5.6 Luna | GPT-5.4 nano |
|---|---|---|
| 标准 API 每百万 token 输入／输出价格 | USD $0.20 / $1.20 | USD $0.20 / $1.25 |
| 上下文窗口（token） | 1,050,000 | 400,000 |
| API 默认／最高推理档位 | medium / max | none / xhigh |
| 适合何时评估 | 证据材料更多，或需要更多推理档位的任务 | 已有稳定效果、只需少量推理的分类或提取流程 |
看每个合格结果的成本
需要检查的取舍
- 重试可能抵消低价优势: 同时记录通过验收的结果、耗时和纠正轮数。如果模型反复误解任务，应补充证据或交给能力更强的模型。缺失的要求没有明确之前，一味提高推理投入并不可靠。
- 长上下文另有计费条件: 输入超过 272,000 token 时，整个请求按 2 倍输入费率、1.5 倍输出费率计费。缓存写入为非缓存输入费率的 1.25 倍。例如，300,000 个非缓存输入 token 加 10,000 个输出 token，费用为 0.138 美元，尚未计入工具等其他费用。
社区讨论说明了什么
这些报告对应具体使用环境，适合用来设计评估，并不代表共识，也不能预测你的结果。
单题编程成功不等于真实仓库表现
在一项单题对比中，Luna XHigh 和 Max 都提交了通过 LeetCode 的解答，那次运行中 XHigh 更快、更便宜。作者指出，题目可能出现在训练数据里，没有真实仓库上下文，API 估算也未包含缓存写入。评论者有人反馈真实项目中错误更多，但个人经历不能推导出失败率。
托管平台账单未必等于 OpenAI 费率
一位核查提交说明生成费用的 Zed 用户报告了大量缓存写入，实际收费高于新的直连 API 费率。回复讨论了托管供应商和加价。这段历史讨论不能证明 Zed 今天的价格；应核对自己实际使用的供应商、缓存计费和账单。
在 Ottermind 继续任务
准备可核对的样本
附上原始材料、预期字段和几个正确示例，说明哪些情况下应该保留未知值或请求人工审核。
在 Studio 核实可用性
进入 Studio，按需登录。如果你的账户可用，选择 GPT-5.6 Luna，再检查工具和使用条款。本页不会自动选中该模型。
扩大规模前先审核
检查错误与遗漏，记录时间和费用，并保留一小套评估样本。样本达到验收标准后，再扩大处理范围。
GPT-5.6 Luna 常见问题
Luna 只是 nano 改名吗？
不是。OpenAI 将 Luna 大致定位在早期 nano 档位，但 gpt-5.6-luna 是独立型号。它的上下文大小和默认推理设置与 GPT-5.4 nano 不同；迁移前要测试，不应只替换模型标识。
Luna 能生成图片或处理音频吗？
原生支持文本输入和输出，以及图片输入，不原生支持音频或视频。连接的工具可以补充图片生成等能力；实际可用工具取决于托管平台和账户。
API 降价意味着 ChatGPT 使用成本也降低 80% 吗？
不能把 token 费率直接换算成订阅限制。7 月更新涉及 API 和积分价格；ChatGPT、Codex 的使用规则由产品和套餐决定，第三方平台也可能采用不同计费方式。
最高推理档位一定最好吗？
没有适用于所有任务的结论。对固定分类任务，应使用同一批样本比较准确性、等待时间和总 token 数。选用能达到质量标准的最低档位，并审核它无法判断的案例。
给 Luna 明确任务和质量标准
把证据与示例带到 Ottermind Studio，在核对过的结果上继续工作。