值得評估 Luna 的理由
- 價格相近，更需要實測: GPT-5.4 nano 文件列出的標準輸入費率相同，輸出費率略高。Luna 可容納更多上下文，但預設推理設定不同，同一提示不一定帶來相同帳單或回應時間。
- 方便納入審核流程的結果: 支援結構化輸出與函式呼叫。可定義包含類別、證據及審核狀態的紀錄，驗證必填欄位，再抽樣與來源核對。符合資料結構有助於系統串接，卻無法證明判斷正確。
與 GPT-5.6 Luna 對話
AI ChatGPT-5.6 Luna
什麼是 GPT-5.6 Luna？
GPT-5.6 Luna 是 OpenAI 2026 年 7 月 9 日發布的 GPT-5.6 系列中著重成本的型號。截至 2026 年 9 月 8 日，API 模型文件列出的識別碼為 gpt-5.6-luna，未提供附日期的快照。本頁介紹 Luna 本身；OpenAI 其他型號的更新不會改變 Luna 的規格。 目前的 ChatGPT 說明頁表示，Luna 正逐步成為 Free 與 Go 的預設模型，也用於 Think。ChatGPT、Codex 和 API 各有使用條款。這些產品的供應資訊都無法證明 Ottermind 已提供 Luna。
API 提供的能力
- 容納更多參考資料: Luna 文件列出 1,050,000 token 的上下文視窗，以及最多 128,000 token 的輸出，知識截止日期為 2026 年 2 月 16 日。面對持續變動的資訊，應補充最新證據並找出相關段落；輸入容量大不代表能準確記住所有細節。
- 按任務選擇推理投入: API 的 reasoning.effort 支援 none、low、medium（預設）、high、xhigh 和 max。先用一小批已標記樣本比較預計採用的設定。增加推理可能消耗更多 token 並拉長等待時間，卻未必能解決分類定義不清楚的問題。
- 確認降價後的費率: 7 月 30 日價格更新將 Luna 的 API 費率降低 80%。標準價格為每百萬 token 輸入 0.20 美元、快取輸入 0.02 美元、輸出 1.20 美元。這是 OpenAI 費率，不是 Ottermind 報價，也不等於訂閱額度。
適合用 Luna 試做的工作
從自己能判斷對錯的案例開始。以下是供評估的工作方式，並非以你的資料測得的成效保證。
分流客服案件
提供去識別化的案件、各處理佇列的定義，以及類別重疊的範例。要求每筆案件指定一個去向並引用原文說明原因，難以判斷時標記升級處理。讓結果進入正式客服流程之前，先檢查分錯的案例。
整理客戶回饋
交給 Luna 一組評論與固定主題清單，要求產生主題標籤、代表性原話，並將新問題另外分類。用原始紀錄核對筆數，讓常見抱怨清楚呈現，也避免重複評論放大需求。
為明確的修改補上測試
提供預期行為、受影響的函式和現有測試，要求補充邊界案例並完成小範圍實作，再獨立執行測試。架構決策要交代清楚；若反覆修正耗去整天，第一次產出便宜也失去意義。
從截圖整理設定清單
提供清晰的設定頁截圖與所需欄位，要求列出看得見的值、所在位置，並將被遮住的內容標為未知。親自對照圖片確認後，再把擷取的設定當成可靠清單。
GPT-5.6 Luna 與 GPT-5.4 nano 比較
| 選擇依據 | GPT-5.6 Luna | GPT-5.4 nano |
|---|---|---|
| 標準 API 每百萬 token 輸入／輸出費率 | USD $0.20 / $1.20 | USD $0.20 / $1.25 |
| 上下文視窗（token） | 1,050,000 | 400,000 |
| API 預設／最高推理設定 | medium / max | none / xhigh |
| 何時值得評估 | 參考證據較多，或需要更多推理設定的工作 | 已有穩定基準、只需少量推理的分類或資料擷取流程 |
衡量每個合格結果的成本
需要檢查的取捨
- 重試可能吃掉低價優勢: 一併記錄通過驗收的結果、耗時和修正輪數。如果模型反覆誤解任務，應釐清證據或交由能力更強的模型處理。需求缺漏尚未補齊時，無止境提高推理投入並不可靠。
- 長上下文有額外計費條件: 輸入超過 272,000 token 時，整個請求按 2 倍輸入費率及 1.5 倍輸出費率計費。快取寫入為非快取輸入費率的 1.25 倍。例如，300,000 個非快取輸入 token 加 10,000 個輸出 token，費用為 0.138 美元，尚未包含工具等其他費用。
社群討論透露的情況
這些回報來自特定使用環境，可協助設計評估，並不代表共識，也不能預測你的結果。
單題程式通過，不等於真實專案表現
在一項單題比較中，Luna XHigh 和 Max 都產生通過 LeetCode 的解答，該次執行以 XHigh 較快、較便宜。作者提醒，題目可能出現在訓練資料中，測試沒有真實儲存庫的上下文，API 費用估算也未計入快取寫入。部分留言表示真實專案中錯誤更多，但個人經驗不能推算失敗率。
託管平台帳單可能不同於 OpenAI 費率
一位查核提交訊息生成費用的 Zed 使用者回報大量快取寫入，以及高於新直連 API 費率的收費。回覆討論了託管供應商與加價。這段歷史討論無法確認 Zed 今日的價格；請核對實際供應商、快取計費方式與帳單。
在 Ottermind 繼續工作
準備可查核的樣本
附上來源資料、預期欄位與幾個正確範例，說明何時應保留未知值，或提出審核請求。
在 Studio 確認可用性
進入 Studio，視需要登入。若你的帳戶可使用 GPT-5.6 Luna，再選取模型並確認工具及使用條款。本頁不會自動選取模型。
擴大處理量前先審核
檢查錯誤與遺漏、記錄時間及成本，並保留一小組評估案例。樣本達到驗收標準之後，再擴大工作範圍。
GPT-5.6 Luna 常見問題
Luna 只是 nano 換名字嗎？
不是。OpenAI 將 Luna 大致定位於早期的 nano 級距，但 gpt-5.6-luna 是獨立型號。它的上下文大小與預設推理設定不同於 GPT-5.4 nano；移轉前應先測試，不宜直接替換識別碼。
Luna 能產生圖片或處理音訊嗎？
原生支援文字輸入與輸出，以及圖片輸入，不原生支援音訊或影片。串接的工具可以補充圖片生成等能力；實際可用工具取決於託管平台與帳戶。
API 降價代表 ChatGPT 使用成本也降低 80% 嗎？
不能把 token 費率直接換算成訂閱限制。7 月更新涵蓋 API 與點數價格；ChatGPT、Codex 的使用規則依產品與方案而定，第三方平台也可能採用不同計費方式。
最高推理設定一定最好嗎？
目前沒有適用所有任務的結論。針對固定分類工作，應以同一批樣本比較正確性、等待時間與總 token 數。使用能達到品質標準的最低設定，並審核模型無法判斷的案例。
給 Luna 明確任務與品質標準
把證據和範例帶到 Ottermind Studio，從已確認的結果繼續工作。