把能力用在高频工作上
Luna 的核心取舍是以速度与成本效率承担大量日常任务，而不是追求每个难题的最高成绩。它适合将杂乱文本整理成摘要、分类结果和待办清单，也能辅助专业工作。设计应用时，可让它处理规则明确的常规请求，把需要深入论证的任务交给更高能力档位。
Overview
API
Pricing
规格与接口特性
在选型前明确容量、输入输出与调用方式。
- 家族定位
- GPT-5.6 速度与成本效率档位；同代另有 Terra、Sol
- 输入与输出
- 文本、图像输入；文本回答
- 标准对话入口
- /openai/chat/completions：model 与 messages
- 响应式入口
- /openai/responses：model 与 input；可设置输出预算与流式返回
- 简化会话入口
- /aichat/conversations：question 输入、answer 输出；stateful 与 id 延续会话
- 输出与工具控制
- 标准对话入口提供 JSON 输出格式、函数定义及工具选择字段
家族定位属于模型原生特性，接口格式与控制字段属于本平台的入口定义。可选控制项需使用 gpt-5.6-luna 实际接受的配置；工具调用只产生调用请求，权限检查、工具执行和结果回传仍由应用完成。
核心能力
了解 gpt-5.6-luna 能为你的工作带来什么。
日常编程不必默认用旗舰
Luna 具备实质性的编程能力，适合解释代码、检查局部改动、起草测试和分析报错。输入相关代码、运行现象与验收条件，比只说“修复问题”更有帮助。它可以作为开发流程中的日常助手，但涉及跨模块架构或长链调试时，应结合测试结果决定是否升级模型。
围绕图片完成文字任务
Luna 支持把图片与文字问题一起理解，可用于界面截图说明、图表要点整理及视觉内容问答。标准对话中可通过 image_url 提供图片，并说明关注区域和所需回答形式。其交付重点是文字分析，而非图片生成；细小文字和密集图表宜先裁切、放大再提交。
适用场景
从具体任务出发，找到模型发挥作用的位置。
客服记录与工单整理
输入客户对话、产品规则和固定标签，要求 Luna 输出问题类型、关键信息、缺失材料及回复草稿。适合大量格式相近的记录处理。需要写入业务系统时，可指定 JSON 结构，并由程序校验必填字段；退款、授权等操作则交由业务规则和人工审批完成。
代码改动的第一轮检查
提交一段差异代码、关联函数和报错日志，让 Luna 按问题位置、影响范围、修复建议和测试点整理检查结果。交付物可以是审查清单或补丁草稿，便于开发者继续验证。若问题依赖大量未提供的代码，应先补充相关上下文，而不是要求模型猜测整个项目。
截图辅助的产品支持
将页面截图与用户遇到的问题一起输入，要求 Luna 说明可见状态、可能的操作误区和下一步排查方法。适合形成帮助说明、缺陷记录和交互反馈。提示中应区分图片里能直接观察的内容与需要推测的原因，最终得到便于支持人员使用的文字建议。
如何选择这个模型
结合任务复杂度、输入材料与预期结果选择。
Luna 与 Terra：按任务难度取舍
高频摘要、分类、局部代码辅助和常规图文问答，可以先选择 Luna。Terra 是同代的均衡档位，更适合复杂度较高的日常专业工作。两者在部分综合工作评测中接近，但在金融分析等专项任务上差距更明显，因此不要仅凭“同一代”判断可替代性，应使用实际业务样本比较。
Luna 与 Sol：效率优先还是深度优先
当任务规则清楚、输入范围可控、结果容易验证时，Luna 是效率优先的选择。若任务涉及困难推理、复杂工程协调或大量材料中的精确检索，Sol 的旗舰定位更值得考虑。Luna 也不应被理解为 GPT-5.5 的全面替代品：它在部分编码和专业任务上有优势，其他任务仍需具体比较。
开始使用
从一次小规模任务到正式接入。
准备任务与材料
明确目标、必要输入与输出要求，使用真实业务样例作为起点。
在 API 调试区试用
打开试用页，确认此入口支持的参数，再提交小规模任务查看结果。
按 API 文档接入
保留完整模型 ID，使用文档规定的请求格式，并在 Pricing 页确认计费规则。
使用边界
在正式使用前，了解输出质量与能力范围。
- 长材料输入不等于稳定找到所有细节。Luna 在高密度长上下文检索中的表现与 Terra、Sol 有明显差距，处理合同集合、项目资料或长对话时，宜先筛选相关片段，并要求回答对应到具体依据，避免把一次性塞入全部材料作为默认方案。
- 工具调用不是执行完成的证明。生成函数名称与参数后，仍需应用检查权限、运行工具并回传结果；代码建议也需要真实测试。不要把普通聊天请求等同于自动运行程序、操作浏览器或完成多智能体协作，尤其是涉及写入和删除的操作。
- Luna 的图文理解不等于语音生成或图片创作，涉及这些交付物应选择对应模型。安全分析宜明确授权环境与防御目标，高风险请求可能受到限制；用于财务分析和复杂技术判断时，应保留人工复核，而非直接采用模型结论。
常见问题
解答使用 gpt-5.6-luna 时的常见疑问。
GPT-5.6 Luna 是 Sol 的快速别名吗？
不是。Luna、Terra 和 Sol 是 GPT-5.6 同代的不同能力档位：Luna 侧重速度与成本效率，Terra 侧重均衡，Sol 侧重旗舰能力。调用时使用 gpt-5.6-luna，不能仅更改提示词就把它变成 Sol，也不应预期三者在困难任务上表现一致。
Luna 适合哪些编程任务？
适合局部代码解释、报错分析、改动检查、测试草稿和常规实现建议。最好同时提供相关代码、运行现象和验收条件，让结果可以验证。涉及跨文件依赖、复杂架构或反复工具协调时，可比较 Terra、Sol，并以实际测试通过情况决定选择。
怎样让 Luna 分析截图？
在 Chat Completions 的消息内容中同时放入文字问题和 image_url 图片内容，明确希望分析的区域及输出形式。例如要求列出界面异常、说明图表趋势或整理截图信息。图片应清晰可读；小字和密集区域可以裁切后提交，减少不必要的视觉干扰。
接入 Luna 时应该选哪个接口？
已有 messages 对话代码可选择 /openai/chat/completions；采用 input 响应式交互可选择 /openai/responses。只需提交问题并维护连续会话时，可使用 /aichat/conversations，通过 stateful 与返回的 id 延续对话；不同入口的输入组织方式不应混用。
Luna 能直接交付可用的 JSON 吗？
可以要求 Luna 按指定字段生成 JSON，用于信息提取、分类和工单整理。标准对话入口定义了 JSON 对象与 JSON Schema 格式控制字段；使用这些控制时，应以 gpt-5.6-luna 实际接受的配置为准。提示中应明确字段含义、缺失值处理和允许的标签。应用收到结果后仍需解析 JSON、校验结构与业务规则，并处理拒绝回答或输出截断；格式正确不代表内容准确，也不意味着相关操作已经执行。
模型资料 · 更新日期：2026-10-01。调用参数与计费规则请查看 API 和定价栏目。
Input
$0.04per 1M tokens
Official $0.20
Output
$0.24per 1M tokens
Official $1.20
−79%vs official
Top-up
You pay$13,584for 142,800 credits · $0.0951 / credits46% OFF
You're billed in credits. Pick a top-up tier to see its per-credit rate — the larger the top-up, the cheaper each credit.
Quickstart
Try the API
API Key
Please obtain an API Key first
This is only a basic call example. See the full docs for more parameters and advanced usage.
View Docs