OpenAI
GPT-6.1 Sol
gpt-6.1-sol
最大上下文
1.1M
最大輸出
128K
發布日期
暫無
輸入$2 / 百萬 Token
輸出$10 / 百萬 Token
GPT-5.6 Luna
gpt-5.6-lunaGPT-5.6 Luna 是 Luna 系列的通用版本，適用於日常 AI 應用。可用於聊天問答、文本改寫、摘要、資訊擷取、簡單推理、程式輔助及辦公室自動化。 Luna 是原型設計、輕量商業功能、批次內容處理和常見使用者互動情境的實用選擇。當速度、簡潔和成本控制很重要時，它是一個很好的入門模型；需要更高品質或更穩定的輸出時，可考慮使用 Luna Pro。
上下文視窗
1.1M Token
最大輸出
128K Token
發布日期
2026年7月9日
模態
GPT-5.6 Luna 價格
| Token 階梯 | 輸入價格 | 輸出價格 | 快取讀取 | 快取建立 5m |
|---|---|---|---|---|
| <=272K | $1/M | $6/M | $0.1/M | $1.25/M |
| >272K | $2/M | $9/M | $0.2/M | $2.5/M |
GPT-5.6 Luna API 能力
推理
支援
工具呼叫
支援
Temperature 參數
不支援
附件
支援
知識庫
2026-02-16
Endpoint 協議
Completions API
GPT-5.6 Luna 模型亮點
GPT-5.6 Luna 著重經濟的大量處理，同時保留可調整推理、圖片理解與百萬 token 內容脈絡視窗。
高處理量效率
模型面向成本敏感型工作負載，適合處理高頻率請求或大量一般內容。
可調式推理
推理強度可從不啟用調整至最高等級，讓輕量請求與分析型請求都能使用同一模型系列。
多模態長內容脈絡
模型可在 1,050,000 token 內容脈絡視窗中處理文字與圖片，減少拆分大型任務的需求。
GPT-5.6 Luna 使用情境
GPT-5.6 Luna 適合重視運作效率的高處理量分類、摘要與多模態資訊擷取任務。
高處理量分類
為大量訊息與文件指派類別、優先順序或分流標籤，供自動化流程使用。
長篇內容摘要
將長篇報告、支援紀錄或文件集合濃縮為精簡摘要與可採取行動的重點。
多模態資料擷取
從文字、螢幕截圖、圖表或掃描頁面擷取一般欄位與結論，供建立索引及後續工作流程使用。
如何透過 TokenHub API 使用 GPT-5.6 Luna
import OpenAI from "openai"
const client = new OpenAI({
apiKey: process.env.TOKENHUB_API_KEY,
baseURL: "https://us-api.tokenhub.com/v1",
})
const result = await client.chat.completions.create({})
console.log(result.choices[0]?.message?.content)GPT-5.6 Luna 基準測試
| 指數分數 | ||
|---|---|---|
| Artificial Analysis 綜合能力指數 | Artificial Analysis 綜合能力評分 | 33.3 |
| Artificial Analysis 程式碼能力指數 | Artificial Analysis 軟體任務評分 | 44.2 |
| 知識與推理 | ||
| GPQA | 高階科學問題求解 | 83.5% |
| HLE | 廣泛專家級考試集合 | 18.8% |
| 程式碼與工程 | ||
| SciCode | 科學計算程式碼挑戰 | 45.6% |
| 指令遵循與 Agent 任務 | ||
| AA-LCR | 長上下文推理 | 59.3% |
指標來源 Artificial Analysis
GPT-5.6 Luna 常見問題
在 TokenHub 使用 GPT-5.6 Luna 前可以先了解的問題。
GPT-5.6 Luna 是什麼？+
GPT-5.6 Luna 是 TokenHub 提供的 GPT-5.6 Luna 系列模型，適合需要通用 AI 模型來處理對話、推理、寫作和 API 工作流程的使用者。
GPT-5.6 Luna 最適合哪些情境？+
它適合對話助理、內容起草、摘要、結構化資料擷取、程式碼協助和多步驟任務自動化。
GPT-5.6 Luna 有哪些優勢？+
它的優勢在於覆蓋通用任務、較好的指令遵循能力，以及可透過 TokenHub 彈性整合。標準版本通常更適合日常使用、快速迭代和成本敏感型任務。
使用 GPT-5.6 Luna 時需要考慮哪些限制或取捨？+
與任何 AI 模型一樣，重要輸出應進行準確性審核；上線前應結合自己的資料測試提示詞，並比較延遲、成本和品質。
如何透過 TokenHub API 使用 GPT-5.6 Luna？+
在 TokenHub 請求中將模型選擇為「GPT-5.6 Luna」，使用帳戶的介面位址和憑證，並依應用需求設定 temperature、max tokens、streaming 等參數。
如何在 GPT-5.6 Luna 與相關 GPT-5.6 模型之間選擇？+
建議先用能代表真實任務的小型評測集測試。選擇在回答品質、可靠性、延遲和成本之間最符合業務需求的模型。
準備呼叫 GPT-5.6 Luna？
透過一個 API Key 接入 GPT-5.6 Luna 與更多 AI 模型。