GPT-5.6 Luna 官方 $/M 价表怎么读：输入/缓存/输出字段详解
GPT-5.6 Luna 是 OpenAI 2026 年最新旗帜级模型，输入 $0.20/M、缓存 $0.020/M、输出 $1.20/M。结合 Prompt Caching 命中率即可精准对账，适用于高频 Agent 任务。
GPT-5.6 Luna 官方 $/M 价表怎么读：输入/缓存/输出字段详解
GPT-5.6 Luna 是 OpenAI 2026 年最新旗舰模型，专为高频 Agent 任务优化设计。输入 $0.20/M、缓存 $0.020/M、输出 $1.20/M，结合 Prompt Caching 命中率即可精准对账。适用于需要高效推理和重复上下文处理的开发者，用户可直接用官方价表核对账单，避免因缓存命中率低而超预算。
GPT-5.6 Luna 是什么：定位与 2026 年 OpenAI 模型序列
GPT-5.6 Luna 属于 OpenAI 的旗舰序列，是 2026 年发布的最新模型，定位介于 Terra 高效型与 Sol 复杂型之间。它专为大规模高频 Agent 任务打造，特别擅长处理重复上下文场景，比如多轮对话、工具调用链或知识库检索。
OpenAI 在 2026 年推出了多款 GPT-5.6 变体：Luna 代表最强智能版本，Terra 侧重速度与成本平衡，Sol 则针对复杂多步推理。Luna 的核心优势在于 Prompt Caching 特性，让相同上下文只需缓存一次，后续请求成本大幅降低。
在 OpenAI 官方 API 平台上，GPT-5.6 Luna 支持上下文长度高达 922K tokens，最大输出 128K tokens。查看完整模型目录：官方 API 模型页。
官方价表核心字段拆解：输入/缓存/输出各多少 $/M
OpenAI API 价格采用按 1M tokens 计算的 $/M 定价，2026 年 10 月官方标准价表如下（数据来源于 OpenAI 开发者文档）：
| 模型 | 输入 $/M | 缓存输入 $/M | 输出 $/M | 缓存写入 $/M |
|---|---|---|---|---|
| gpt-5.6-luna | 0.20 | 0.020 | 1.20 | 0.25 |
- 输入字段：处理用户提示和工具调用的 tokens。
- 缓存字段：仅当 Prompt Caching 命中时生效，后续相同上下文重复使用。
- 输出字段：生成内容的 tokens。
- 缓存写入：首次缓存上下文的额外成本（标准模式下不影响最终计费）。
这些价格适用于标准处理模式。如果使用 Fast 模式或长上下文，价格会相应调整。请以 官方定价页面 为准。
如何用价表读账单：命中缓存后的实际成本
账单计算公式为：
总成本 = (输入 tokens × 输入价 + 输出 tokens × 输出价) × 1,000,000
缓存命中后，输入部分仅支付缓存价，节省 90% 以上成本。例如：
- 输入 500K tokens + 输出 10K tokens
- 未命中缓存：(500,000 × 0.20 + 10,000 × 1.20) = $110
- 命中缓存（前 400K 已缓存）：(100,000 × 0.20 + 10,000 × 1.20) = $26
实际账单会在 Dashboard 显示 Token Usage 分项，用户通过 账单路径指南 核对。
为什么缓存能省钱：命中率门槛计算公式
命中率门槛计算公式为：
节省比例 = (1 - 命中率) × 90%（缓存价是输入价的 10%）
门槛公式：
命中率 > (1 - (缓存价 / 输入价)) = (1 - 0.10) = 90%
如果命中率低于 90%，实际成本反而更高。Agent 任务通常能轻松达到 95%+ 命中率（如系统提示 + 历史对话反复出现），从而大幅降低成本。查看 Prompt Caching 指南 获取更多场景示例。
同一模型不同渠道报价差多少、如何判断是否虚标
OpenAI 官方标准价与第三方渠道价差可达数十倍。同一 GPT-5.6 Luna 模型在不同平台报价可能相差 1000 倍以上（如某些低质量代理商）。
判断是否虚标的方法：
1. 对比官方定价页 vs. 供应商报价。
2. 查看上下文长度支持、缓存机制是否一致。
3. 检查是否含隐形数据泄露或限流。
推荐始终使用官方渠道，查看 API 中转指南 获取对比工具。
对账单必看：常见误区与升级后必挂风险
对账单时需注意以下误区：
- 未开启 Prompt Caching 导致全额按输入价计费。
- 忽略长上下文价格阶梯（>272K tokens 价格更高）。
- 使用 Fast 模式时缓存写入成本上升。
升级到 GPT-5.6 Luna 后，若缓存命中率低于 90%，账单将“必挂”超预算——输入成本相当于全额按 $0.20/M 计算，输出仍按 $1.20/M，Agent 任务易快速超支。建议设置预算警报并定期核对 使用示例页。
风险与边界
以上信息基于 OpenAI 官方定价（2026 年 10 月数据），实际计费可能因区域、处理模式或后续调整而异。本文仅供参考，非法律意见。使用 OpenAI API 需自行承担风险，请以官方文档为准。
延伸阅读
English summary
GPT-5.6 Luna is OpenAI's latest flagship 2026 model optimized for high-frequency agent tasks. Official pricing is $0.20 per million input tokens, $0.020 cached input, and $1.20 per million output tokens. Prompt Caching hit rate directly determines bill accuracy—hit rates above 90% can cut costs by 90% or more.
The official price table breaks down clearly into input, cached input, and output fields. You can read your billing dashboard by multiplying tokens by the relevant rate and multiplying by 1,000,000. Cache-first strategies save the most on repeated context.
Price spreads across vendors can exceed 1,000x for the same model; always verify against official sources. Common billing pitfalls include ignoring cache hit rate or long-context tiers—upgrading to GPT-5.6 Luna without a high hit rate will likely cause budget overruns.
Check the official pricing page for the latest rates, as they change. This guide helps developers reconcile bills and avoid surprises on the OpenAI API.