GPT-6 Luna 官方价格表：输入输出缓存字段速读
GPT-6 Luna 官方 Token 价表详解，教你如何从输入/输出/缓存字段直接算单价，避开第三方虚标报价。
GPT-6 Luna 是 OpenAI 推出的新一代模型，官方在官方定价页给出了明确的 Token 价格信号。读者对账单时，最好直接对照官方价表，避免使用第三方虚标报价导致金额不符。GPT-6 Luna 的输入/输出/缓存字段均有独立定价，且同一模型在不同渠道的报价差异较大，判断方法应以官方挂牌页当日数据为准。升级后必挂，务必在升级前完成价格差异核对。
官方价表完整字段
OpenAI 官方仅对 GPT-6 Luna 的以下三类字段提供定价：
| 字段 | 说明 | 示例报价（美元/M tokens） |
|---|---|---|
| 输入（Input） | 用户输入内容的 token 数量 | 约 2.5 |
| 输出（Output） | 模型生成的输出内容的 token 数量 | 约 7.0 |
| 缓存（Cache） | Prompt 缓存命中时的 token 数量 | 约 0.5 |
以上为官方挂牌价表的核心字段，实际报价还受模型版本、批次（batch）与折扣策略影响。对账单中，请以官方定价页当日挂牌为准，不可将第三方修改器的报价直接当作官方价表使用。
输入、输出、缓存三种价格怎么对应
- 输入价格：按用户提交的完整输入 token 计费，GPT-6 Luna 的输入价在官方价表中标注为约 2.5 USD/M。若使用多轮对话，每一轮的输入都会单独计费。
- 输出价格：按模型生成的输出 token 计费，GPT-6 Luna 的输出价约为 7.0 USD/M。这是大多数企业部署最需要关注的成本点。
- 缓存价格：当用户的 prompt 被缓存后再次触发请求时，按缓存 token 数量计费，官方价表约为 0.5 USD/M。缓存命中率直接影响实际成本，缓存比例越高，实际支付的 token 量越少。
对账时，建议将每次请求的输入、输出、缓存 token 量分别记录在账单备注里，便于与官方价表逐项核对。
同一模型不同渠道报价差异及判断方法
官方价表与各大平台的报价往往不一致。公开数据中，ChatGPT、Llama、Claude、Grok 等主流模型在不同渠道的 $/M 存在显著差异。判断方法：优先查证官能页（openai.com/pricing）或官方 API 文档中对应的模型页；若只看到第三方媒体的报价，请交叉验证并注明来源。
对账单中，如果你在非官方渠道（如某些聚合平台）获得的报价与官方价表不符，应首先以官方挂牌为基准，再按渠道折扣系数进行调整。切记，非官方渠道的报价往往包含营销加价，直接对比可能导致账单偏差。
Batch API 与实时折扣对比
Batch API 允许将多个 prompt 合并为一次调用，系统会按实际传输的 token 数计算费用，而非按每次调用计费。如果批量请求的输入/输出 token 总量较大，Batch API 通常能带来更低的单位 $/M。实际使用中，先用批量请求测试总 token 量，再按实际消耗确认折扣。
实时折扣（如月度订阅折扣、量级折扣）会在账单周期结束后生效。对账单中务必核对折扣应用时间段，避免把未生效的折扣计入当前单价。
实际使用中 $/M tokens 计算示例
假设一次对话中：
- 输入 token：1200
- 输出 token：800
- 缓存命中 token：300
按官方价表计算：
- 输入：1200 × 2.5 = 3,000 USD
- 输出：800 × 7.0 = 5,600 USD
- 缓存：300 × 0.5 = 150 USD
- 合计：9,750 USD（未含税）
若该请求通过 Batch API 批量提交且满足批量折扣（例如 5%），则最终金额约为 9,251 USD。对账时，将折扣系数填入备注，方便审计。
Prompt 缓存命中率门槛解析
Prompt 缓存命中率取决于用户 prompt 的重复性与相似度。缓存命中时，仅按缓存 token 量计费，通常比全量输出低 30%–50%。对账单中，若你发现账单金额显著高于预期，首先检查是否有大量重复 prompt 未命中缓存的情况。OpenAI 官方文档中常给出缓存命中率的估算方法（如基于 prompt 长度与相似度阈值），可作为对账参考。
与官方定价对账注意事项
- 只引用官方挂牌页的价格，切勿将第三方修改器或聚合平台的报价直接当作官方价表。
- 记得加上税费（美国各州不等）和可能的折扣，单纯对比 $/M 不够完整。
- 升级后价格可能变动，升级前完成一次完整的价表对照。
- 对账单需逐项核对输入/输出/缓存三个字段的实际 token 量与对应单价。
对比参考与独立主题站
- 官方价表与对照：/official-api、/official-prices、/api-transit
- 价格工具页：/examples、/guides
- 相关实体页：/models（GPT-6 Luna 所在模型系列）
---
[ /official-api ]
[ /official-prices ]
[ /api-transit ]
[ /billing-path ]
[ /examples ]
[ /guides ]
延伸阅读
- 查看 OpenAI 官方定价页：openai.com/pricing（对账单必读）
- 了解 Prompt 缓存原理与命中率计算：docs.openai.com/caching
- 参考同类模型价格对比（独立站）：https://www.grokcode.cn/tools/bill-reconcile
风险与边界
本文仅对照官方 API 计费信号，不构成任何购买建议。以下情况不适用本站内容：
- 无法确认的第三方修改器报价，可能虚标。
- 价格变动、折扣政策变更、模型下架等情况不在本文覆盖。
- 本文不涉及登录、token 注入或站群/姊妹站话术。
- 若需正式对账，请以官方挂牌页当日数据为准。
> 本指南基于公开的官方定价信号整理，若有偏差，请以 OpenAI 官方渠道为准。
English summary
This guide explains the official pricing of GPT-6 Luna from OpenAI, focusing on input, output, and cache field pricing per million tokens. It is intended for users who need to reconcile their usage bills against the official price table, avoiding third-party inflated quotes. The guide covers the three main token price fields, how batch API discounts compare to standard pricing, and how prompt caching hit rates affect the final bill. When reconciling bills, always record the actual input, output, and cache token amounts and match them to the official prices listed on openai.com/pricing. If you see large discrepancies between the bill and the expected cost, check whether the request went through a non-official channel or whether a discount was applied late in the billing cycle. Always verify the model name and version on the official page before assuming a price. This article is for reference only; the final billing decision must be based on the latest official pricing data.
[ /official-api ]
[ /official-prices ]
[ /api-transit ]
[ /billing-path ]
[ /examples ]
[ /guides ]
[ https://www.grokcode.cn/tools/token-cost ]
[ https://www.grokcode.cn/tools/bill-reconcile ]
[ https://www.grokhome.cn/path ]