GPT-6 Luna is the fast, cost-efficient model in OpenAI's GPT-6 series, positioned below GPT-6 Sol. It is suited for high-volume and latency-sensitive workloads such as chat, classification, and lightweight agentic tasks, and at higher reasoning effort it can take on complex software engineering and computer-use tasks that previously called for a Sol-tier model. It shares the GPT-6 family's gains in factual reliability and its clearer, more concise communication style.
Fournisseurs
Différentes entreprises hébergent le même modèle. OpenRouter achemine votre requête vers l’une d’elles selon le mode de routage que vous choisissez : Équilibré (prix + vitesse), Nitro (le plus rapide) ou Floor (le moins cher).
| 0,05 $US | 0,25 $US | 0,005 $US | -- | -- |
- Entrée 0,05 $US / Sortie 0,25 $US-- tok/s-- de disponibilité
Tarification
Le prix moyen que les clients paient réellement pour ce modèle, à côté des prix affichés par les fournisseurs. Grâce à la mise en cache et aux remises, le prix réellement payé est souvent bien inférieur au prix affiché.
Moyenne pondérée
GPT-6 Luna (batch) — Historique des prix
| 0,00 $US | 0,00 $US | 69,8 % | 100,0 % |
- Prix effectif en entrée 0,00 $US / Sortie effective 0,00 $USPart des jetons100,0 %
Performances
Le débit est la vitesse à laquelle le modèle écrit (jetons par seconde — plus il est élevé, mieux c’est). La latence est le temps total d’aller-retour (plus il est faible, mieux c’est). Le TTFT est le délai avant le premier jeton — le temps avant de voir quelque chose apparaître (plus il est faible, mieux c’est).
Disponibilité
La disponibilité correspond au pourcentage des 3 derniers jours pendant lequel au moins un fournisseur répondait aux requêtes. La disponibilité du service correspond au pourcentage de temps pendant lequel l’inférence a été assurée avec succès. OpenRouter surveille en continu les fournisseurs et utilise le meilleur fournisseur suivant lorsque l’un d’eux renvoie une erreur.
Les données de disponibilité sont encore insuffisantes pour être affichées.
Lorsqu’une erreur survient chez un fournisseur en amont, nous pouvons rétablir le service en routant la requête vers un autre fournisseur opérationnel, si les filtres de votre requête le permettent. Vous pouvez accéder par programmation aux données de disponibilité de chaque fournisseur via l’ API des points de terminaison. Découvrez nos options d’ équilibrage de charge et de routage des fournisseurs.
Évaluations comparatives
Scores aux évaluations standardisées et réponses de ce modèle aux prompts communs des tests de référence. Des pourcentages plus élevés sont meilleurs — et chaque rang indique la position de ce modèle parmi les modèles évalués sur cette source.
| Source | Test de performance | Score |
|---|---|---|
| Artificial Analysis | GPT-6 Luna (High) Intelligence Index | 21,4 |
| Artificial Analysis | GPT-6 Luna (High) HLE | 32.9% |
| Artificial Analysis | GPT-6 Luna (High) AA-LCR | 79.3% |
| Artificial Analysis | GPT-6 Luna (High) GDPval-AA | 42.5% |
| Artificial Analysis | GPT-6 Luna (High) CritPt | 15.4% |
| Artificial Analysis | GPT-6 Luna (High) SciCode | 50.3% |
| Artificial Analysis | GPT-6 Luna (High) Terminal-Bench 4.0 | 4.5% |
| Artificial Analysis | GPT-6 Luna (High) AA-Omniscience Accuracy | 39.0% |
| Artificial Analysis | GPT-6 Luna (High) AA-Omniscience Non-Hallucination Rate | 15.1% |
| Artificial Analysis | GPT-6 Luna (Non-reasoning) Intelligence Index | 9,4 |
| Artificial Analysis | GPT-6 Luna (Non-reasoning) HLE | 8.6% |
| Artificial Analysis | GPT-6 Luna (Non-reasoning) AA-LCR | 39.7% |
| Artificial Analysis | GPT-6 Luna (Non-reasoning) GDPval-AA | 27.6% |
| Artificial Analysis | GPT-6 Luna (Non-reasoning) CritPt | 1.1% |
| Artificial Analysis | GPT-6 Luna (Non-reasoning) SciCode | 43.1% |
| Artificial Analysis | GPT-6 Luna (Non-reasoning) Terminal-Bench 4.0 | 1.5% |
| Artificial Analysis | GPT-6 Luna (Non-reasoning) AA-Omniscience Accuracy | 30.1% |
| Artificial Analysis | GPT-6 Luna (Non-reasoning) AA-Omniscience Non-Hallucination Rate | 20.0% |
| Artificial Analysis | GPT-6 Luna (Low) Intelligence Index | 9,7 |
| Artificial Analysis | GPT-6 Luna (Low) HLE | 20.3% |
| Artificial Analysis | GPT-6 Luna (Low) AA-LCR | 74.0% |
| Artificial Analysis | GPT-6 Luna (Low) GDPval-AA | 27.0% |
| Artificial Analysis | GPT-6 Luna (Low) CritPt | 2.6% |
| Artificial Analysis | GPT-6 Luna (Low) SciCode | 46.9% |
| Artificial Analysis | GPT-6 Luna (Low) Terminal-Bench 4.0 | 0.0% |
| Artificial Analysis | GPT-6 Luna (Low) AA-Omniscience Accuracy | 36.1% |
| Artificial Analysis | GPT-6 Luna (Low) AA-Omniscience Non-Hallucination Rate | 15.2% |
| Artificial Analysis | GPT-6 Luna (Medium) Intelligence Index | 18,5 |
| Artificial Analysis | GPT-6 Luna (Medium) HLE | 28.3% |
| Artificial Analysis | GPT-6 Luna (Medium) AA-LCR | 78.3% |
| Artificial Analysis | GPT-6 Luna (Medium) GDPval-AA | 38.5% |
| Artificial Analysis | GPT-6 Luna (Medium) CritPt | 10.6% |
| Artificial Analysis | GPT-6 Luna (Medium) SciCode | 50.9% |
| Artificial Analysis | GPT-6 Luna (Medium) Terminal-Bench 4.0 | 2.5% |
| Artificial Analysis | GPT-6 Luna (Medium) AA-Omniscience Accuracy | 38.7% |
| Artificial Analysis | GPT-6 Luna (Medium) AA-Omniscience Non-Hallucination Rate | 14.7% |
| Artificial Analysis | GPT-6 Luna (Max) Intelligence Index | 27,9 |
| Artificial Analysis | GPT-6 Luna (Max) HLE | 38.5% |
| Artificial Analysis | GPT-6 Luna (Max) AA-LCR | 83.3% |
| Artificial Analysis | GPT-6 Luna (Max) GDPval-AA | 47.2% |
| Artificial Analysis | GPT-6 Luna (Max) CritPt | 19.4% |
| Artificial Analysis | GPT-6 Luna (Max) SciCode | 54.6% |
| Artificial Analysis | GPT-6 Luna (Max) Terminal-Bench 4.0 | 12.6% |
| Artificial Analysis | GPT-6 Luna (Max) AA-Omniscience Accuracy | 39.6% |
| Artificial Analysis | GPT-6 Luna (Max) AA-Omniscience Non-Hallucination Rate | 20.7% |
| Artificial Analysis | GPT-6 Luna (Xhigh) Intelligence Index | 23,5 |
| Artificial Analysis | GPT-6 Luna (Xhigh) HLE | 34.3% |
| Artificial Analysis | GPT-6 Luna (Xhigh) AA-LCR | 80.0% |
| Artificial Analysis | GPT-6 Luna (Xhigh) GDPval-AA | 43.7% |
| Artificial Analysis | GPT-6 Luna (Xhigh) CritPt | 17.4% |
| Artificial Analysis | GPT-6 Luna (Xhigh) SciCode | 51.7% |
| Artificial Analysis | GPT-6 Luna (Xhigh) Terminal-Bench 4.0 | 8.1% |
| Artificial Analysis | GPT-6 Luna (Xhigh) AA-Omniscience Accuracy | 38.6% |
| Artificial Analysis | GPT-6 Luna (Xhigh) AA-Omniscience Non-Hallucination Rate | 16.0% |
| Vals AI | GPT-6 Luna BioMysteryBench | 61.5% |
| Vals AI | GPT-6 Luna ClaimBench | 99.2% |
| Vals AI | GPT-6 Luna Code Migration v1.1 | 46.7% |
| Vals AI | GPT-6 Luna CyberBench v1.1 | 76.3% |
| Vals AI | GPT-6 Luna EMB v1.1 | 70.0% |
| Vals AI | GPT-6 Luna Finance Agent v2.1 | 56.8% |
| Vals AI | GPT-6 Luna Vals Finance Index | 53.1% |
| Vals AI | GPT-6 Luna Financial Coaching Bench | 65.2% |
| Vals AI | GPT-6 Luna HLAB-Vals-1.1 | 4.2% |
| Vals AI | GPT-6 Luna Immigration | 62.5% |
| Vals AI | GPT-6 Luna IOI | 55.6% |
| Vals AI | GPT-6 Luna Vals Legal Index | 62.2% |
| Vals AI | GPT-6 Luna Legal Research Bench | 30.3% |
| Vals AI | GPT-6 Luna MedCode | 44.7% |
| Vals AI | GPT-6 Luna MedScribe | 83.7% |
| Vals AI | GPT-6 Luna MysteryMechanism | 19.4% |
| Vals AI | GPT-6 Luna ProgramBench | 0.5% |
| Vals AI | GPT-6 Luna ProofBench v1.1 | 64.0% |
| Vals AI | GPT-6 Luna Public Benefits Bench v1.1 | 57.6% |
| Vals AI | GPT-6 Luna SAGE | 83.4% |
| Vals AI | GPT-6 Luna Vals Science Index | 28.4% |
| Vals AI | GPT-6 Luna SRE Bench | 2.7% |
| Vals AI | GPT-6 Luna SWE-bench Multimodal | 37.5% |
| Vals AI | GPT-6 Luna Tax Agent Bench | 19.9% |
| Vals AI | GPT-6 Luna Terminal-Bench 4.0 | 13.6% |
| Vals AI | GPT-6 Luna Terminal-Bench-Science | 4.3% |
| Vals AI | GPT-6 Luna Vals Index | 52.3% |
| Vals AI | GPT-6 Luna Vibe Code Bench v1.1 | 81.6% |
Applications
Applications publiques qui envoient le plus de trafic à ce modèle. Un bon indicateur des charges de travail réelles en production — et un aperçu des cas d’usage auxquels ce modèle convient le mieux.
Pas encore assez de données sur les applications utilisant ce modèle.
Activité
Volume de jetons et trafic des requêtes vers ce modèle au fil du temps.
API
Code prêt à l’emploi pour appeler ce modèle. L’API d’OpenRouter est compatible avec OpenAI — la plupart des SDK fonctionnent en remplaçant simplement l’URL de base. Seul le slug du modèle ci-dessous change d’un modèle à l’autre.
Actuellement indisponible via le routage dans la région UE. Documentation sur le routage intrarégional
Documentation
Guides, recueils de recettes, articles de blog et outils pour développer avec OpenAI: GPT-6 Luna (batch) sur OpenRouter.
- GPT-6 Migration GuideRecueil de recettes
- Reranking in RAG: How to Fix Bad Retrieval with a RerankerArticle de blog
- How to Benchmark LLMsArticle de blog
- How to Stop an AI Agent Stuck in an Infinite LoopArticle de blog
- MCP vs CLI vs Skills: What Each Costs in ContextArticle de blog
- LLM API Rate Limits: How to Fix OpenAI and Claude 429 ErrorsArticle de blog
- How to Get Structured Output from Any LLM: JSON Schema, Tool Calls, or a Decision ModelArticle de blog
- How to Build a Voice AI AgentArticle de blog
- Build an AI Code Reviewer with OpenRouterArticle de blog
- How to Extract Tables from a PDF with an LLMArticle de blog
Questions fréquentes
GPT-6 Luna is the fast, cost-efficient model in OpenAI's GPT-6 series, positioned below GPT-6 Sol. It is suited for high-volume and latency-sensitive workloads such as chat, classification, and lightweight agentic tasks, and at higher reasoning effort it can take on complex software engineering and computer-use tasks that previously called for a Sol-tier model.
La documentation de GPT-6 Luna (batch) sur OpenRouter comprend le guide de recettes GPT-6 Migration Guide, l’article de blog Reranking in RAG: How to Fix Bad Retrieval with a Reranker, l’article de blog How to Benchmark LLMs, l’article de blog How to Stop an AI Agent Stuck in an Infinite Loop, l’article de blog MCP vs CLI vs Skills: What Each Costs in Context, l’article de blog LLM API Rate Limits: How to Fix OpenAI and Claude 429 Errors, l’article de blog How to Get Structured Output from Any LLM: JSON Schema, Tool Calls, or a Decision Model, l’article de blog How to Build a Voice AI Agent, l’article de blog Build an AI Code Reviewer with OpenRouter et l’article de blog How to Extract Tables from a PDF with an LLM. Le guide de démarrage rapide présente les clés API et votre première requête, et la référence API répertorie tous les paramètres.
GPT-6 Luna (batch) coûte 0,05 $US/M de jetons d’entrée et 0,25 $US/M de jetons de sortie, avec des tarifs distincts pour Cache Read à 0,005 $US/M tokens, Cache Write à 0,0625 $US/M tokens et Web Search à 10,00 $US/1K calls.
GPT-6 Luna (batch) dispose d’une fenêtre de contexte de 1 050 000 jetons. Il prend en charge jusqu’à 128 000 jetons de complétion.
Oui. GPT-6 Luna (batch) accepte tools et tool_choice pour l’appel de fonctions. Il prend également en charge les sorties structurées via un schéma JSON dans response_format.
Oui. OpenAI met automatiquement en cache les prompts de 1024 jetons ou plus, et GPT-6 Luna (batch) facture une écriture en cache pour chaque prompt mis en cache, que le préfixe mis en cache soit relu ou non. Pour désactiver la mise en cache pour une requête, définissez prompt_cache_options.mode sur "explicit" à la racine de la requête et ne marquez aucun bloc de contenu avec prompt_cache_breakpoint. Le mode explicite désactive les points de rupture gérés par OpenAI, de sorte qu’une requête sans point de rupture défini par vos soins ne possède aucun préfixe pouvant être mis en cache et est facturée au tarif d’entrée normal. Consultez le guide de mise en cache des prompts.
GPT-6 Luna (batch) accepte fichiers tels que des PDF, images et texte en entrée et renvoie texte.
GPT-6 Luna (batch) est servi par 1 fournisseur sur OpenRouter : OpenAI.
GPT-6.1 Terra Pro, GPT-6.1 Terra, GPT-6 Luna Decisions et 58 de plus sont d’autres modèles de type texte de OpenAI.
GPT-6 Luna (batch) est sorti le 22 septembre 2026.