curl --request POST "https://gptproto.com/v1/chat/completions" \
--header "Authorization: Bearer $GPTPROTO_API_KEY" \
--header "Content-Type: application/json" \
--data '{
"model": "gpt-6-luna",
"messages": [
{
"role": "user",
"content": "Hello"
}
]
}'Chat, agents de codage et travail documentaire. Facturé par million de tokens — l'entrée, l'entrée en cache et la sortie sont facturées séparément. GPTProto est 20 % en dessous des tarifs officiels.
| Scénario | Liste OpenAI | OpenRouter | GPTProto | Économies / mois |
|---|---|---|---|---|
| Personnel10M tokens / mois (4.8M en cache) | $1.37 | $1.44 | $1.09 | −$0.27≈ $3.28 / an |
| Équipe100M tokens / mois (48M en cache) | $13.68 | $14.43 | $10.94 | −$2.74≈ $32.83 / an |
| Entreprise500M tokens / mois (240M en cache) | $68.40 | $72.16 | $54.72 | −$13.68≈ $164.16 / an |
OpenAI · 1.05M context · $0.08/M input · $0.4/M output
Bytedance · 262K context · $0.0971/M input · $0.9714/M output
Bytedance · 262K context · $0.0971/M input · $0.9714/M output
Créez des flux de travail applicatifs reproductibles avec Luna, de l’étiquetage de messages d’assistance à l’extraction de détails produit et à la gestion de petites étapes d’agent. Testez la précision sur des entrées réelles, puis comparez la latence, les nouvelles tentatives et le coût total avant de transférer une charge de travail à fort volume vers ce niveau.
Conçu pour les tâches répétitives
Utilisez Luna pour un travail ciblé exécuté de nombreuses fois : classer des requêtes, extraire des champs, résumer des éléments sélectionnés ou rédiger de courtes réponses. Mesurez la précision sur vos propres exemples avant d’augmenter le volume.
Contexte de 1,05 M de tokens
Le modèle accepte jusqu’à 1 050 000 tokens de contexte et prend en charge jusqu’à 128 000 tokens de sortie. Récupérez uniquement le contenu utile pour chaque requête ; une grande fenêtre est une limite de capacité, pas une longueur de prompt recommandée.
Raisonnement ajustable
Choisissez none, low, medium (par défaut), high, xhigh ou max en amont. Commencez par un petit ensemble de tâches et comparez les résultats terminés, la latence et l’utilisation de tokens à différents niveaux d’effort.
Résultats textuels structurés
OpenAI documente les sorties structurées, le streaming et l’appel de fonctions pour Luna. Utilisez ces capacités pour des flux de travail d’extraction ou d’application lorsqu’elles sont prises en charge par la route GPTProto ; validez la réponse avant de l’écrire dans votre base de données.
GPT-6 Luna est le modèle d'OpenAI axé sur l'efficacité pour les travaux répétitifs à gros volume. Son ID de modèle API publié est gpt-6-luna. Le modèle accepte du texte et des images en entrée et produit du texte ; c'est un modèle hébergé, et non un téléchargement open source. OpenAI mentionne le streaming, les sorties structurées et l'appel de fonctions parmi ses capacités en amont.
Luna est un premier candidat pour les requêtes limitées : étiquettes de tickets, réponses fondées sur du texte récupéré, ou attributs de produit. Pour les plans ambigus, les modifications multi-fichiers ou les exécutions d'agents plus longues, testez aussi GPT-6 Sol. Choisissez en fonction du coût par tâche accomplie, et non du tarif par token seul.
| Spécification publiée | GPT-6 Luna |
|---|---|
| ID de modèle OpenAI | gpt-6-luna |
| Fenêtre de contexte | 1,050,000 tokens |
| Sortie maximale | 128,000 tokens |
| Entrée / sortie | Texte et image / texte |
| Effort de raisonnement | none, low, medium (par défaut), high, xhigh, max |
| Sorties structurées / streaming | Pris en charge en amont |
| Fine-tuning | Non pris en charge |
Une longue fenêtre de contexte ne garantit pas la réussite sur une tâche à long terme. Décomposez le travail en étapes vérifiables, sauvegardez l'état en dehors du prompt et comptez les tentatives lors de la comparaison des coûts.
Chat et classification à haut volume. Acheminez les messages étroitement définis vers Luna. Fournissez des définitions de catégories ou un court extrait de connaissances, puis testez la précision et le temps de réponse sur des entrées réelles.
Extraction structurée. Extrayez des champs à partir de descriptions de produits ou de messages clients. Demandez un schéma, validez les champs dans votre application et examinez les cas incertains.
Étapes de codage et d'agent limitées. Expliquez une fonction, rédigez un test ciblé ou résumez le résultat d'un outil. Votre application exécute les outils et les tests ; escaladez les modifications difficiles ou les échecs répétés vers Sol.
Le tableau indique les tarifs texte standard en amont à contexte court d'OpenAI, et non les prix GPTProto. Consultez le panneau de tarification en direct de cette page pour le tarif facturé par GPTProto. Les trois modèles publient une fenêtre de contexte de 1,050,000 tokens et une sortie maximale de 128,000 tokens.
| Modèle | Entrée / sortie OpenAI par 1M tokens | Bon premier test |
|---|---|---|
| GPT-5.6 Luna | $0.20 / $1.20 | Référence de charge de travail existante ; conservez-la jusqu'à ce que les tests de migration réussissent. |
| GPT-6 Luna | $0.10 / $0.50 | Tâches répétables où le coût et le temps de réponse comptent. |
| GPT-6 Sol | $2.00 / $10.00 | Tâches nécessitant un raisonnement plus fort ou des boucles d'agent plus longues. |
Les tarifs catalogue de GPT-6 Luna d'OpenAI sont 50 % inférieurs pour l'entrée et environ 58 % inférieurs pour la sortie par rapport aux tarifs actuels de GPT-5.6 Luna. Cela compare les prix des tokens, et non la qualité. Au-delà de 272,000 tokens d'entrée, des tarifs en amont plus élevés pour le contexte long s'appliquent à l'ensemble de la requête ; consultez les règles de facturation de GPTProto pour les gros travaux.
Exécutez un échantillon de tâches représentatif sur GPT-5.6 Luna, GPT-6 Luna et Sol. Comparez les réponses acceptées, les tentatives, la latence et la charge totale. Définissez une règle d'escalade. Pour les appels d'outils avec raisonnement activé, vérifiez le point de terminaison : OpenAI recommande Responses, tandis que Chat Completions n'autorise l'appel de fonctions qu'avec reasoning_effort: "none". Vérifiez la route de GPTProto dans le Quick Start.
Guides, comparaisons et mises à jour liés à ce modèle.
Tous les articles
Comparez les six meilleurs fournisseurs d'API LLM en 2026 selon l'accès aux modèles, la structure tarifaire, la vitesse, la compatibilité, la gouvernance et l'expérience développeur.
Qu'est-ce que GPT-6 Sol ? Consultez son statut de lancement, ses fonctionnalités annoncées, sa tarification, ses tests de codage et sa comparaison avec GPT-6 Astra et GPT-5.6 Sol.
Comparez 6 API LLM abordables pour les agents IA selon le prix, l'appel d'outils, la vitesse, le contexte et le coût par tâche réussie afin de choisir le bon modèle en 2026.
Qwen3.8-Flash-Next vs GLM-5.3 Flash : comparaison pour le codage, les agents, le travail frontend, la vitesse, la tarification, le contexte, les licences et l'utilisation en production.
