2026 OpenAI GPT-5.6 Luna 官方 Token 价格表详解：输入输出缓存字段怎么读
OpenAI 官方最新 GPT-5.6 Luna 模型计费结构解析：输入/输出/缓存字段单位 $/M 及实际单价计算方法，对账必备指南。
GPT-5.6 Luna 是 OpenAI 推出的最快、最省钱模型之一，已于 2026 年 7 月正式上线 API。它的官方定价结构清晰，输入与输出按 $/M（每百万 tokens）计费，支持 Prompt Caching 缓存字段能大幅降低长期提示词的费用。
对账单、计算实际消耗、区分 ChatGPT Plus 与纯 API 支出时，这张价格表是必备工具。使用方式简单：登录 OpenAI 账号查看 Token 计数器，或对接 LiteLLM 等工具读取模型字段即可核对。
OpenAI GPT-5.6 Luna 官方定价入口及最新更新时间
定价信息来自 OpenAI 官方开发者平台 https://platform.openai.com/docs/pricing（或首页 https://openai.com/api/pricing），数据以挂牌日为准。
2026 年 7 月 30 日，OpenAI 对 GPT-5.6 Luna 进行 80% 价格下调，输入从更高档位降至 $0.20 / M，输出维持 $1.20 / M。缓存字段（Cached input）为 $0.02 / M（读入），写缓存（30 分钟或 12 小时）额外 $0.25 / M。
更新时间：2026 年 10 月 26 日（当前），GPT-6 Luna 模型已发布，但 GPT-5.6 Luna 仍在标准支持列表中，适用于大部分企业工作负载。
输入 token 与输出 token 官方价格字段详解
GPT-5.6 Luna 的核心计费字段如下（所有模型通用，适用于 Responses API、Chat Completions API 等）：
| 字段 | 单位 | 价格（$/M） |
|---|---|---|
| Input token | 每百万 tokens | 0.20 |
| Output token | 每百万 tokens | 1.20 |
| Cached input | 每百万 tokens | 0.02 |
这些字段直接对应开发者仪表盘显示的 “Tokens used” 和 “Total cost” 两列。输入 token 包括系统提示、用户提示和工具调用，输出 token 为生成内容。缓存字段仅对提示词重复部分生效，节省 90% 以上开销。
提示：实际计数使用官方 Token Counting 工具，与字段一致。
Prompt Caching 缓存价格及命中条件
Prompt Caching（提示词缓存）是 GPT-5.6 Luna 的核心优势之一。OpenAI 官方定义的缓存命中条件如下：
- Cached input：仅读入已缓存的提示词部分，价格 $0.02 / M（远低于正常输入）。
- Write caching：将新提示词存入缓存，价格 $0.25 / M（30 分钟或 12 小时有效）。
- 命中条件：提示词结构相似、重复率 > 80%，同一对话历史、工具调用参数固定时最易命中。
实际节省效果取决于对话长度：短对话（< 100 tokens）可能未命中，长上下文（> 50k tokens）可降低 80%+ 成本。缓存状态在 API 请求头中可见（x-llm-caching 或同类标识）。
Long Context vs Short Context 定价差异
GPT-5.6 Luna 支持 1.05M tokens 长上下文（Long Context），但定价无额外差异。官方明确：“Pricing above reflects standard processing rates for context lengths under 272K。” 长上下文不加价，但实际使用中需注意：
- 短上下文（< 128k）：标准定价。
- 长上下文：仍按输入 $0.20 / M 输出 $1.20 / M 计费，缓存字段同样适用。
- 实际单价计算：若全部为长上下文，整体 $/M 仍按字段计算，无 “Long Context surcharge”。
注意：跨渠道（如代理商）可能因路由或处理模式出现 ±10% 浮动，以官方挂牌为准。
如何用官方单价计算实际 $/M 消耗（示例）
实际消耗 =（输入 tokens + 输出 tokens）× 对应价格。缓存字段仅影响已缓存部分。
示例 1：普通对话（无缓存）
输入 1000 tokens，输出 200 tokens
成本 = (1000 + 200) × 0.20 + 200 × 1.20 = 1200 × 0.20 + 240 = $264
示例 2：使用 Prompt Caching（推荐）
输入 10,000 tokens（其中 8,000 已缓存），输出 500 tokens
成本 = (8,000 × 0.02 + 2,000 × 0.20) + 500 × 1.20 = 160 + 400 + 600 = $1,160
计算公式（移动端可用）：
实际成本 = Input × 0.20 + Output × 1.20 + Cached × 0.02
（写缓存额外按 30m/12h 写入次数计费）
建议每 1000 个请求跑一次官方 Token Counter 验证。
与其它 OpenAI 模型价格对照表
对比 GPT-5.6 Luna 与同系列模型（官方数据）：
| 模型 | Input ($/M) | Output ($/M) | Cached Input ($/M) | 备注 |
|---|---|---|---|---|
| GPT-5.6 Luna | 0.20 | 1.20 | 0.02 | 最省钱，长上下文强 |
| GPT-5.6 Sol | 4.00 | 20.00 | 0.40 | 旗舰推理模型 |
| GPT-6 Astra | 10.00 | 50.00 | 1.00 | 最强但贵 |
| GPT-6 Luna | 0.10 | 0.50 | 0.01 | GPT-6 系列新款 |
| gpt-4o | 2.50 | 10.00 | 0.50 | 老旗舰 |
Luna 在高频、低成本场景中表现最佳。
对账单时注意事项及常见误区
对账单时重点核对：
- ChatGPT Plus 与 API 分开：Plus 使用的是聊天模型定价，API 使用独立字段。
- 缓存字段单独列出：仪表盘会显示 “Cached” 列，避免漏算。
- Batch 处理：-50% 输入输出，但缓存字段不同。
- Data Residency：区域端点加 10% 上浮。
常见误区：
- 忽略缓存字段，把长对话当成全额输入计费。
- 跨渠道代理商虚标：LiteLLM 等工具显示的价可能高于官方，需对照真实仪表盘。
- 误认为所有模型都支持缓存：仅部分支持。
- 写缓存未算：新提示词首次存入缓存时多付 $0.25 / M。
风险与边界
风险：使用第三方修改器或本地 GPU 部署可能导致对不上账单、无法升级、API 封号或违反 OpenAI 服务条款。官方定价是唯一准确基准，任何绕过或自定义实现均无保障。
非法律意见声明：本文仅供参考，价格以 OpenAI 官方挂牌页面为准。实际消耗以开发者平台实时数据为准。本站不承担任何法律责任，仅帮助用户对账和规划支出。
延伸阅读
English summary
GPT-5.6 Luna is OpenAI’s fastest and most cost-efficient model in the GPT-5.6 family, released in July 2026 with an 80% price cut. Official pricing is $0.20 per million input tokens, $1.20 per million output tokens, and $0.02 per million for cached input. Prompt caching can cut costs by 80-90% on repeated prompts.
To reconcile your bills, always check the official pricing page at platform.openai.com/docs/pricing and the token counter in your OpenAI dashboard. Use the calculation formula: cost = (input + output) × respective rate, subtracting cached portion. This model is ideal for high-volume tasks compared to GPT-5.6 Sol or GPT-6 Astra.
Note that caching requires similar prompt structure, and long-context usage follows standard rates. For best results, verify actual token counts and costs directly in the dashboard rather than relying on third-party aggregators. This guide helps developers accurately forecast and control API spend.
（正文字数：约 2380，去除空白后中文为主）