Gpt 5.6 Luna

定位简介

Gpt 5.6 是 OpenAI GPT-5.6 家族中 Luna 分支的对话式文本模型，定位为家族内速度最快、成本最经济的一档。它支持约 105 万 tokens 上下文与 12.8 万 tokens 单次输出，可接收图像输入，具备工具调用与工具结果续接能力，并提供从 none 到 max 共六档推理强度。兼容 OpenAI Chat Completions 与 Responses 两种协议，默认走 Responses。适合需要大批量、结构化文本处理，同时对延迟和调用成本敏感的开发者。

核心亮点

• 长输入长输出容量充裕——上下文窗口约 105 万 tokens、单次最大输出 12.8 万 tokens，长文档分析类任务无需切分拼接。
• 推理强度六档可调——reasoning effort 覆盖 none 到 max，简单任务关掉推理降本，难任务再逐档加码，同一模型兼顾吞吐与质量。
• 双协议接入，迁移成本低——同一模型同时提供 Chat Completions 与 Responses 协议，Responses 为默认，既有 OpenAI 代码改动量小。
• 原生支持图像输入与工具调用——多模态理解与 tools、工具结果续接开箱可用，适合搭建带外部数据源的自动化流程。

能力说明

长上下文文本生成与多轮对话：约 105 万 tokens 的上下文配合 12.8 万 tokens 输出上限，可整篇承接长文档后直接产出完整结果，减少分块调用带来的拼接成本。

可调推理强度：通过 reasoning.effort 在 none、low、medium、high、xhigh、max 间切换，开发者可按任务难度在响应质量与消耗之间做取舍。

工具调用与结果续接：支持在请求中传入 tools 并续接工具返回结果，便于把检索、计算、外部 API 等步骤编排进同一条对话链路。

图像输入的多模态理解：除文本外可接收图像输入，用于图文混合的抽取、描述与问答，无需额外接入独立视觉模型。

流式输出与双协议兼容：流式为必需模式，用量在终止事件中返回；Chat Completions 与 Responses 两种协议均可调用，接入方式可按现有技术栈选择。

适用场景

• 批量文本抽取、分类与摘要——对成本与延迟敏感的高频结构化任务，输入原始文本，产出结构化字段或摘要，可直接写入数据管道或检索库。
• 长文档问答与分析——投入合同、报告、代码仓库等长材料，产出跨章节的问答结果或分析结论，用于内部知识查询与调研辅助。
• 带工具调用的 Agent 工作流——由模型决定调用外部工具并续接结果，产出多步任务的可执行链路，用于自动化流程与业务集成。
• 图文混合理解——输入截图、扫描页与说明文字，产出描述或结构化信息，用于工单归类、内容审核等场景。

限制与选型建议

该分支参数受限：temperature、max_tokens、max_completion_tokens 与 max_output_tokens 均不可调，可调项集中在 reasoning.effort 与 tools；流式为必需模式，不支持非流式请求，接入非流式架构需改造。Luna 在 GPT-5.6 家族中定位最快最经济，复杂推理与高难度任务按官方分档更适合 Terra 或 Sol。Sol、Terra 与本条的能力和计费规则不同，需按分支分别选择。缓存写入单价高于普通输入，仅在缓存确实被复用时才具成本优势。