返回模型列表
GPT-5.6 Terra 與 GPT-5.6 Luna 比較
GPT-5.6 Terra 與 GPT-5.6 Luna 比較：在 TokenLab 上並排比較定價、上下文窗口、最大輸出與功能。
該選哪一個
若您需要處理日常的程式編寫、寫作與分析，且希望有一個勝任的中間層級，請選擇 GPT-5.6 Terra。若您需要處理快速、高容量的工作（如分類、提取與路由），且快速回答比深度推理更重要，請選擇 GPT-5.6 Luna。兩者皆可讀取文字與影像、呼叫工具並返回結構化 JSON。當 Luna 開始無法完成任務時，Terra 是您應升級使用的模型；而當容量是限制因素時，則應使用 Luna。
價格比較
| GPT-5.6 Terra | GPT-5.6 Luna | |
|---|---|---|
| 模型供應商 | OpenAI | OpenAI |
| 交付可用性 | 可用 | 可用 |
| 上下文視窗 | 1.05M | 1.05M |
| 最大輸出長度 | 128K | 128K |
| Official 定價 | 輸入$2.00每 1M Token輸出$12.00每 1M Token | 輸入$0.20每 1M Token輸出$1.20每 1M Token |
| TokenLab 價格 | 輸入$0.60每 1M Token輸出$3.60每 1M Token | 輸入$0.06每 1M Token輸出$0.36每 1M Token |
| 模型效能 |
|
|
| 能力 | 兌換碼JSON 模式提示詞快取推理工具使用視覺辨識 | 兌換碼JSON 模式提示詞快取推理工具使用視覺辨識 |
選擇 GPT-5.6 Terra 的時機
- 您的任務需要真正的程式編寫或分析能力，而不僅僅是快速回答
- Luna 的結果在多步驟請求上表現不足
- 您希望為家族中的大多數工作設定一個預設值
選擇 GPT-5.6 Luna 的時機
- 您處理穩定、高容量的流量，且需要快速回覆
- 請求內容簡單：標記、提取、簡短摘要
- 您需要一個低成本的管線步驟，且仍能處理影像並呼叫工具
差異比較
| 評估項目 | GPT-5.6 Terra | GPT-5.6 Luna |
|---|---|---|
| 層級 | GPT-5.6 的平衡中間模型。 | GPT-5.6 中最小且最具成本效益的模型。 |
| 任務深度 | 在不產生旗艦級開銷的情況下，涵蓋大多數程式編寫與寫作工作。 | 旨在處理必須快速完成而非深度推理的工作。 |
| 失敗模式 | 能處理比 Luna 更艱難的多步驟請求。 | OpenAI 的家族指南建議在任務持續失敗時向上升級。 |
| 推理使用 | 可調整的推理能力同時服務於快速回覆與較慢的分析性任務。 | 可調整的推理能力讓簡單的任務可以跳過延伸思考。 |
| 介面 | 輸入文字與影像，輸出工具呼叫與經結構驗證的 JSON。 | 相同的請求介面，因此更改層級無需進行格式變更。 |
摘要
- GPT-5.6 Terra: 輸入 $0.60 / 輸出 $3.60 每 1M Token; GPT-5.6 Luna: 輸入 $0.06 / 輸出 $0.36 每 1M Token. 價格因計費單位、規格和用量而異。請在模型的詳細定價中比較相同條件下的費率；單一費率不代表總價。
FAQ
GPT-5.6 Terra 比 GPT-5.6 Luna 更好嗎？
Terra 是較高的層級，在較艱難的程式編寫與分析上表現更好。Luna 更適合簡單、高容量的任務，在這些任務中速度與低成本更為重要。
我可以從 Luna 切換到 Terra 而不更改提示詞嗎？
格式上可以，因為兩者皆接受文字與影像，並使用相同的工具與結構化輸出。為彌補 Luna 限制而編寫的提示詞，在 Terra 上可能是不必要的。
哪一個更適合分類與提取？
大多數情況下選擇 Luna，因為它專為快速、高容量工作而建，且能讀取影像並返回結構化 JSON。當文件雜亂或提取規則需要判斷時，請使用 Terra。
我應該結合使用它們嗎？
是的。將常規呼叫發送至 Luna 以進行快速、低成本的處理，並將驗證失敗或需要真正推理的請求路由至 Terra，因為它們共享相同的請求格式。
GPT-5.6 Terra 和 GPT-5.6 Luna，哪一個更便宜？
GPT-5.6 Terra: 輸入 $0.60 / 輸出 $3.60 每 1M Token; GPT-5.6 Luna: 輸入 $0.06 / 輸出 $0.36 每 1M Token. 價格因計費單位、規格和用量而異。請在模型的詳細定價中比較相同條件下的費率；單一費率不代表總價。
GPT-5.6 Terra 和 GPT-5.6 Luna 之間的主要區別是什麼？
這兩款模型具有相似的能力。
來源
更新於 2026年10月2日