GPT-5.6 Luna: harga, jendela konteks, dan biaya kredit

Jawaban singkat

GPT-5.6 Luna adalah model OpenAI yang diberi harga $0.2 per juta token input dan $1.2 per juta token output, dengan jendela konteks 1M token. Satu jawaban standar, yaitu 1.000 token masuk dan 500 token keluar, berharga $0.0008. Di dalam Whizi, biayanya 1 kredit per pesan dan membutuhkan paket Pro atau di atasnya.

Itu membuatnya salah satu model yang lebih murah dalam katalog: 63 dari 89 model berharga memiliki biaya per jawaban lebih tinggi, dan 25 lebih rendah.

Berapa biaya GPT-5.6 Luna

Tarif resmi adalah biaya yang dikenakan penyedia per token. Biaya satu jawaban standar adalah angka yang lebih berguna, karena menghargai unit kerja yang sama di semua model, apa pun cara penagihannya.

Harga adalah tarif resmi OpenAI sebagaimana dibawakan oleh OpenRouter, terakhir diperbarui pada 20 Agustus 2026. Kumpulan data lengkap yang mencakup 100 model dari 29 penyedia adalah indeks biaya model AI, yang bebas digunakan ulang dengan atribusi.

Berapa biayanya di dalam Whizi

Whizi mengukur pesan dalam kredit, bukan token, dan GPT-5.6 Luna dikenai biaya 1 kredit per pesan. Biayanya tidak berubah berdasarkan panjang pesan Anda atau panjang jawabannya, sehingga pertanyaan satu baris dan analisis dokumen panjang memiliki biaya yang sama.

GPT-5.6 Luna disertakan mulai dari paket Pro ke atas. Pro adalah tingkatan yang dikurasi, bukan sekadar yang termurah: satu atau dua model andalan terkini per keluarga model, setiap tingkat cepat, dan model kerja kelas volume tinggi. Lihat paket dan batasan.

Perbandingan harganya

Dibandingkan dengan model termurah dalam indeks, Ling-3.0-flash dengan $0.000053 per jawaban, GPT-5.6 Luna berbiaya 15 kali lebih mahal. Dibandingkan dengan median, Kimi K2 0711 dengan $0.0017, biayanya 2,1 kali lebih murah.

Model-model terdekatnya dari OpenAI:

Ini adalah model OpenAI termurah dalam indeks berharga, sehingga dari penyedia ini tidak ada lagi opsi yang lebih murah untuk dialihkan.

Jendela konteks dalam praktiknya

GPT-5.6 Luna menerima konteks 1M token, yang kira-kira setara 1600 halaman teks. Itu jauh di atas median untuk katalog berharga.

Konteks yang diklaim dan konteks yang benar-benar bisa dipakai bukan hal yang sama. Daya ingat model biasanya menurun sebelum batas yang disebutkan tercapai, terutama untuk materi di bagian tengah input yang panjang, sehingga uji praktisnya adalah mengunggah dokumen panjang dan menanyakan sesuatu yang terkubur di tengahnya, bukan sekadar percaya pada angka tersebut.

Angka ini paling penting saat Anda mengerjakan berkas Anda sendiri. Jika sebuah dokumen terlalu panjang untuk model yang Anda pilih, beralih ke model dengan konteks lebih besar dalam percakapan yang sama akan membawa serta alur pembicaraannya, sehingga Anda tidak perlu memulai dari awal. Lihat beralih model di tengah percakapan.