GPT-5.6 Luna: giá, cửa sổ ngữ cảnh và chi phí credit

Câu trả lời ngắn gọn

GPT-5.6 Luna là mô hình của OpenAI với giá $0.2 cho mỗi triệu token đầu vào và $1.2 cho mỗi triệu token đầu ra, cùng cửa sổ ngữ cảnh 1M token. Một câu trả lời tiêu chuẩn, tức 1,000 token đầu vào và 500 token đầu ra, tốn $0.0008. Trong Whizi, nó tốn 1 credit mỗi tin nhắn và cần gói Pro trở lên.

Điều đó khiến nó trở thành một trong những mô hình rẻ hơn trong danh mục: 63 trong số 89 mô hình có giá đắt hơn mỗi câu trả lời, và 25 mô hình rẻ hơn.

GPT-5.6 Luna có giá bao nhiêu

Giá công bố là mức nhà cung cấp tính theo mỗi token. Chi phí của một câu trả lời tiêu chuẩn là con số hữu ích hơn, vì nó định giá cùng một đơn vị công việc trên mọi mô hình, bất kể mỗi mô hình được tính phí theo cách nào.

Giá là mức công bố của OpenAI theo OpenRouter, cập nhật lần cuối 2026-08-20. Bộ dữ liệu đầy đủ bao gồm cả 100 mô hình từ 29 nhà cung cấp là chỉ số chi phí mô hình AI, miễn phí sử dụng lại kèm ghi nguồn.

Chi phí trong Whizi

Whizi tính tin nhắn theo credit thay vì token, và GPT-5.6 Luna được tính 1 credit mỗi tin nhắn. Chi phí không thay đổi theo độ dài tin nhắn hay câu trả lời, vậy nên một câu hỏi ngắn và một phân tích tài liệu dài đều tốn như nhau.

GPT-5.6 Luna được bao gồm từ gói Pro trở lên. Pro là một tầng được tuyển chọn kỹ chứ không phải mọi thứ rẻ tiền: một hoặc hai mô hình chủ lực hiện tại của mỗi dòng, mỗi tầng tốc độ nhanh, và các mô hình chủ lực khối lượng lớn. Xem gói và giới hạn.

So sánh về giá

So với mô hình rẻ nhất trong chỉ số, Ling-3.0-flash với giá $0.000053 mỗi câu trả lời, GPT-5.6 Luna đắt hơn 15 lần. So với mức trung bình, Kimi K2 0711 với giá $0.0017, nó rẻ hơn 2.1 lần.

Những mô hình gần nhất của nó từ OpenAI:

Đây là mô hình OpenAI rẻ nhất trong chỉ số có giá, vậy nên trong phạm vi nhà cung cấp này không có gì rẻ hơn để chuyển sang.

Cửa sổ ngữ cảnh trong thực tế

GPT-5.6 Luna nhận tối đa 1M token ngữ cảnh, tương đương khoảng 1600 trang văn bản. Con số này cao hơn nhiều so với mức trung bình của danh mục có giá.

Ngữ cảnh được công bố và ngữ cảnh dùng được thực tế không giống nhau. Khả năng ghi nhớ thường giảm trước khi đạt đến giới hạn công bố, đặc biệt với nội dung nằm ở giữa một đầu vào dài, vậy nên cách kiểm tra thực tế là tải lên một tài liệu dài và hỏi về điều gì đó nằm ở giữa, thay vì tin vào con số.

Con số này quan trọng nhất khi bạn làm việc với tài liệu của riêng mình. Nếu một tài liệu quá dài với mô hình bạn chọn, việc chuyển sang mô hình có ngữ cảnh lớn hơn trong cùng cuộc hội thoại sẽ giữ nguyên mạch trò chuyện, vậy nên bạn không phải bắt đầu lại. Xem chuyển đổi mô hình giữa cuộc hội thoại.