GPT Image 2.5 Flare & Sunburst sont disponibles sur EvoLinkEssayer GPT Image 2.5
EvoLink.AIEvoLink.AI

GPT-6 Luna API

Accédez à GPT-6 Luna de OpenAI — aussi recherché sous GPT 6 Luna / gpt-6-luna — via l'API de chat unifiée d'EvoLink. Testez le routage à faible latence, la sortie structurée, l'usage d'outils avant d'intégrer.

OpenAIGénération de texteDisponible
à partir de $0.092 / 1M tokens d’entrée$0.100 prix officiel-9%
Documentation API
Chat CompletionsResponses APIEffort de raisonnementCache de promptsSorties structurées
Route productionLive
Contexte
1.05M de contexte · 128K de sortie max.
Idéal pour
Classification, extraction, routage et sous-agents à grand volume
Entrée
Texte + images
Sortie
Texte · JSON (sortie structurée) · appels d'outils
ModèlesTarifsReadmeAPI

Choisir GPT-6 Luna

Un seul model ID exact sur l’intégration compatible OpenAI. Les tarifs contexte court et contexte long des quatre rôles de tokens figurent sur la carte.

GPT-6 Luna

Le modèle GPT-6 le plus efficient d’OpenAI pour les tâches ciblées à fort volume.

Sélectionné
ID du modèle
gpt-6-luna
Idéal pour

Classification, extraction, routage et appels de sous-agents à fort volume, là où la latence et le coût comptent le plus

< 272K
Entrée
$0.092 / 1M-9%
6.2 cr / 1M$0.100prix officiel
Lecture cache
$0.0089 / 1M-12%
0.6 cr / 1M$0.010prix officiel
Écriture cache
$0.114 / 1M-9%
7.7 cr / 1M$0.125prix officiel
Sortie
$0.450 / 1M-10%
30.6 cr / 1M$0.500prix officiel
≥ 272K
Entrée
$0.183 / 1M-9%
12.4 cr / 1M$0.200prix officiel
Lecture cache
$0.018 / 1M-12%
1.2 cr / 1M$0.020prix officiel
Écriture cache
$0.227 / 1M-9%
15.4 cr / 1M$0.250prix officiel
Sortie
$0.675 / 1M-10%
45.9 cr / 1M$0.750prix officiel

Tous les tarifs sont par 1M de tokens, en USD et en crédits, et reflètent la tarification actuelle de votre compte. Au-delà de 272K tokens de prompt, le palier long contexte s'applique : ×2 pour l'entrée et les rôles de cache, ×1.5 pour la sortie.

Tarifs GPT-6 Luna

Estimez le coût d'une requête GPT-6 Luna avant l'intégration. Le calculateur utilise les tarifs actuels de votre compte ; les prix officiels servent de référence.

Calculateur de requête

Saisissez la répartition des tokens d'une requête et le nombre d'appels d'outils réussis.

Coût estimé par requête

GPT-6 Luna
Tarif contexte court
USD$0.0003
Crédits0.0156

Estimation officielle $0.0003 · économie $0.0001 (9%)

Tokens d'entrée0.0062 cr
Tokens lus en cache0.0002 cr
Tokens écrits en cache0 cr
Tokens de sortie0.0092 cr

Facturation minimale : 0.01 crédit par requête. À partir de 272K tokens de prompt, l'entrée et les rôles de cache sont facturés ×2, la sortie ×1.5. Les appels d'outils ne sont pas multipliés.

Guide budgétaire

Nombre approximatif de requêtes avec la répartition actuelle.
Ajouter des crédits
$10
Environ 41666 requêtes

Pour des tests rapides

$50
Environ 217948 requêtes

Pour le développement courant

$100
Environ 435897 requêtes

Pour l'évaluation en production

Tarifs des outils côté serveur

Seuls les appels côté serveur réussis sont facturés à l'appel ; les tentatives échouées n'ont pas de frais d'outil, mais les tokens restent facturés.
  • Recherche web$0.010/ appel0.68 cr / appel

API GPT-6 Luna

Le modèle GPT-6 le plus efficient d’OpenAI pour les tâches ciblées à fort volume — classification, extraction, routage et sous-agents — disponible via une seule clé API EvoLink avec Chat Completions et Responses.

GPT-6 Luna est servi sur EvoLink sous l'ID de modèle gpt-6-luna via Chat Completions · Responses, avec la même clé API et le même solde que tous les autres modèles. Il offre une fenêtre de contexte de 1.05M et jusqu'à 128K tokens de sortie, ainsi que le routage à faible latence, la sortie structurée, l'usage d'outils.

GPT-6 Luna

Spécifications et capacités de GPT-6 Luna

Les chiffres proviennent de la configuration de route EvoLink ; les capacités sont celles que l'API expose aujourd'hui.

Fenêtre de contexte
1.05M tokens
Sortie max.
128K tokens
Entrée
Texte + images
Sortie
Texte · JSON (sortie structurée) · appels d'outils
Raisonnement
Effort de raisonnement configurable
Usage d'outils
Appels de fonctions avec séquences d'outils multi-étapes
Cache de prompt
Tarifs écriture + lecture de cache
Palier long contexte
×2 entrée / ×1.5 sortie au-delà de 272K tokens de prompt
Protocoles
Chat Completions · Responses
ID du modèle
gpt-6-luna

À quoi GPT-6 Luna convient le mieux

Un seul model ID exact pour des appels ciblés et répétables à grande échelle ; confiez les tâches de code ouvertes et le travail d’agents à GPT-6 Sol ou GPT-6 Astra. OpenAI rapporte qu’à effort élevé il égale la factualité de GPT-5.6 Sol pour environ un centième du coût par tâche, avec un taux de tromperie de 2,8 % contre 9,5 % pour GPT-5.6 Luna (chiffres de l’éditeur).

Classer et router à grande échelle

Étiqueter tickets, intentions et documents avec des prompts courts ; reasoning_effort none limite la latence et les tokens de sortie.

Extraire des données structurées

Transformer e-mails, formulaires et journaux en JSON avec les sorties structurées, et valider le schéma avant d’écrire dans vos systèmes.

Exécuter des sous-agents sous un modèle plus grand

Déléguer à Luna des sous-tâches ciblées depuis GPT-6 Sol ou GPT-6 Astra, et garder la planification et l’orchestration sur le modèle le plus puissant.

Réutiliser les longs prompts grâce au cache

Placer les instructions stables et les exemples en début de prompt pour que les appels répétés soient facturés en lectures de cache plutôt qu’en entrée au plein tarif.

Deux façons d'utiliser GPT-6 Luna : API EvoLink ou Agent

Utilisez l'API EvoLink pour les backends produit et les traitements par lots, ou appelez GPT-6 Luna depuis Codex, Claude ou Gemini pour vos workflows de code et d'analyse. Les deux voies partagent la même clé API EvoLink, le même solde, le même ID de modèle et le même historique de requêtes.

Option 1

Intégrer avec l'API EvoLink

Idéal pour : backends produit, traitements par lots, pipelines automatisés

Envoyez à EvoLink des requêtes Chat Completions compatibles OpenAI (ou Anthropic Messages) et contrôlez l'ID de modèle, le prompt système, le budget de sortie, les outils et la sortie structurée.

  1. 1Créez une clé API EvoLink dans la console
  2. 2Pointez votre SDK OpenAI ou Anthropic vers l'URL de base EvoLink et sélectionnez l'ID de modèle affiché ci-dessus
  3. 3Envoyez une requête représentative et lisez le champ usage pour les tokens d'entrée, en cache et de sortie
  4. 4Définissez max_tokens et les réessais par tâche ; conservez les ID et résultats des appels d'outils entre les tours
Créer une clé API EvoLink
Option 2

L'appeler avec un Agent

Idéal pour : tâches de code, de revue et d'analyse dans Codex, Claude et Gemini

Donnez à l'Agent la tâche, les entrées à inclure et les critères d'acceptation. Il assemble la requête, appelle GPT-6 Luna via EvoLink et renvoie la réponse avec la consommation de tokens.

  1. 1Définissez EVOLINK_API_KEY dans votre environnement local ; jamais dans le code ni dans un prompt
  2. 2Décrivez la tâche, les entrées à inclure et le format de sortie attendu
  3. 3Demandez à l'Agent d'appeler GPT-6 Luna via EvoLink et d'afficher la requête avant l'envoi
  4. 4Laissez l'Agent rapporter la réponse, la consommation de tokens et tout corps d'erreur

Exemple de code API GPT-6 Luna et gestion des erreurs

Cet exemple montre la requête exécutable la plus courte : un appel Chat Completions compatible OpenAI avec un prompt système, un message utilisateur et un budget de sortie. Ouvrez l'onglet API pour la référence complète des paramètres et réponses.

Voir la documentation API complète
cURL
curl -X POST https://api.evolink.ai/v1/chat/completions \
  -H "Authorization: Bearer $EVOLINK_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-6-luna",
    "messages": [
      { "role": "system", "content": "Classify the support ticket as billing, bug, or how-to. Reply with JSON only." },
      { "role": "user", "content": "My invoice shows two charges for the same month." }
    ],
    "reasoning_effort": "none",
    "response_format": { "type": "json_object" },
    "max_tokens": 200
  }'

# Use the exact ID gpt-6-luna on both Chat Completions and Responses.
# reasoning_effort accepts none, low, medium (default), high, xhigh, and
# max; none skips reasoning for the lowest latency and cost, and reasoning
# tokens at other levels are billed as output. On Chat Completions, function
# calling works only with reasoning_effort set to none.

Requête invalide ou paramètre non pris en charge

Vérifiez l'ID de modèle, le tableau messages et les plages de paramètres dans la référence API ; retirez les champs que cette route ne prend pas en charge.

Problème d'authentification ou de solde

Vérifiez le jeton Bearer Authorization et confirmez le solde disponible dans la console.

Longueur de contexte dépassée

Les tokens du prompt dépassent la fenêtre de contexte de GPT-6 Luna. Réduisez ou ne récupérez que les éléments pertinents et réutilisez les préfixes en cache.

Limite de débit (429)

Attendez et réessayez avec un délai aléatoire ; regroupez ou mettez en file d'attente les requêtes au lieu de rafales parallèles.

Contenu ou appel d'outil rejeté

Vérifiez le contenu sensible, les arguments d'appel d'outil mal formés et les écarts de schéma JSON avant de réessayer.

Avant de passer GPT-6 Luna en production

Quatre vérifications qui décident du coût et de la stabilité.

01

Choisir l’ID de modèle GPT-6 Luna exact

Utilisez gpt-6-luna sur Chat Completions et Responses ; il n’existe pas d’alias générique gpt-6.

Obligatoire
02

Commencer avec reasoning_effort none

Partez de none pour la classification et l’extraction, et n’augmentez l’effort que là où l’évaluation montre un gain de qualité ; les tokens de raisonnement sont facturés comme sortie.

Recommandé
03

Choisir l’endpoint pour les appels d’outils

Utilisez Responses pour les outils intégrés et l’appel de fonctions ; sur Chat Completions, l’appel de fonctions ne fonctionne qu’avec reasoning_effort none.

Obligatoire
04

Prévoir le seuil de 272K et mesurer avec usage

Au-delà de 272K tokens de prompt, toute la requête passe au tarif long contexte ; rapprochez le coût depuis l’objet usage avant de monter en charge.

Recommandé

Cache de prompt en quatre parties

L’entrée non cachée, les lectures de cache, les écritures de cache et la sortie sont réglées séparément à partir de l’objet d’usage final. Les écritures de cache ne sont pas refacturées comme entrée ordinaire.

Seuil de contexte long

Au-delà de 272K tokens de prompt, l’entrée et les deux rôles de cache passent à 2× et la sortie à 1,5× pour la requête entière.

GPT-6 Luna face à GPT-6 Sol et GPT-5.6 Luna

EvoLink

Comparez GPT-6 Luna avec GPT-6 Sol et GPT-5.6 Luna selon les prix EvoLink par 1M de tokens.

GPT-6 Luna
Prix EvoLink / 1M (entrée / sortie)$0.092 / $0.45
Fenêtre de contexte1.05M
Cache de promptLecture + écriture de cache
Idéal pourClassification, extraction, routage et appels de sous-agents à fort volume, là où la latence et le coût comptent le plus
GPT-6 Sol
Prix EvoLink / 1M (entrée / sortie)$1.8 / $9
Fenêtre de contexte1.05M
Cache de promptLecture + écriture de cache
Idéal pourCode complexe et workflows agentiques, un palier au-dessus
GPT-5.6 Luna
Prix EvoLink / 1M (entrée / sortie)$0.181 / $1.081
Fenêtre de contexte1.05M
Cache de promptLecture + écriture de cache
Idéal pourPalier Luna de la génération précédente pour les routes à fort volume et sensibles au coût

Les prix en contexte de base reflètent les tarifs actuels de votre compte ; les visiteurs non connectés voient les tarifs Default. Les multiplicateurs long contexte figurent dans la section Tarifs.

Famille de modèles GPT

Même clé API, même solde : changez de palier sans toucher à l’intégration.

Comparer tous les modèles GPT
GPT-6.1 Terra

GPT-6.1 Terra

Raisonnement visuel, computer use et rédaction rapides et efficaces

Voir le modèle
GPT-6.1 Sol

GPT-6.1 Sol

Nouveau Sol pour le code multi-fichiers et les agents sur Responses

Voir le modèle
GPT-6 Astra

GPT-6 Astra

Le modèle le plus capable d’OpenAI pour le travail de bout en bout le plus difficile

Voir le modèle

Autres modèles texte sur EvoLink en plus de GPT-6 Luna

Gemini 3.5 Flash-Lite

Gemini 3.5 Flash-Lite

Le modèle Flash Lite le moins coûteux de Google, avec entrée multimodale, conçu pour les charges à fort volume, sensibles à la latence ou par lots.

Voir le modèle
DeepSeek V4.1 Flash

DeepSeek V4.1 Flash

Route DeepSeek Flash avec entrée texte et image, fenêtre de contexte de 1M et thinking configurable.

Voir le modèle
GLM-5.3 Flash

GLM-5.3 Flash

Le palier multimodal orienté volume de la génération GLM-5.3 de Z.ai, avec une fenêtre de contexte de 1M de tokens.

Voir le modèle
Grok 4.5

Grok 4.5

Modèle xAI de raisonnement et d’outils avec une fenêtre de contexte de 500K et des outils côté serveur facturés à l’usage.

Voir le modèle

Pour aller plus loin avec GPT-6 Luna

Date de sortie et déploiement de GPT-6 Luna

Date de sortie et déploiement de GPT-6 Luna

Sorti le 22 septembre 2026 ; déploiement par canal et ce qu’OpenAI rapporte sur la factualité et le coût par tâche

Lire le guide
GPT-6 Luna vs GPT-5.6 Luna

GPT-6 Luna vs GPT-5.6 Luna

Prix catalogue divisé par deux, moins d’erreurs rapportées, la règle d’appel d’outils sur Chat Completions et un critère de migration par coût par enregistrement accepté

Lire le guide
Guide de l’API GPT-6 (Astra)

Guide de l’API GPT-6 (Astra)

Premier appel, effort de raisonnement, règles de facturation 272K et cache communes à la famille GPT-6

Lire le guide
GPT-6 Luna Decisions API

GPT-6 Luna Decisions API

Le même modèle sur le point de terminaison Decisions d’OpenAI : réponses de probabilité, de choix et de score pour la classification et le routage, facturées uniquement sur les tokens d’entrée

Lire le guide

API GPT-6 Luna – FAQ

Quel model ID utiliser ?

Utilisez gpt-6-luna. Il n’existe pas d’alias générique gpt-6, et le même ID fonctionne sur Chat Completions et Responses.

Combien coûte GPT-6 Luna sur EvoLink ?

Les tarifs par défaut d’EvoLink sont de $0.092 en entrée et $0.450 en sortie par 1M de tokens, contre $0.100 / $0.500 au catalogue OpenAI. Les lectures de cache coûtent $0.0089 et les écritures $0.114 par 1M de tokens ; les utilisateurs connectés voient les tarifs de leur propre compte.

Comment l’entrée en cache est-elle facturée ?

Les lectures et les écritures de cache sont des segments de tokens distincts. Aucun n’est refacturé comme entrée ordinaire.

Quand les tarifs contexte long s’appliquent-ils ?

Lorsque le total des tokens de prompt dépasse 272 000, la requête entière utilise les multiplicateurs de contexte long : 2× pour l’entrée et les deux rôles de cache, 1,5× pour la sortie.

Quels niveaux d’effort de raisonnement sont pris en charge ?

reasoning_effort sur Chat Completions et reasoning.effort sur Responses acceptent none, low, medium (par défaut), high, xhigh et max. none omet le raisonnement pour la latence et le coût les plus faibles ; les niveaux supérieurs consomment des tokens de raisonnement, facturés comme sortie.

Puis-je utiliser l’appel de fonctions sur Chat Completions ?

Uniquement avec reasoning_effort réglé sur none. Pour les outils intégrés, ou pour l’appel de fonctions avec un effort de raisonnement plus élevé, appelez la Responses API avec le même ID gpt-6-luna.

Quels sont la fenêtre de contexte et la sortie maximale ?

GPT-6 Luna dispose d’une fenêtre de contexte de 1 050 000 tokens, avec jusqu’à 922 000 tokens d’entrée et jusqu’à 128 000 tokens de sortie par requête.

Faut-il migrer ma file de GPT-5.6 Luna vers GPT-6 Luna ?

GPT-6 Luna conserve le contexte de 1,05M, la sortie de 128K et les six niveaux de raisonnement de GPT-5.6 Luna, à la moitié du prix catalogue OpenAI, avec des connaissances plus récentes (18 mai 2026). OpenAI rapporte qu’à effort élevé il égale la factualité de GPT-5.6 Sol pour environ un centième du coût par tâche, avec un taux de tromperie de 2,8 % contre 9,5 % pour GPT-5.6 Luna ; ce sont des chiffres de l’éditeur. Rejouez vos propres enregistrements et décidez sur le coût par enregistrement accepté, pas le prix par token ; le guide GPT-6 Luna vs GPT-5.6 Luna ci-dessous fournit le jeu d’acceptation par champ et le seul changement de contrat à vérifier d’abord : l’appel de fonctions sur Chat Completions exige reasoning_effort none.

GPT-6 Luna, Sol ou Astra : lequel utiliser ?

Luna pour les appels ciblés à haut volume comme la classification, l’extraction, le routage et les sous-agents ; le code complexe et les agents pilotés par outils vers GPT-6 Sol ; le raisonnement et la recherche de bout en bout les plus durs vers GPT-6 Astra. Les trois partagent le contexte de 1,05M, la même intégration et la même règle 272K, donc vous pouvez répartir le trafic par tâche avec une seule clé API. La page collection GPT les compare côte à côte.