Kann ich GPT-6 Luna jetzt auf reAPI nutzen?

Ja. Erstellen Sie einen reAPI-API-Key und senden Sie Anfragen an https://reapi.ai/api/v1/chat/completions mit dem Modell gpt-6-luna. Der Playground auf dieser Seite sendet echte GPT-6-Luna-Anfragen, die von Ihrem Guthaben abgerechnet werden, und die API-Dokumentation listet alle unterstützten Parameter.

Ist GPT-6 Luna kostenlos oder kostenpflichtig?

Kostenpflichtig. GPT-6 Luna wird pro Token von Ihrem reAPI-Guthaben abgerechnet, mit eigenen Preisen für Input, Output, Cache-Lesevorgänge und Cache-Schreibvorgänge. Es gibt kein GPT-6-Luna-Monatsabo: Sie laden Guthaben auf und zahlen nur für die Tokens, die jede Anfrage verbraucht. Die aktuellen GPT-6-Luna-Preise stehen in der Preistabelle auf dieser Seite.

Wie bekomme ich einen GPT-6-Luna-API-Key?

Melden Sie sich bei reAPI an, erstellen Sie unter API Keys einen Key und senden Sie ihn mit jeder GPT-6-Luna-Anfrage, wie in der API-Dokumentation gezeigt. Derselbe Key ruft GPT-6 Luna, GPT-6 Sol und jedes andere Modell auf reAPI auf, abgerechnet über ein Guthaben.

Wofür eignet sich GPT-6 Luna?

GPT-6 Luna eignet sich für klar umrissene Aufgaben in großem Volumen: Tickets klassifizieren, Felder aus Dokumenten extrahieren, Inhalte taggen, kurze Texte zusammenfassen und Anfragen an das passende Tool oder Modell routen. Das sind Anwendungsvorschläge, keine gemessenen Benchmarks — testen Sie GPT-6 Luna zuerst an einer gelabelten Stichprobe Ihres eigenen Traffics.

Wie groß ist das Kontextfenster von GPT-6 Luna?

OpenAI nennt für GPT-6 Luna ein Kontextfenster von 1.050.000 Tokens, bis zu 922.000 Input-Tokens und bis zu 128.000 Output-Tokens — dieselben Grenzen wie bei GPT-6 Sol. Prompts mit mehr als 272K Input-Tokens werden für die gesamte Anfrage zu den Long-Context-Preisen abgerechnet.

Kann GPT-6 Luna Bilder lesen?

Ja. GPT-6 Luna nimmt Bilder zusammen mit Text entgegen, was bei Belegen, gescannten Formularen, Screenshots und Produktfotos hilft. Senden Sie Bilder als öffentliche URLs in image_url-Content-Parts. Die Ausgabe von GPT-6 Luna ist ausschließlich Text.

Welche Reasoning-Stufen unterstützt GPT-6 Luna?

OpenAI nennt für GPT-6 Luna none, low, medium, high, xhigh und max, Standard ist medium. Auf reAPI akzeptiert GPT-6 Luna alle sechs über reasoning_effort in Chat Completions. Reasoning-Tokens werden als Output abgerechnet, weniger Effort ist also auch günstiger.

Unterstützt GPT-6 Luna Function Calling?

Ja, GPT-6 Luna unterstützt Function Calling. OpenAI empfiehlt für eingebaute Tools mit GPT-6 Luna die Responses API; im Chat-Completions-Endpunkt von reAPI funktioniert Function Calling mit jedem Wert von reasoning_effort, nicht nur mit none. Ihre Anwendung führt die zurückgegebenen tool_calls aus und sendet jedes Ergebnis in der nächsten Anfrage zurück.

Soll ich GPT-6 Luna oder GPT-6 Sol verwenden?

Beginnen Sie mit GPT-6 Luna bei klar definierten, wiederkehrenden Aufgaben, deren Antworten leicht zu prüfen sind und bei denen die Kosten pro Aufruf zählen. Nutzen Sie GPT-6 Sol für komplexes Coding, mehrstufige Agenten und offene Analysen. Viele Teams routen nach Schwierigkeit: GPT-6 Luna übernimmt den Großteil des Traffics und gibt die schweren Fälle an GPT-6 Sol ab.

Kann GPT-6 Luna strukturierte Daten zurückgeben?

Ja. OpenAI führt Structured Outputs als Funktion von GPT-6 Luna, und response_format mit striktem JSON-Schema funktioniert auf reAPI. Ein Schema garantiert die Form der Antwort, nicht die Richtigkeit der Werte — prüfen Sie extrahierte Daten daher, bevor Sie sie speichern.

GPT-6 Luna — effizientes Modell für große Volumen

GPT-6 Luna ist das effizienteste Modell von OpenAI für klar umrissene Aufgaben in großem Volumen. GPT-6 Luna liest ein Kontextfenster von 1.050.000 Tokens, gibt bis zu 128.000 Tokens aus, verarbeitet Text und Bilder und lässt den Reasoning-Effort von none bis max einstellen. Auf reAPI wird GPT-6 Luna pro Token abgerechnet, unter dem veröffentlichten OpenAI-Preis.

Kernmerkmale: 1,05M Kontext · 128K Output · sechs Effort-Stufen
Geeignet für: Klar umrissene Aufgaben in großem Volumen
Eingabe: Text und Bilder
Ausgabe: Text, optionales Streaming

GPT-6 Luna· Chat Completions

GPT-6 Luna fragen

Beginne mit dem Text im Eingabefeld oder wähle ein Beispiel.

Preise

Credit-basiert — 1 Credit = 0,001 USD. Du zahlst nur für erfolgreich abgeschlossene Generierungen.

Kosten des ersten Tests

$0.00050.48 credits

Ein 1K-Token-Prompt mit einer 1K-Token-Antwort in der günstigsten Stufe.

Testbudget-Leitfaden

Credits aufladen

$10

≈ 20833 Tests

$50

≈ 104166 Tests

$100

≈ 208333 Tests

Kategorie	Standard · Prompts bis 272K Tokens	Long Context · Prompts über 272K Tokens
Input	$0.080 Preis · 1M tokens	$0.160 Preis · 1M tokens
Output	$0.400 Preis · 1M tokens	$0.600 Preis · 1M tokens
Cache-Lesevorgang	$0.008 Preis · 1M tokens	$0.160 Preis · 1M tokens
Cache-Schreibvorgang	$0.100 Preis · 1M tokens	$0.200 Preis · 1M tokens

Was ist GPT-6 Luna?

GPT-6 Luna ist das effizienteste Modell der GPT-6-Reihe von OpenAI, gebaut für klar umrissene Aufgaben in großem Volumen. GPT-6 Luna verarbeitet Text und Bilder und gibt Text aus. GPT-6 Luna passt zu Arbeit, die sich tausendfach am Tag wiederholt — Tickets sortieren, Felder aus Dokumenten ziehen, Inhalte taggen, Anfragen routen —, bei der jeder Aufruf eine klare, überprüfbare Antwort hat und der Preis pro Token zählt. Auf reAPI wird GPT-6 Luna über den OpenAI-kompatiblen Chat-Completions-Endpunkt bereitgestellt und pro Token abgerechnet.

Was du mit diesem Modell bauen kannst

Echte Workflows und produktionsreife Use Cases, die du mit diesem Modell bauen und ausliefern kannst.

GPT-6-Luna-Klassifizierungsposter: Karten werden in beschriftete Ablagen sortiert

GPT-6 Luna für Klassifizierung: jedes Ticket einordnen

Senden Sie GPT-6 Luna jedes eingehende Support-Ticket, jede E-Mail oder jeden Formulareintrag zusammen mit einer festen Liste von Labels und fordern Sie ein Label plus kurze Begründung an. Halten Sie die Label-Liste klein und definieren Sie sie in der System-Nachricht, damit die Ergebnisse von GPT-6 Luna über Millionen von Aufrufen konsistent bleiben. Betreiben Sie GPT-6 Luna für einfaches Sortieren mit niedrigem Reasoning-Effort, prüfen Sie Stichproben gegen menschliche Labels und leiten Sie unsichere Fälle an eine Person oder ein größeres Modell weiter.

API-Dokumentation lesen

GPT-6-Luna-Extraktionsposter: ein Dokument wird in strukturierte Felder umgewandelt

GPT-6 Luna für Extraktion: aus Dokumenten Felder machen

Geben Sie GPT-6 Luna Rechnungen, Belege, Verträge oder Screenshots und fordern Sie genau die Felder an, die Ihr System braucht. Mit Structured Outputs binden Sie die Antwort an ein JSON-Schema, und dank Bildeingabe kann eine gescannte Seite oder ein fotografierter Beleg direkt hinein. GPT-6 Luna liefert die angeforderte Struktur; prüfen Sie die Werte gegen Ihre eigenen Daten, bevor sie in eine Buchhaltung oder zu einem Kunden gelangen.

GPT-6-Luna-Routingposter: Anfragen werden auf drei Wege verteilt

GPT-6 Luna für Routing: den nächsten Schritt schnell entscheiden

Stellen Sie GPT-6 Luna vor einen größeren Workflow und lassen Sie entscheiden, was jede Anfrage braucht: welches Team, welches Tool, welches Modell. Ein kurzer Prompt, eine Liste von Optionen und Function Calling mit reasoning_effort auf none halten jede Entscheidung von GPT-6 Luna schnell. Geben Sie die schweren Fälle an GPT-6 Sol weiter und lassen Sie GPT-6 Luna den Großteil des Traffics übernehmen.

Warum reAPI für GPT-6 Luna

GPT-6 Luna ist für Volumen bepreist

OpenAI positioniert GPT-6 Luna als effizientestes GPT-6-Modell, und der veröffentlichte Preis pro Token liegt weit unter dem von GPT-6 Sol. reAPI rechnet GPT-6 Luna noch einmal unter diesem veröffentlichten Preis ab. Bei Workloads mit Millionen von Aufrufen — Tagging, Extraktion, Triage — entscheidet der Preis pro Token über die Rechnung, deshalb ist GPT-6 Luna das erste Modell, das Sie testen sollten.

GPT-6 Luna behält den vollen GPT-6-Kontext

Effizienz heißt nicht kleineres Fenster. OpenAI dokumentiert für GPT-6 Luna dasselbe Kontextfenster von 1.050.000 Tokens, maximal 922.000 Input-Tokens und maximal 128.000 Output-Tokens wie für GPT-6 Sol. GPT-6 Luna kann ein langes Dokument in einem Aufruf lesen, wenn die Aufgabe es verlangt, und dann mit wenigen Tokens antworten.

GPT-6-Luna-Reasoning pro Anfrage einstellen

Auf reAPI bietet GPT-6 Luna alle sechs Reasoning-Effort-Stufen von none bis max, Standard ist medium. Einfache GPT-6-Luna-Jobs für Sortierung und Extraktion kommen oft mit none oder low aus; schwierigere Entscheidungen vertragen mehr. Reasoning-Tokens werden als Output abgerechnet — messen Sie also, welche Stufe Ihr Genauigkeitsziel hält, und verwenden Sie die niedrigste, die es erreicht.

GPT-6 Luna vs. GPT-6 Sol

GPT-6 Luna und GPT-6 Sol haben dieselben Kontext- und Output-Grenzen. Der Unterschied liegt in der Aufgabe: GPT-6 Luna ist auf effiziente Arbeit in großem Volumen ausgelegt, GPT-6 Sol auf komplexes Coding und Agenten.

Dokumentiertes Merkmal

GPT-6 Luna

GPT-6 Sol

Modellkennung

gpt-6-luna

gpt-6-sol

Positionierung

Klar umrissene Aufgaben in großem Volumen

Komplexes Coding und Agenten-Workflows

Preis pro Token

Bei jedem Token-Typ niedriger

Bei jedem Token-Typ höher

Kontextfenster

1.050.000 Tokens

Maximaler Output

128.000 Tokens

Wissensstand

18. Mai 2026

20. April 2026

Quelle: OpenAI-Modelldokumentation, geprüft am 24. September 2026. Offizielle Spezifikationen belegen keinen gemessenen Qualitätsunterschied; testen Sie beide an Ihren eigenen Aufgaben.

GPT-6 Luna in drei Schritten nutzen

step 01
reAPI-API-Key erstellen
Melden Sie sich bei reAPI an und erstellen Sie unter API Keys einen Key. Derselbe Key erreicht GPT-6 Luna und jedes andere Modell der Plattform, abgerechnet über ein Guthaben.
Öffnen
step 02
Client auf reapi.ai richten
Setzen Sie die Base URL auf https://reapi.ai/api/v1 und verwenden Sie den neuen Key. Jeder Client, der bereits OpenAI Chat Completions spricht, kann GPT-6 Luna ohne SDK-Wechsel aufrufen.
Öffnen
step 03
gpt-6-luna als Modell senden
Setzen Sie das Feld model auf gpt-6-luna und senden Sie Ihre Messages. Wählen Sie den niedrigsten reasoning_effort, der Ihr Genauigkeitsziel erreicht; Anfragen mit Tools funktionieren auf jeder Stufe.
Öffnen

docs/api/gpt-6-luna

API-Referenz

Sofort einsetzbarer Code und die vollständige Parametertabelle.

Vollständige Referenz ansehen

curl https://reapi.ai/api/v1/chat/completions \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-6-luna",
    "messages": [
      { "role": "user", "content": "Hello" }
    ],
    "reasoning_effort": "medium",
    "max_completion_tokens": 16000,
    "stream": true
  }'

Parametervalidierung fehlgeschlagen

Synchron abgelehnt, das fehlerhafte Feld wird benannt. Enum-Werte, Bereiche und URL-Felder prüfen — es wird nichts berechnet.

Authentifizierung oder Guthaben

401 bedeutet fehlender/ungültiger Bearer-Key; 402 bedeutet, die Reservierung übersteigt das Guthaben. Keys und Credits in der Konsole verwalten.

Inhalt oder Material abgelehnt

Referenzmaterial und Ausgaben durchlaufen eine automatische Prüfung. Abgelehnte Tasks schlagen mit klarer Fehlermeldung fehl und werden voll erstattet.

Task fehlgeschlagen oder Timeout

Ein fehlgeschlagener Task wird nie berechnet — die Reservierung wird automatisch erstattet. Task-ID behalten und erneut versuchen.

Häufig gestellte Fragen

Häufige Fragen zu diesem Modell.

GPT-6 Luna ist das effizienteste GPT-6-Modell von OpenAI, gebaut für klar umrissene Aufgaben in großem Volumen. Es nimmt Text- und Bild-Inputs entgegen und gibt Text zurück. Die offizielle Modellkennung lautet gpt-6-luna. Auf reAPI wird GPT-6 Luna über den Chat-Completions-Endpunkt bereitgestellt und pro Token abgerechnet.

Bereit zum Start?

Probiere es im Playground aus oder hol dir einen API-Key, um direkt loszulegen.

API-Key holen API-Dokumentation ansehen