GPT-6 Luna は、定型的な大量処理タスク向けに設計された OpenAI で最も効率的なモデルです。GPT-6 Luna は 1,050,000 トークンのコンテキストウィンドウを読み込み、最大 128,000 トークンを出力し、テキストと画像を受け付け、推論 effort を none から max まで調整できます。reAPI では GPT-6 Luna を OpenAI の公表価格より安く、トークン単位で課金します。
入力欄のプロンプトから始めるか、例を選んでください。
クレジット制 — 1クレジット = 0.001 USD。完了した生成のみお支払いいただきます。
最安ティアで 1K トークンのプロンプトと 1K トークンの回答。
| カテゴリ | 標準 · 最大 272K トークンまでのプロンプト | 長いコンテキスト · 272K トークンを超えるプロンプト |
|---|---|---|
| 入力 | $0.080 料金 · 1M tokens | $0.160 料金 · 1M tokens |
| 出力 | $0.400 料金 · 1M tokens | $0.600 料金 · 1M tokens |
| キャッシュ読み取り | $0.008 料金 · 1M tokens | $0.160 料金 · 1M tokens |
| キャッシュ書き込み | $0.100 料金 · 1M tokens | $0.200 料金 · 1M tokens |
GPT-6 Luna は、OpenAI の GPT-6 シリーズで最も効率的なモデルで、定型的な大量処理タスク向けに作られています。GPT-6 Luna はテキストと画像を入力として受け付け、テキストを出力します。チケットの振り分け、文書からの項目抽出、コンテンツのタグ付け、リクエストのルーティングなど、1 日に何千回も繰り返され、各呼び出しに明確で検証可能な答えがあり、トークン単価がコストを左右する作業に向いています。reAPI では、GPT-6 Luna を OpenAI 互換の Chat Completions エンドポイントで提供し、トークン単位で課金します。
このモデルで構築して本番に出せる、実際のワークフローとユースケースをご紹介します。
届いたサポートチケット、メール、フォーム入力を固定のラベル一覧と一緒に GPT-6 Luna に送り、ラベル 1 つと短い理由を返すよう指示します。ラベルの種類は少なく保ち、system メッセージで定義しておくと、数百万回の呼び出しでも GPT-6 Luna の結果が安定します。単純な振り分けは低い推論 effort で GPT-6 Luna を動かし、サンプルを人手のラベルと照合し、判断に迷うケースは担当者やより大きなモデルに回します。
API ドキュメントを読む
請求書、領収書、契約書、スクリーンショットを GPT-6 Luna に渡し、システムに必要な項目だけを返すよう指示します。構造化出力を使えば応答を JSON スキーマに固定でき、画像入力によりスキャンしたページや撮影した領収書もそのまま渡せます。GPT-6 Luna は指定した形で返します。台帳や顧客に渡す前に、値を自社の記録と照合してください。
大きなワークフローの手前に GPT-6 Luna を置き、各リクエストに何が必要か（どのチーム、どのツール、どのモデルか）を判断させます。短いプロンプト、選択肢の一覧、reasoning_effort を none にした関数呼び出しで、GPT-6 Luna の判断は素早くなります。難しいケースは GPT-6 Sol に渡し、トラフィックの大部分は GPT-6 Luna が受け持ちます。
OpenAI は GPT-6 Luna を GPT-6 シリーズで最も効率的なモデルと位置付けており、公表されているトークン単価は GPT-6 Sol を大きく下回ります。reAPI はその公表価格よりさらに安く GPT-6 Luna を課金します。タグ付け、情報抽出、チケットの振り分けなど呼び出し回数が数百万単位になる処理では、トークン単価が請求額を決めるため、最初に試すべきモデルは GPT-6 Luna です。
効率的だからといってウィンドウが小さいわけではありません。OpenAI は GPT-6 Luna について、GPT-6 Sol と同じ 1,050,000 トークンのコンテキストウィンドウ、最大 922,000 入力トークン、最大 128,000 出力トークンを公表しています。必要なら GPT-6 Luna は長い文書を 1 回の呼び出しで読み込み、少ないトークンで答えられます。
reAPI では、GPT-6 Luna の推論 effort は none から max までの 6 段階で、既定値は medium です。単純な GPT-6 Luna の分類や抽出処理なら none か low で足りることが多く、難しい判断にはより高い設定を使えます。推論トークンは出力として課金されるため、精度目標を満たす設定を測定し、その中で最も低いものを使ってください。
GPT-6 Luna と GPT-6 Sol のコンテキスト上限と出力上限は同じです。違いは役割にあり、GPT-6 Luna は効率的な大量処理、GPT-6 Sol は複雑なコーディングとエージェント向けです。
出典：OpenAI のモデルドキュメント（2026 年 9 月 24 日確認）。公式仕様は測定された品質差を示すものではありません。ご自身のタスクで両方を試してください。
reAPI にサインインし、API keys でキーを作成します。同じキーで GPT-6 Luna とプラットフォーム上のほかのすべてのモデルを利用でき、1 つの残高から課金されます。
開くベース URL を https://reapi.ai/api/v1 に設定し、作成したキーを使います。OpenAI Chat Completions に対応したクライアントなら、SDK を変えずに GPT-6 Luna を呼び出せます。
開くmodel フィールドを gpt-6-luna にして messages を送信します。精度目標を満たす最も低い reasoning_effort を選んでください。tools を含むリクエストはどの設定でも使えます。
開く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
}'送信時に同期的に拒否され、問題のフィールドが示されます。列挙値・範囲・URL フィールドを確認してください。課金は発生しません。
401 は Bearer キーの欠落または無効、402 は仮押さえ額が残高を超過。キーとクレジットはコンソールで管理できます。
参照素材と生成結果は自動審査を通過します。拒否されたタスクは明確なエラーで失敗し、全額返金されます。
失敗状態に達したタスクは課金されません。仮押さえは自動返金されます。タスク ID を保持して再試行してください。
このモデルに関するよくある質問。
