GPT-6 Luna через API: дешёвая GPT-6 для массовых текстовых задач

GPT-6 Luna — самая дешёвая модель линейки GPT-6 в каталоге Zukko: $0.04 за миллион входных токенов и $0.21 за миллион выходных. Её берут для массовых текстовых задач: классификации, разметки, коротких извлечений. Ниже — как подключить gpt-6 luna через api, какие у неё ограничения и сколько на практике стоит классифицировать 100 000 сообщений.

Цена GPT-6 Luna и соседи по линейке

Цены — в долларах за 1M токенов, на 2026-10-06.

У GPT запись в кэш отдельно не списывается: первый запрос целиком идёт по цене входа, поэтому в колонке записи прочерк. В колонке индекса прочерк значит, что значения индекса силы для модели у нас нет. Индекс силы — это Intelligence Index от Artificial Analysis, сводный балл по бенчмаркам; у GPT-6 Luna он 38, у GPT-6.1 Sol — 52. Официальная цена вендора за GPT-6 Luna — $0.1 / $0.5.

Актуальный список и цены — GET https://api.zukko.pro/v1/models или страница «Модели» в кабинете.

Что важно знать до подключения

• Картинки на вход не принимаются. Скриншоты, фото чеков, сканы — не для Luna. Для них нужна модель с поддержкой изображений, например gpt-6-sol или gpt-6.1-sol.
• Выход дороже входа примерно в пять раз (0.21 против 0.04). Модель выгодна там, где ответ короткий: метка, число, пара полей JSON.
• Кэш почти ничего не даёт. Чтение кэша стоит $0.038 против $0.04 за обычный вход — разница 5%. Не стройте экономику задачи на кэше.
• Контекст 1M токенов, так что длинные тексты влезут, но каждый токен входа оплачивается.

Как подключить GPT-6 Luna через API

Модель работает в OpenAI-совместимом формате: base URL https://api.zukko.pro/v1, ключ fetch_... из кабинета. Проверка через curl:

curl https://api.zukko.pro/v1/chat/completions \
  -H "Authorization: Bearer fetch_ваш_ключ" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-6-luna",
    "messages": [
      {"role": "system", "content": "Определи тональность отзыва: позитивный, негативный или нейтральный. Ответь одним словом."},
      {"role": "user", "content": "Доставили на день позже, но курьер извинился и всё целое."}
    ]
  }'

В Python достаточно официального SDK openai:

from openai import OpenAI

client = OpenAI(base_url="https://api.zukko.pro/v1", api_key="fetch_ваш_ключ")

resp = client.chat.completions.create(
    model="gpt-6-luna",
    messages=[{"role": "user", "content": "Выдели город из адреса: ул. Ленина 5, Казань, 420000"}],
)
print(resp.choices[0].message.content)
print(resp.usage.prompt_tokens, resp.usage.completion_tokens)

Если приложение уже работает с OpenAI, менять нужно только base_url, ключ и имя модели. Подробнее — в документации по Python↗ и по chat/completions↗.

Расчёт: классификация 100 000 сообщений

Типичная задача: разложить обращения в поддержку по пяти категориям. Допущения для расчёта:

• системный промпт с инструкцией и списком категорий — 300 токенов;
• среднее сообщение клиента — 150 токенов;
• ответ — метка категории, около 10 токенов.

Формула:

Подставляем для GPT-6 Luna:

• вход: 100 000 × (300 + 150) = 45 000 000 токенов → 45 × $0.04 = $1.80
• выход: 100 000 × 10 = 1 000 000 токенов → 1 × $0.21 = $0.21
• итого: $2.01

Тот же объём на других моделях (те же 45M входа и 1M выхода):

Вывод честный: внутри линейки GPT Luna заметно дешевле Sol, но среди всех дешёвых моделей каталога она не самая дешёвая. Если вам не принципиально оставаться на GPT, сравните её с Gemini 3.8 Flash и DeepSeek V4.1 Flash на своих данных — расчёты по всем дешёвым моделям собраны в статье о самых дешёвых моделях для массовых задач↗.

Где расчёт может разойтись с реальностью

• Длина ответа. Если модель вместо метки пишет объяснение на 100 токенов, выход вырастет до 10 000 000 токенов: 10 × $0.21 = $2.10, а итог — $1.80 + $2.10 = $3.90. Требуйте в промпте «только метку» и проверяйте completion_tokens.
• Токенизация. 150 токенов на сообщение — допущение. Реальное число зависит от языка и длины текстов.
• Кэш системного промпта. Даже если все 300 токенов промпта будут читаться из кэша, это 30 000 000 токенов × $0.038 = $1.14 вместо 30 × $0.04 = $1.20, то есть $0.06 на весь объём. Короткие промпты к тому же могут вообще не попадать в кэш. Для GPT-моделей кэш виден в поле prompt_tokens_details.cached_tokens.

Надёжный способ — прогнать 200–500 реальных сообщений, сложить prompt_tokens и completion_tokens из ответов и умножить на 100 000 / размер выборки.

Скрипт для массовой классификации

Пример с параллельными запросами, повтором при 429 и подсчётом стоимости по фактическому usage:

import csv
import time
from concurrent.futures import ThreadPoolExecutor
from openai import OpenAI, RateLimitError

client = OpenAI(base_url="https://api.zukko.pro/v1", api_key="fetch_ваш_ключ")

CATEGORIES = ["оплата", "доставка", "возврат", "технический вопрос", "другое"]
SYSTEM = (
    "Ты классифицируешь обращения клиентов. Ответь только одной категорией из списка: "
    + ", ".join(CATEGORIES)
    + ". Без пояснений."
)

Общего ограничения частоты у Zukko нет: 429 приходит либо при исчерпанном лимите ключа (key_daily_limit_reached / key_monthly_limit_reached, повторять бесполезно), либо при ограничении у провайдера модели. Число потоков подбирайте постепенно: если часто приходит 429 от провайдера, уменьшите max_workers. О том, как организовать большой поток запросов, — в статье про массовую обработку без упора в лимиты↗.

Когда GPT-6 Luna — хороший выбор

• Задача текстовая, ответ короткий и проверяемый: метка, да/нет, поле из текста.
• Вы уже работаете с GPT-моделями и хотите вынести рутину на модель подешевле без смены формата и промптов.
• На вашей выборке Luna даёт приемлемую точность. Индекс 38 — ниже, чем у GPT-6.1 Sol (52), поэтому сравните обе модели на одних и тех же 50–100 примерах с правильными ответами и посчитайте долю совпадений.

Если точности не хватает, следующий шаг по линейке — GPT-6 Sol или GPT-6.1 Sol, но сначала пересчитайте бюджет по таблице выше.

Чтобы попробовать, создайте ключ в кабинете и прогоните пробную выборку — на 500 сообщений по нашим допущениям уйдёт около одного цента.

Частые вопросы

Можно ли отправить GPT-6 Luna картинку?

Нет, картинки на вход эта модель не принимает. Для изображений используйте модель с поддержкой, например gpt-6-sol или gpt-6.1-sol.

Чем GPT-6 Luna отличается от GPT-5.6 Luna по цене?

GPT-6 Luna — $0.04 / $0.21 за 1M токенов, GPT-5.6 Luna — $0.06 / $0.3. На нашем примере классификации это $2.01 против $3.00. У GPT-5.6 Luna дешевле чтение кэша ($0.013), это может иметь значение при длинных повторяющихся промптах.

Работает ли GPT-6 Luna через Anthropic-формат?

Да, любую модель можно вызвать в любом формате, шлюз конвертирует запрос. Но для массовых скриптов проще OpenAI SDK.

Как не потратить лишнего на большом прогоне?

Заведите для прогона отдельный ключ с дневным лимитом в долларах и allowed_models только с gpt-6-luna, и сначала прогоните выборку, чтобы проверить реальный расход токенов.