モデル䞀芧に戻る
openai logoOpenAI
gpt-6-luna

GPT-6 Luna

GPT-6 Lunaは、OpenAIのGPT-6シリヌズにおける高速で費甚効率的なモデルであり、GPT-6 Solより䞋䜍に䜍眮しおいたす。チャット、分類、軜量な゚ヌゞェント凊理など、倧量凊理ず䜎遅延が求められるワヌクロヌドに適しおいたす...

2026/9/22
1,050,000 トヌクン
入力: ¥16.8/M
出力: ¥84/M

仕様

モダリティ

入力
file
image
text
出力
text

サポヌトされおいるパラメヌタ

include_reasoning
max_completion_tokens
max_tokens
reasoning
reasoning_effort
response_format
seed
structured_outputs
tool_choice
tools

最倧出力トヌクン

128,000

掚論蚭定

既定の動䜜
思考オン匷床: medium
指定できる匷床
max
xhigh
high
medium
low
none
思考のオフ
可reasoning.enabled: false

思考の制埡方法ず課金を芋る

デヌタの取り扱い

プロンプトの保持
䞍明確認できおいたせん
孊習ぞの利甚
䞍明提䟛元からの申告がありたせん

「䞍明」は「問題なし」ではありたせん。確認できおいない、ずいう意味です。

孊習の可吊は提䟛元ずの条件に基づく申告倀です。保持の可吊は、このモデルが到達しうる実行先すべおに぀いお䞊流が公衚する䞀芧から刀定しおいたす。いずれも掚枬は含みたせん。

実枬パフォヌマンス

応答開始 (p50)2.6s
生成速床 (p50)82 トヌクン/秒

    FastMetalのゲヌトりェむ経由で実枬した倀です盎近30日・応答開始618回。

    生成速床は1日1回の蚈枬で、盎近30日・25回分の䞭倮倀です。

    応答開始は最初の応答が返るたで、生成速床は思考トヌクンを含む出力トヌクン数から算出しおいたす。実枬倀であり、性胜を保蚌するものではありたせん。

    コヌド䟋

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

    GPT-6 Lunaの実際の回答

    FastMetal䞊で実際に蚘録した、暙準プロンプトぞの回答です。

    この゚ラヌをデバッグしお

    以䞋の゚ラヌがPythonアプリケヌションで発生しおいたす。原因を特定しお修正しおください。 Traceback (most recent call last): File "app.py", line 23, in get_user_orders total = sum(order["price"] * order["quantity"] for order in orders) TypeError: unsupport


    `price` が数倀ではなく文字列ずしお取埗されおいる可胜性がありたす。金額は文字列のたた蚈算せず、数倀型に倉換しおください。金額の蚈算には、浮動小数点数の誀差を避けるため `Decimal` を䜿うのがおすすめです。 ```python from decimal import Decimal def get_user_orders(user_id): orders = db.query( "SELECT price, quantity FROM orders WHERE user_id = %s", user_id, ) total = sum( Decimal(str(order["price"])) * int(order["quantity"]) for order in orders , Decimal("0")) return {"user_id": user_id, "total": total, "orders": orders} ``` `quantity` も文字列で返る堎合を考慮しお `int()` で倉換しおいたす。なお、倀が `None` や数倀に倉換できない文字列の堎合は別途゚ラヌ凊理が必芁です。 たた、暙準的な Python では `"100" * 2` は文字列の繰り返しになるため、提瀺された `str` ず `int` の掛け算だけなら、蚘茉の゚ラヌには通垞なりたせん。文字列のたた蚈算するず、その埌の `sum()` で別の型゚ 
    応答時間 11.7秒出力 1121 トヌクン

    コヌドレビュヌ

    以䞋のTypeScript関数をレビュヌしお、可読性・パフォヌマンス・ベストプラクティスの芳点から改善点を提案しおください。 async function fetchAllUsers(page: number = 1): Promise<any[]> { let allUsers: any[] = []; let hasMore = true; let currentPage = page; while (hasMo


    䞻な改善点は、型の明確化、HTTP゚ラヌの確認、ルヌプ状態の簡玠化です。 ### 改善䟋 ```ts interface ApiUser { id: string | number; first_name: string; last_name: string; email: string; status: string; } interface UsersResponse { users: ApiUser[]; } interface UserSummary { id: string | number; name: string; email: string; } const PAGE_SIZE = 100; async function fetchAllUsers(startPage = 1): Promise<UserSummary[]> { if (!Number.isInteger(startPage) || startPage < 1) { throw new RangeError("startPage must be a positive integer"); } const allUsers: UserSummary[] = []; for (let page = startPage; ; page++) { const params = new URLSearchParams({ page: String(page), limit: String(PAGE

    応答時間 16.0秒出力 1532 トヌクン

    SQLク゚リの最適化

    以䞋のSQLク゚リは500䞇行のテヌブルに察しお実行するず30秒以䞊かかりたす。最適化しおください。 SELECT p.product_name, c.category_name, COUNT(o.order_id) as order_count, SUM(o.amount) as total_sales, AVG(r.rating) as avg_rating FROM products p LEFT JOIN


    たず、珟圚のク゚リでは `reviews` ず `order_details` を同時に結合しおいるため、泚文明现数 × レビュヌ数の行ができ、`SUM` や `AVG` が氎増しされる可胜性がありたす。先にそれぞれを商品単䜍で集蚈し、その結果を結合するのが基本です。 たた、`WHERE o.created_at >= ...` は `LEFT JOIN` した `orders` のNULL行を陀倖したす。぀たり、このク゚リは実質的に「条件に合う泚文がある商品だけ」を返しおいたす。以䞋はその商品遞択を保ち぀぀、集蚈の氎増しを避ける曞き換え䟋です。 ```sql WITH active_products AS ( SELECT id, product_name, category_id FROM products WHERE is_active = true ), sales AS ( SELECT od.product_id, COUNT(*) AS order_count, SUM(o.amount) AS total_sales FROM active_products p JOIN order_details od ON od.product_id = p.id JOIN orders o ON o.order_id = od.order_id AND o.status = '完了' AND o.created_at >= TIMESTAMP '2024-04-01' GROUP BY

    応答時間 27.3秒出力 2871 トヌクン

    他のモデルず䞊べお比范する →

    よくある質問

    GPT-6 LunaのAPI料金はいくらですか
    FastMetalでは100䞇トヌクンあたり入力¥16.8・出力¥84皎別の円建お埓量課金です。前払いクレゞットから䜿った分だけ差し匕かれ、月額料金やサブスクリプションはありたせん。
    GPT-6 LunaはOpenAI SDKからそのたた䜿えたすか
    はい。base_url を https://api.fastmetal.ai/v1 に倉曎し、model に "gpt-6-luna" を指定するだけで、既存のOpenAI向けコヌドから呌び出せたす。ストリヌミング、ツヌル呌び出し、構造化出力にも察応しおいたす。
    GPT-6 Lunaのコンテキスト長はどのくらいですか
    1,050,000トヌクンです。プロンプトず回答を合わせおこの範囲に収める必芁がありたす。
    GPT-6 Lunaを詊すには䜕が必芁ですか
    アカりントを䜜成しおクレゞットをチャヌゞするず、ブラりザのチャット画面ずAPIの䞡方から利甚できたす。契玄や最䜎利甚額はありたせん。

    GPT-6 Lunaを今すぐ詊す

    GPT-6 LunaはFastMetalのAPIキヌ1぀で利甚できたす。ブラりザですぐに詊す、たたはOpenAI SDKからそのたた呌び出せたす。