GPT-6 Luna 對上 Grok 4.6：價格差距達二十倍，而視窗才是真正的差異

把 GPT-6 Luna與Grok 4.6放在同一頁面上，第一個比較自然就成形了。Luna 的定價是每百萬輸入 token 0.10 美元、每百萬輸出 token 0.50 美元。Grok 4.6 的定價則是 2.00 美元與 6.00 美元，快取讀取為 0.50 美元。輸入貴二十倍、輸出貴十二倍，而快取輸入費率在該廠商的模型上更是高出五十倍。這是牌價，而單看牌價，答案毫無懸念。

之所以值得把這篇的其餘部分寫完，是因為這兩個模型在某件事上的分歧，比價格更具結構性。Grok 4.6 具備 500,000 個 token 的上下文視窗，一旦提示超過 200,000 個 token，就會將整筆請求重新計價。GPT-6 Luna 則具備 1,050,000 個 token，並在 272,000 個 token 時重新計價。這兩個門檻都是斷崖式門檻，而非邊際費率——一旦跨過其中一個，整筆請求都會以較高的數字計費，而不是只對超過門檻的那一部分計費。這兩個斷崖落在哪裡，以及長上下文工作負載落在各自門檻的不利一側時會發生什麼事，對這場比較的決定性影響，遠比二十倍的頭條數字更大。

兩個模型，兩種截然不同的姿態

Grok 4.6 是 xAI 於 2026 年 8 月 12 日推出的模型，屬於通用型前沿發布：文字進、文字出、500,000 個符元（token）的上下文視窗，在獨立評測排行榜上以高強度模式執行時，每項任務成本公佈為 1.86 美元，實測輸出速度為每秒 57.7 個符元。這是團隊會採用的那類模型，因為它在許多方面都表現出色，而且廠商推出新版本的速度很快。

GPT-6 Luna 則是截然相反的姿態。OpenAI 於 2026 年 9 月 22 日發布這款模型，作為 GPT-6 家族中的大量吞吐層級，位階低於每百萬 token 輸入 $2.00／輸出 $10.00 的 GPT-6 Sol，以及 $10.00／$50.00 的旗艦款 GPT-6 Astra。文字與圖像輸入、文字輸出，1,050,000 token 視窗，最大輸入 922,000 token，輸出上限 128,000 token，並提供從 none、low、medium、high、xhigh 到 max 的推理等級階梯，預設為 medium。它不是那種因為功能廣泛而被人採用的模型。它是你會墊在工作負載底下的模型。

所以誠實的說法不是「這幾者之中哪一個比較好」，而是「這幾者之中哪一個是為你手上工作的樣貌定價的」，而這兩種樣貌確實截然不同。

卡片，逐行

每個維度一行，每一行兩側都要顯示：

• 每 1M 輸入 — GPT-6 Luna $0.10 對比 Grok 4.6 $2.00

• 每 1M 輸出 — GPT-6 Luna $0.50 對比 Grok 4.6 $6.00

• 每 1M 快取輸入 — GPT-6 Luna $0.01 對比 Grok 4.6 $0.50，前者是其自身輸入費率的十分之一，後者則是 xAI 輸入費率的四分之一

• 長上下文閾值 — GPT-6 Luna 272,000 個輸入 token，相較於 Grok 4.6 200,000 個提示 token

• 長上下文費率 — GPT-6 Luna 將整個請求重新定價為輸入 $0.20、輸出 $0.75、快取 $0.02，而 Grok 4.6 將整個請求重新定價為輸入 $4.00、輸出 $12.00、快取 $1.00

• 上下文視窗 — GPT-6 Luna 1,050,000 tokens 對比 Grok 4.6 500,000 tokens

• 最大輸出 — GPT-6 Luna 為 128,000 個 token，相較之下 Grok 4.6 並未在規格卡上另行公布上限

• 智慧指數，獨立評測——在指數修訂版 v4.3.2 上，GPT-6 Luna 以最高投入運行得 37 分，對比 Grok 4.6 以高投入運行得 44 分

• 預設努力程度分數——GPT-6 Luna 在其預設中等設定下為 29，對比 Grok 4.6 在中等設定下為 43，而排行榜也正是據此衡量

• 每個 Index 任務的成本，獨立計算 —— GPT-6 Luna 約 $0.07，相較之下 Grok 4.6 在高強度模式下為 $1.86

• 索引執行時的輸出 token 數 —— GPT-6 Luna 150M 對比 Grok 4.6 94M，而排行榜中位數為 88M

• 輸出速度，獨立 — GPT-6 Luna 153.9 token/秒，對比 Grok 4.6 57.7 token/秒（高模式下）

• 首個 token 延遲，獨立——Grok 4.6 為 38.63 秒，端到端為 47.31 秒；GPT-6 Luna 回傳首個 token 的時間，足以讓使用者願意等待

• 網路能力，獨立評估 — Grok 4.6 在該評測機構的網路評估中獲得 57 分；目前未公布可相比較的 GPT-6 Luna 數據

• 在 OrcaRouter 上 — GPT-6 Luna 不在我們的目錄中，而 Grok 4.6 可依 xAI 的標價路由

20萬對27萬就是全部的論據

讀取兩個視窗旁的兩個閾值，比較便會自行重新組織。

Grok 4.6 的斷崖點落在 500,000 token 視窗內的 200,000 token 處——也就是走到 40% 的位置。GPT-6 Luna 的斷崖點則落在 1,050,000 內的 272,000 處——也就是走到 26% 的位置。因此，較便宜的模型不僅較晚才開始重新計價，而且在跨過門檻之後、直到完全用完視窗前，還擁有超過兩倍的空間。

具體來說：一個 450,000 詞元的請求在兩個模型中都放得下。在 GPT-6 Luna 上，它按長上下文層級計費，價格為 $0.20 和 $0.75。在 Grok 4.6 上，則按 $4.00 和 $12.00 計費。同一個提示，輸入端差了二十倍，輸出端差了十六倍——而且這是 Grok 4.6 能夠服務的請求，所以這個選擇是真實存在的，而非理論上的。

反過來的情況才是最容易讓人栽跟頭的那一種。一個 190,000 個 token 的請求低於兩者的門檻，因此在兩邊都按標準費率計費：$0.10/$0.50 對上 $2.00/$6.00，正好是二十倍與十二倍。一個 210,000 個 token 的請求高於 Grok 4.6 的門檻，但低於 GPT-6 Luna 的門檻。它在 Grok 4.6 上按 $4.00/$12.00 計費，在 Luna 上則按 $0.10/$0.50 計費——這個四十倍與二十四倍的差距，完全是由提示長度差了 20,000 個 token 所造成，而兩個模型本身都沒有任何改變。

那不是避開 Grok 4.6 的理由。那是要了解你的提示實際上落在哪個範圍的理由，因為平均 180,000 個 token、偶爾飆升到 220,000 個 token 的工作負載，會按兩套不同的費率表計費，而且在發生的第一個月看起來就會像帳單錯誤。

價差在獨立董事會上換來了什麼

Grok 4.6 在高強度模式下於 Artificial Analysis Intelligence Index 拿下 44 分。GPT-6 Luna 在最高強度模式下得分 37 分。七分之差——而在這項綜合指標上，單一分差就落在重跑一次的雜訊範圍內——且這兩個模型每完成一項任務的成本相差約二十六倍：1.86 美元對上約 0.07 美元。

關於那對數字，有兩件事值得分開來看。

第一個是投入強度的預設值。GPT-6 Luna 的 37 是最大投入強度的數字，而它的預設是中，得分為 29。Grok 4.6 的 44 是高投入強度的數字，而排行榜也在中強度下測量它，得分為 43。因此，在預設設定下同條件的比較是 29 對 43——十四分，而非七分，而十四分的版本才是同時部署兩者、不做任何更動的團隊實際會體驗到的情況。Grok 4.6 從高降到中損失一分。GPT-6 Luna 損失八分。投入強度旋鈕對便宜模型造成的代價，遠高於它對昂貴模型造成的代價，而這種不對稱在頭條指數數字中完全看不出來。

第二個是冗長程度，而這裡的方向與價格比所暗示的相反。GPT-6 Luna 完成該索引時產生了 1.5 億個輸出 token；Grok 4.6 則產生了 9,400 萬個。每輸出 token 成本只有十二分之一的模型，卻多花了 60% 的 token，換來更低的分數。在以輸出計價的比較表上，這就是每項任務成本差距究竟是二十六倍，還是較小差距的差別；也正是這個原因，任何僅以標價為基礎的比較，都會誇大低價層級的優勢。

Grok 4.6 也在同一份排行榜上公布資安能力分數 57。沒有可相比的 GPT-6 Luna 數據，因此這個維度只有單邊資料——但如果你手上的工作負載會觸及資安工具，這正是那種重要的指標；而較便宜的模型缺少這項資料，本身就是一項資訊，而不是可用假設填補的缺口。

延遲，其中兩者不接近且方向不同

Grok 4.6 的獨立延遲數據為：在高強度模式下，首個 token 需 38.63 秒，端到端需 47.31 秒。這是一個模型在開口前進行嚴謹推理的數據，與一個人盯著游標等待的體驗並不相容。我們自己為該模型列出的資料則記錄，在七天窗口內，首個 token 的 p50 時間為 6.71 秒，p95 為 10.00 秒；這量測的是回應中的另一個時間點，無法與該獨立數據相比——這兩個數字並非互相矛盾，而是在回答不同的問題。

GPT-6 Luna 每秒可輸出 153.9 個 token，且首個 token 的回傳速度快到足以支撐互動式介面。在高強度運算下，其吞吐量將近是 Grok 4.6 的三倍。對批次工作而言，這樣的差距只是節省實際時間的便利；但對於任何使用者正在等待的應用來說，這卻是產品與原型之間的差別。

這種組合並不尋常，值得直白地點明：便宜的模型速度飛快，昂貴的模型速度緩慢，而且在同等投入下，昂貴模型在綜合指標上領先七分。這正是為了一次深入思考而打造的模型，以及為了快速回答無數次而打造的模型，各自呈現的樣貌。如果你的工作負載是每項任務呼叫一次，Grok 4.6 的延遲還負擔得起。如果是每項任務呼叫一千次，那就不是了。

你在 xAI 這邊真正買到的是什麼

Grok 4.6 每完成一項任務的成本大約是 GPT-6 Luna 的二十六倍，且在相同投入程度下領先七個指數點。對一般用途的工作負載來說，這是個不划算的交換率；但對特定類型的工作而言，則是合理的。

有三件事足以證明其合理性。57 分的 cyber 分數，是一項 GPT-6 Luna 並未公布對應數據的能力。9,400 萬 token 的索引執行量，對比 Luna 的 1.5 億，在任何輸出是由人、而非解析器取用的任務上，都是實實在在的精簡優勢。而且這款模型自 8 月 12 日起就已投入生產，比 GPT-6 Luna 至今存在的時間還多六週——這不是基準測試，而是一份實績紀錄；而對於已經在其之上開發的團隊來說，離開的遷移成本，本身就是離開代價的一部分。

相對而言，GPT-6 Luna 的論點主要不在於二十倍的費率。它是在百萬 token 視窗內的 272,000-token 門檻、能夠被要求完全停止推理、每百萬 token 一分錢的快取輸入費率，以及讓它能作為元件而非端點使用的吞吐量數據。這些是廉價層級的結構性特性，而另一方再多的指標優勢也無法取代它們。

執行其中一個，或兩者都執行

Grok 4.6 已在 OrcaRouter 上架，採 xAI 的官方定價，並以直通定價模式運作：供應商一調整費率，我們當天就同步反映，不必等經銷商重新議價。對這個模型而言，真正讓自動容錯移轉顯得不可或缺的是：50 萬個 token 的脈絡視窗卻存在 20 萬個 token 的斷崖，這種工作負載偶爾會有請求落在界線的錯誤一側，而一條能在上游之間切換、無須重新部署的路由，價值遠高於每 token 的小數點後幾美分。

截至本文撰寫時，GPT-6 Luna 尚未收錄在我們的目錄中，必須透過 OpenAI 自家的 API 才能存取。因此，想同時使用兩者的團隊，會為 Grok 4.6 使用一組金鑰，並搭配它原本用於 OpenAI 的任何金鑰。路由 DSL 正是適合這種搭配的部分：一條規則會把超過某個 token 門檻的提示詞，送往它們已跨越其價格斷崖的模型；並把低於該門檻的一切，送往價格只要十二分之一的模型。這種規則可以用設定來表達，而不是在你的應用程式中寫成分支——當這些門檻像這兩個模型一樣，與常見提示詞大小如此接近時，這一點就很重要。

哪一個，以及何時？

如果你的工作負載是高流量、由程式取用且簡短，就選 GPT-6 Luna。分類、擷取、路由、大量摘要、代理的內層迴圈。以 $0.10/$0.50 的價格、快取讀取只要一分錢，對上一個在相同投入下、每個完成任務成本高出二十六倍、卻只換來七個指數點的模型，這筆帳根本不用算。明確設定 effort 參數——預設是 medium，而標題上的 37 是最大 effort 的數字——並讓你的長呼叫保持在 272,000 個 token 以下。

如果需要網路安全能力，就選用 Grok 4.6；如果你的輸出是給真人閱讀，而且其簡潔性值得付費；或者你有 30 萬到 50 萬 token 的工作負載，GPT-6 Luna 雖然能處理，但你寧願不要成為第一個發現它在這種長度下表現如何的團隊。請明確為 20 萬 token 的斷崖編列預算，也不要把它放在高投入程度的互動介面之後——首個 token 要等 38 秒並不是一個延遲數字，而是關於這個模型存在目的的一種表態。

這個比較容易招致的錯誤，是把那二十倍的費率當成決策本身。對某一種工作負載型態來說，它確實就是決策。但對另一種型態而言，決策是在 200,000 與 272,000 個 token 時做出的，而價格比只是你事後才讀到的細節。