GPT-6 Luna 的定价策略与基础规格
GPT-6 Luna是OpenAI GPT-6家族中目前最小、最便宜的版本，旨在取代GPT56 Luna成为该系列的经济型选项。其核心卖点在于极致的低成本，输入价格为每百万token 10美分，输出价格仅为50美分。这一定价使其成为目前市场上最便宜的模型之一，尤其是来自OpenAI或Anthropic等前沿实验室的产品。尽管性能可能不会带来颠覆性惊喜，但“更便宜且略有提升”的趋势符合市场对高效能比模型的需求。在技术规格方面，Luna拥有超过100万token的上下文窗口和最大128,000个输出token的限制。它支持多模态输入，但仅限于文本和图片，不支持视频处理。
值得注意的是，Luna的知识截止日期为2026年5月18日，比同家族的GPT-6 Astra和Soul（2026年4月20日）更晚。这意味着仅从知识截止角度看，Luna是GPT-6家族中数据最更新颖的模型。虽然差距仅为一两周，但这在技术细节上是一个值得关注的差异点。对于此类轻量级模型，评测重点在于验证其在极低价格下是否仍能保持前沿实验室的基本水准。
基准测试表现与上下文窗口分析
在官方发布的基准图表中，GPT-6 Luna的表现显示出相对于前代的轻微提升而非巨大飞跃。以Deep SE基准测试为例，在最高推理努力（max effort）模式下，Luna得分为66.6%，而其前代GPT56 Luna的得分仅为62.2%。这一数据表明，虽然能力有所增强，但幅度有限。这种“小幅提升+大幅降价”的组合被视为行业发展的理想方向。所有基准图表均遵循这一主题，即Luna并未在绝对能力上实现质的突破。
"It's basically one of the cheapest models I think out there, period, especially from a company like OpenAI or Anthropic."
在测试设置上，所有基准运行均严格采用最高推理努力模式（max effort），因为数据显示该模型在此模式下得分最佳。这种设置确保了测试结果反映的是模型的潜在最高能力，而非默认或节能模式下的表现。对于追求极致性价比的用户而言，这种在最低成本下提供稳定、略优于前代性能的策略具有明确的实用价值。
浏览器OS测试：初步印象与UI缺陷
本次评测引入了Browser OS Test v2.7，旨在检验模型在模拟操作系统环境中的实际应用能力。测试初期暴露出明显的功能缺陷：初始生成的桌面无法完全运行，缺少右键菜单且动态壁纸加载失败。评测者指出，测试耗时约45分钟中大部分时间卡在权限确认环节，实际生成时间远短于此。初步观察发现，计算器图标等元素暗示了潜在的代码问题。虽然UI整体干净无重大错误，但基础交互功能的缺失影响了初始体验。
"Unfortunately, this is actually not a fully functional result. Not the best out the gate..."
经过约两分钟的修正后，动态壁纸恢复正常显示。然而，右键菜单依然缺失，计算器应用界面显得异常怪异（funky UI），且无法全屏或最小化。尽管存在这些瑕疵，桌面仍保留了时钟、电池电量、Wi-Fi状态等基础系统指示器。评测者认为，虽然开局不利，但后续修正展示了模型具备一定的自我修复或迭代生成能力。这些UI层面的小毛病在低价模型中或许可以接受，但基础交互功能的缺失仍是一个减分项。
应用功能测试：从笔记到游戏的局限性
在后续的应用测试中，模型展示了混合的能力表现。记事本应用功能正常且具备自动保存特性；邮件应用界面简洁，无重大逻辑错误。然而，当测试转向游戏类应用时，模型的局限性开始显现。在仿GTA驾驶游戏中，用户无法下车，虽然氮气加速（Shift键）和包裹收集逻辑有效，但缺乏关闭应用的机制。在“Orbit Run”躲避游戏中，UI类似《吉他英雄》，但同样无法射击且游戏窗口不可关闭。
"This is one where we're definitely going to start to see some of the limitations of this model."
评测者指出，作为GPT-6家族中最小的模型，这些功能限制是符合其低价定位的预期代价。此外，“Focus Orbit”专注计时器应用展示了较好的创意，能通过改变壁纸色调辅助用户集中注意力，并将完成记录保存在本地星座中。文件管理器功能简单但有效。总体而言，Luna在处理常规文本和基础UI生成时表现合格，但在复杂交互逻辑和游戏闭环管理上存在明显短板。这些结果印证了其作为“经济型”模型的定位：够用，但不完美。
C++滑板游戏：功能实现与意外细节
测试者首先对GPT-6 Luna进行了一项更具挑战性的任务：开发一个自包含的C++滑板游戏，要求不使用Raylib库，并以20世纪90年代纽约街区为地图。这一任务旨在测试模型在复杂逻辑下的极限，因此重点在于功能而非美学打磨。GPT-6 Luna仅用9分钟便完成了任务，但出现了一个有趣的细节：尽管提示词要求代码编译并作为单个程序运行，模型并未直接生成可执行文件，而是提供了具体的编译命令。用户指出这一遗漏后，代码成功编译且无错误。
游戏运行效果出乎意料地好。滑板的前后和左右移动略显生硬，但K键触发的360度旋转动作完成得非常干净。场景中甚至包含了消防栓喷水等细节，且存在网格碰撞体（mesh colliders），这表明模型并非仅生成静态画面。测试者认为，考虑到之前浏览器操作系统测试结果一般，这一C++游戏的表现显著优于预期。为了进一步验证模型是否记住了该特定测试案例，测试者决定继续优化。
"It didn't actually compile this to an executable. It gave us the specific command to do so ourselves."（它实际上并没有将其编译为可执行文件，而是给了我们具体的命令让我们自己操作。）
视觉升级：合成波风格与音效增强
在获得初步反馈后，测试者要求模型对游戏进行视觉和听觉的升级。仅仅7.5分钟后，GPT-6 Luna便交付了新版本。游戏采用了合成波（Synthwave）美学风格，呈现出雨夜、黑暗背景和霓虹街道的视觉效果。音效方面，模型成功添加了背景音乐和环境音。出租车开始移动这一动态细节增加了场景的真实感。尽管滑板顶部在视觉上似乎有些分离，且雨水向后飘动的物理效果略显奇怪（测试者选择忽略），但整体表现依然令人印象深刻。
角色模型在跳跃时有轻微的动作反馈，滑板技巧的动画流畅且酷。测试者推测该模型参数量可能不大，但能在如此短的时间内实现从基础功能到风格化视觉的跨越，结果相当可观。这种简洁但不简陋的实现方式，证明了GPT-6 Luna在处理图形化编程任务时的可靠性和效率。虽然并非完美无缺，但其完成度远超测试者对一款“廉价”模型的预期。
地铁FPS游戏：从简单到精细的重构
接下来是更具挑战性的3JS地铁第一人称射击（FPS）游戏测试。初始版本中，后续波次的敌人需由地铁列车运送。模型在12.5分钟后给出了初版结果，期间曾短暂停滞（疑似搜索文件夹），但随后恢复正常。初版游戏画面昏暗、结构简单。虽然包含声音和多种武器（如霰弹枪），但能见度低导致难以辨认。地铁车门能正常开启，敌人以简单形状生成并出现在场景中。整体而言，初版没有严重错误，但过于简陋。
为了测试模型的迭代能力，测试者要求进行全面视觉 overhaul：提高亮度、优化角色和敌人模型、添加环境中的弹孔细节以及提升整体画质。经过约30分钟的重新生成，模型完成了大幅升级。新版本中，车站亮度显著改善，视野更清晰。弹孔效果实现得相当不错，敌人模型从简单的几何体变成了更具细节的实体。测试者认为，这种精细度在半年前对于一款低价模型来说是令人震惊的顶级水平。尽管当前顶尖模型可能已超越此效果，但GPT-6 Luna在降低成本的同时提升了能力，表现令人满意。
"The fact that it really went above and beyond to make these look better, not just simple shapes."
机器人臂测试：Web UI的创新尝试与失败结果
最后的测试涉及一个带有摄像头的机械臂，任务是将橙色Hot Wheels小车移动到垫子另一端。由于速度是关键因素，测试者启用了快速模式并运行在最大努力状态下。然而，这次尝试并未成功。尽管如此，测试者观察到一个独特的现象：为了获取摄像头视角，模型构建了一个小型Web UI界面来实时查看画面。测试者表示从未见过其他模型在执行此类任务时采取这种创新方式。虽然最终未能完成物理移动任务，但这种通过软件界面辅助视觉反馈的思路展示了模型在解决复杂多模态问题时的创造性潜力。总体而言，GPT-6 Luna在游戏开发类任务中展现了超越其价格定位的实用性和灵活性。
USB设备控制测试：视觉陷阱与机械限制
在USB设备控制的初步尝试中，模型展现出了令人意外的创新路径：它自行构建了一个小型Web仪表板以获取图像数据，并尝试通过计算机视觉技术完成操作。这种将网页开发与底层硬件控制相结合的思路在以往测试中较为罕见。然而，任务最终未能成功完成。模型被图像中的视觉错觉所误导，尽管机械爪在视觉上似乎已对准目标车辆，但由于摄像头角度单一且存在遮挡，导致判断失误。测试者指出，这种静态单摄像头的设置本身就是一种故意设计的难点。随着运行时间延长至30分半钟，模型开始做出可能损坏帧结构的机械臂动作，测试者因此手动终止了实验。值得注意的是，尽管进行了大量操作，当前的资源使用率仍保持在100%，表明之前的尝试并未消耗额外的配额。
80年代摔跤游戏开发：资产生成与音效缺失
进入第二个测试环节，模型需要在Blender中创建3D资产并利用Godot引擎制作一款80年代风格的摔跤游戏。在约30.5分钟后，首个版本生成完毕。模型成功自主创建了角色模型，且基础造型并不粗糙。然而，结果呈现出明显的简化特征：角色缺乏独立的骨骼动画或复杂的运动逻辑，动作显得僵硬。更令人失望的是音频层面的缺失：除了背景音乐外，完全没有任何打击音效或环境音，导致游戏缺乏互动反馈的沉浸感。在视觉风格上，模型准确捕捉了80年代的配色方案，呈现出一种卡通化的复古感。尽管游戏机制简单到近乎简陋——例如简单的“三局两胜”判定和重赛选项，但整体完成度尚可接受。测试者认为这并非糟糕的作品，但也谈不上出色，主要受限于模型在复杂交互逻辑和多媒体整合上的能力边界。
手表前端与3D展示：几何错误与隐藏细节
第三个任务要求构建一个高端手表网站的前端，包括3D爆炸视图、特殊版“Bjan”的表盘贴图以及受特定照片启发的设计风格。测试在约17分钟时观察到初步结果。模型生成的表盘数字标记虽然混乱，但保持了相对的对称性，且背景设计确实融入了一些奢华元素。然而，主要缺陷在于：手表指针完全缺失，导致无法读取时间，且部分几何结构存在错误。在检查3D交互功能时，发现指针实际上被隐藏在表面之下而非代码遗漏。当切换到“Bjan”特殊版时，模型的表现令人惊喜：它成功复刻了类似Lacoste运动服的条纹表带图案，并采用了金色外观，审美风格得到了测试者的高度认可。尽管整体评价为“中等”，但这一环节展示了模型在特定美学风格迁移上的潜力，同时也暴露了其在3D对象层级管理和细节渲染上的不稳定性。
C++赛车游戏开发：逻辑缺陷与技术突破的矛盾
最后的测试聚焦于C++编程能力，要求在不使用RayLib库的情况下，开发一款具有低多边形风格、详细车内内饰、追逐摄像机视角及音效的复古拉力赛游戏。在23分钟后，名为“Dust Line Rally”的游戏生成完毕。模型成功构建了赛道的高程变化，这在视觉上是合理的。然而，核心交互逻辑存在严重缺陷：车辆不受方向盘控制，而是直接吸附在赛道上移动；同时，仪表盘上的仪表指针也未正常工作。尽管存在这些功能性Bug，测试者仍感叹其技术实现的难度：在半年到一年前，仅用C++从零搭建这样一个包含3D渲染、摄像机控制和音效系统的游戏框架就足以令人惊叹。对于一款如此廉价的模型而言，能在短时间内输出具备完整架构的代码已属不易。测试者对Skate游戏的良好表现印象深刻，并计划后续进一步探索该模型在C++领域的潜力。
初步测试：浏览器OS生成的缺陷与快速修正
在对GPT-6 Luna的首次接触中，测试者尝试生成一个基于浏览器的操作系统（Browser OS）。虽然整体表现并非糟糕透顶，但在渲染细节上出现了明显的逻辑错误。具体而言，部分元素未能与轨道的高度（elevation）正确对应，导致视觉上的悬浮感。尽管存在这种瑕疵，但模型在后续迭代中迅速修复了问题。这一过程表明，虽然初始结果可能不够完美，但模型具备自我修正的能力。测试者指出，除了这个最初的渲染问题外，其他方面的表现都相当称职（competent）。这为后续更复杂的测试奠定了基础，同时也揭示了该模型在处理空间逻辑时的局限性——它可能无法在第一次尝试中就达到惊艳的效果，但能提供可改进的良好基础。
结论
GPT-6 Luna以极致低价确立了其作为高性价比经济型模型的地位。基准测试显示其在最高推理模式下较前代有小幅提升，且知识截止日期最新。在应用层面，该模型展现出惊人的代码生成效率与迭代能力：能在短时间内完成从基础功能到视觉升级的C++游戏开发，甚至具备自我修复UI缺陷的能力。然而，其短板同样明显：复杂交互逻辑存在缺失（如无法关闭游戏窗口），多模态物理控制任务因视觉陷阱失败，且3D渲染在几何层级管理上不稳定。总体而言，Luna适合需要快速原型开发、文本处理及基础图形生成的场景，但在高精度物理模拟或复杂系统闭环管理上尚不成熟。