Felo 发布 GPT-6 Luna：$0.10/百万输入 Token 的高性价比推理引擎
在 AI 应用从“尝鲜”转向“规模化”的关键节点，成本控制往往决定了产品的生死。Felo 近日在其官方博客宣布推出 GPT-6 Luna，这是 GPT-6 系列中定位最底端的“快、省”层级，定价仅为旗舰版 GPT-6 Astra 的十分之一，且保留了完整的推理与工具调用能力。
核心突破：价格与能力的完美平衡
GPT-6 Luna 的核心价值在于打破了“低价必然低配”的行业迷思。
- 极致定价：输入 $0.10/百万 Token，输出 $0.50/百万 Token。
- 全功能保留：与旗舰版共享 1.05M Token 上下文窗口，支持 Reasoning（推理）、Tool Calling（工具调用）、Structured Output（结构化输出/JSON）、Streaming（流式响应） 及 Vision（视觉分析）。
- 性能表现：强调“Fast”延迟，专为高频调用场景优化。
这意味着，开发者可以用不到一杯咖啡的钱，处理百万级的输入数据，且无需牺牲模型的复杂逻辑处理能力。
实战测算：高频场景下的成本优势
Felo 通过四个典型的高频工作负载，量化了 Luna 的经济价值（注：以下数据为估算，非基准测试）：
- 大规模分类 (Classification)：处理 100 万条支持工单（每条约 300 输入 Token + 20 输出 Token 标签），总成本仅需 $40（约 4 美分/千条）。
- 高频对话 (Chat)：支持 5 万次对话（每次 8 轮，每轮 1500 输入/250 输出 Token），总成本约 $110。
- 批量信息抽取 (Extraction)：处理 20 万份文档（每份 6000 输入 Token，生成 400 Token JSON），总成本 $160。
- Agent 子任务循环：月度调用量达 10 亿输入/2 亿输出 Token，仅需 $200 即可支撑整个“读取文件并汇报”的底层逻辑层。
相比之下，若使用旗舰版模型处理同等负载，成本将呈数量级上升。Luna 的存在，正是为了填补那些“量大、价低、容错可控”的中间地带。
架构建议：级联策略 (Cascade Pattern)
Felo 官方强调，Luna 的最佳用法并非“全面替代”，而是构建 级联架构：
- 初筛层：让 Luna 处理所有请求，利用其快速性和低成本进行初步分类、路由或提取。
- 验证层：建立严格的 Schema 校验、枚举匹配或置信度阈值。若 Luna 输出符合预期，直接放行；若存疑，则触发升级。
- 复核层：仅将高风险或复杂案例（如架构决策、高价值分析）路由至 GPT-6 Sol 或 Astra 进行最终确认。
这种模式将模型成本转化为可控的“调节旋钮”，既利用了廉价模型的高吞吐量，又通过工程手段确保了最终输出的可靠性。
适用边界与警示
尽管 Luna 性能强大，但并非万能。官方明确指出了其不适用场景：
- 长horizon 规划：涉及多步推理且一步错误会导致后续全盘皆输的任务。
- 无复核的高风险决策：人类将直接依据结果采取行动且无法二次验证的场景。
- 复杂代码库架构设计：需要深度逻辑推导的任务。
核心原则：将 Luna 部署在“错误可被检测”的环节，将复杂的推理步骤留给 Sol 或 Astra。廉价模型之所以便宜，是因为它们在硬推理上稍显薄弱，而非读取或格式化能力不足。
“廉价模型之所以便宜，是因为它们在硬推理上稍显薄弱，而非读取或格式化能力不足。将 Luna 部署在‘错误可被检测’的环节，将复杂的推理步骤留给 Sol 或 Astra。”
注：原文末尾提及的 Luna Pro 版本因内容截断未完整展示，此处暂不展开。
