gpt-6-luna API 接入指南：curl、Python 实测请求

要做什么

在 hiapi 上跑通一条 gpt-6-luna 请求：一条 curl，一个 Python 客户端，再讲几个和其他 GPT-6 模型表现不同的参数。你需要一个 API key，在控制台创建，快速开始里有 key 的配置说明。下面所有请求和响应都在 2026-10-30 对线上接口实际跑过。

先确认模型 id

curl -s https://api.hiapi.ai/v1/models -H "Authorization: Bearer $HIAPI_API_KEY" \
  | python3 -c "import sys,json; print([m['id'] for m in json.load(sys.stdin)['data'] if 'luna' in m['id']])"

输出：['gpt-5.6-luna', 'gpt-6-luna']。请原样使用 gpt-6-luna，不带 .1（gpt-6.1-sol 和 gpt-6.1-terra 才带）。gpt-5.6-luna 是另一个更早的模型。模型页在 gpt-6-luna。

最小请求：Chat Completions

curl -s https://api.hiapi.ai/v1/chat/completions \
  -H "Authorization: Bearer $HIAPI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"gpt-6-luna","messages":[{"role":"user","content":"Reply with exactly: luna ok"}]}'

真实响应（只保留关键字段）：

{"model":"gpt-6-luna","object":"chat.completion",
 "choices":[{"index":0,"message":{"role":"assistant","content":"luna ok"},"finish_reason":"stop"}],
 "usage":{"prompt_tokens":12,"completion_tokens":7,"total_tokens":19}}

这条路由不需要传 stream。这是它和下面 Responses 路由最实际的区别。已有的 OpenAI 兼容代码，改 base URL 和 key 就能接。

Python（只用标准库）

import json, os, urllib.request

req = urllib.request.Request(
    "https://api.hiapi.ai/v1/chat/completions",
    data=json.dumps({
        "model": "gpt-6-luna",
        "messages": [
            {"role": "system", "content": "用一句话回答。"},
            {"role": "user", "content": "100 万 token 的上下文窗口适合做什么？"},
        ],
    }).encode(),
    headers={
        "Authorization": "Bearer " + os.environ["HIAPI_API_KEY"],
        "Content-Type": "application/json",
    },
)
r = json.load(urllib.request.urlopen(req, timeout=90))
print(r["choices"][0]["message"]["content"])
print(r["usage"]["prompt_tokens"], r["usage"]["completion_tokens"])

timeout 建议留足，推理档位高时单次请求耗时会明显变长。Luna 是推理模型，默认档位是 medium，一句话的回答也可能消耗远多于可见文字的 completion token，详见下面「推理档位和计费」。

流式输出

Chat 路由传 stream: true 即得到标准的 chat.completion.chunk SSE 流：

curl -sN https://api.hiapi.ai/v1/chat/completions \
  -H "Authorization: Bearer $HIAPI_API_KEY" -H "Content-Type: application/json" \
  -d '{"model":"gpt-6-luna","stream":true,"stream_options":{"include_usage":true},
       "messages":[{"role":"user","content":"Say hi"}]}'

实测首个 chunk 的 delta 是空内容加 role:"assistant"，之后才是 "Hi"。解析时不要假设第一个 chunk 就有文字。

Responses 路由（必须流式）

/v1/responses 也能用，但有两个限制，我都直接撞到过：

curl -sN https://api.hiapi.ai/v1/responses \
  -H "Authorization: Bearer $HIAPI_API_KEY" -H "Content-Type: application/json" \
  -d '{"model":"gpt-6-luna","stream":true,"instructions":"Be terse.",
       "reasoning":{"effort":"low"},
       "input":[{"role":"user","content":"Name one use for a 1M context window."}]}'

import json, os, subprocess

body = {"model": "gpt-6-luna", "stream": True, "reasoning": {"effort": "low"},
        "input": [{"role": "user", "content": "Name one use for a 1M context window."}]}
out = subprocess.run(
    ["curl", "-sN", "https://api.hiapi.ai/v1/responses",
     "-H", "Authorization: Bearer " + os.environ["HIAPI_API_KEY"],
     "-H", "Content-Type: application/json", "-d", json.dumps(body)],
    capture_output=True, text=True, timeout=120).stdout
for line in out.splitlines():
    if line.startswith("data:"):
        ev = json.loads(line[5:])
        if ev.get("type") == "response.completed":
            r = ev["response"]
            print(r["output"][-1]["content"][0]["text"], r["usage"])

本次结果：模型回答 Analyzing an entire codebase at once.，usage 为 input_tokens 24, output_tokens 13, reasoning_tokens 0。用量只在最后的 response.completed 事件里给出，需要计费统计就必须读到流的末尾。

Chat 和 Responses 怎么选

行为（2026-10-30 实测）	`/v1/chat/completions`	`/v1/responses`
不传 `stream`	200，正常 JSON	400 `invalid_parameter`，"stream: must be true"
`stream: true`	200，`chat.completion.chunk` SSE	200，SSE 事件，以 `response.completed` 结束
`input` 传字符串	不适用（用 `messages`）	400 `invalid_parameter`，"input: has incorrect type"，必须用数组

已有 OpenAI 兼容代码用 Chat 路由最省事。如果你本来就在用 Responses 的请求结构，再选 Responses。

工具调用和 JSON 输出

Chat 路由支持函数调用。给一个 get_weather(city) 工具，提问 "Weather in Paris?"：

"message":{"role":"assistant","content":"","tool_calls":[{"type":"function",
  "function":{"name":"get_weather","arguments":"{\"city\":\"Paris\"}"}}]},
"finish_reason":"tool_calls"

注意触发工具调用时 content 是空字符串，finish_reason 是 tool_calls，业务代码要先判断 tool_calls 再取文字。

严格 JSON 模式也可用。传 response_format: {"type":"json_schema", ... "strict":true}，schema 含 city、country 两个必填字段并设 additionalProperties:false，提问 "Give a city and country for the Eiffel Tower."，返回内容恰好是 {"city":"Paris","country":"France"}。

我只测了单轮工具调用，没有测把工具结果回传的第二轮，也没有测并行工具调用。

推理档位和计费

定价接口里 reasoning_effort 有六档：none、low、medium（默认）、high、xhigh、max。同一个提示词（"What is 17*23? Answer with the number only."），答案都是 391：

`reasoning_effort`	completion tokens	reasoning tokens	耗时
`none`	5	0	4.5 秒
`high`	20	13	4.3 秒

reasoning token 计入 completion token，所以一个很短的回答，计费量也可能高于可见文字。做信息抽取、分类、摘要这类任务，建议先用 none 或 low 试。我只测了这一道算术题，它说明的是计费机制，不能当作质量对比。这道题上两档耗时差异也在波动范围内，不能据此判断哪档更快。

Luna、Sol、Terra 怎么选

数据来自 2026-10-30 的线上 /api/pricing，当前价格以定价页为准：

成本：Luna 的标准输入、输出单价约为 gpt-6.1-terra 的 1/10，约为 gpt-6.1-sol 的 1/20。
上下文：三者都标注 1,050,000 token 上下文。输入超过 272,000 token 后 Luna 进入更高一档，输入单价翻倍，输出单价上涨一半。
定位：按模型页描述，Luna 面向摘要、信息抽取、快速问答等高频批量任务；Terra 偏视觉推理和计算机操作；Sol 偏复杂编程和多步专业工作。
延迟：我没有测出 Luna 更快。同一条 "Reply with exactly: luna ok" 请求在 Chat 路由上耗时约 5.1 秒。每个模型只有一个样本，只能当噪声看。选 Luna 的理由是价格，除非你自己的基准测试显示它更快。

我没有做三个模型之间的输出质量对比，所以本文不下这个结论。

我复现过的错误

key 无效：HTTP 401，permission_denied，提示 "This API key is invalid."，响应里带 request_id，联系支持时提供它。
模型 id 写错（gpt-6-lunaa）：HTTP 400，model_not_found，提示用 GET /v1/models 核对 id。
Responses 路由不传 stream:true，或 input 传字符串：就是上面表格里的两个 400。

需要小心的参数

定价接口的参数约定里 temperature、top_p 标记为禁用。Chat 路由传 temperature: 0.2 返回了 200，但我没有验证它是否真的改变采样。需要确定性输出时不要依赖它。
参数约定里 max_output_tokens 标记为禁用，但 Chat 路由上 max_tokens: 1 实测返回 finish_reason: "length" 且只产出 1 个 completion token，说明实际生效。reasoning token 同样计入上限，所以上限很小且推理档位高时，可能返回空内容。
我没有测图片输入、接近 100 万 token 的超长输入，也没有测持续高并发。