GPT 5.6 Luna
https://api.foxwire.ai/v1/chat/completions#Pricing Summary
Input Tokens
$0.18 per 1M tokens. Corresponds to all context prompt tokens sent.
Output Tokens
$1.08 per 1M tokens. Corresponds to content generated by the model.
Cache Read
$0.018 per 1M tokens. Up to 90% savings when hitting the prompt cache.
Cache Write
$0 per 1M tokens. Cost to index input context for caching.
#Exemple de requête
Execute completions using standard OpenAI SDK formats by pointing base endpoints here.
curl https://api.foxwire.ai/v1/chat/completions \
-H "Authorization: Bearer $CORRY_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "gpt-5.6-luna",
"messages": [{"role": "user", "content": "Hello"}]
}'#Exemple de réponse
Un objet de complétion de chat standard compatible OpenAI. Le champ model est normalisé selon le nom que vous avez demandé.
{
"id": "chatcmpl-abc123",
"object": "chat.completion",
"model": "gpt-5.6-luna",
"choices": [
{
"index": 0,
"message": { "role": "assistant", "content": "Hello! How can I help you today?" },
"finish_reason": "stop"
}
],
"usage": { "prompt_tokens": 12, "completion_tokens": 9, "total_tokens": 21, "cost": 0.000234, "currency": "USD" }
}Cost field
#Mise en cache des prompts
Pour les modèles compatibles avec le cache, placez le contenu statique long (système, base de connaissances) en premier et ajoutez un point de rupture de cache. Les portions mises en cache peuvent coûter aussi peu que 1/10. Les accès au cache sont indiqués dans le champ usage de la réponse.
{
"model": "gpt-5.6-luna",
"messages": [
{
"role": "system",
"content": [
{ "type": "text", "text": "( long static context ... )", "cache_control": { "type": "ephemeral" } }
]
},
{ "role": "user", "content": "your question" }
]
}Prompt Caching Tip
#Réflexion
Pour les modèles qui le prennent en charge, ajoutez reasoning_effort (low / medium / high). La réflexion est renvoyée dans le champ reasoning_content de la réponse ; les tokens de réflexion sont facturés au tarif de sortie.
{
"model": "gpt-5.6-luna",
"max_tokens": 2048,
"reasoning_effort": "high",
"messages": [{ "role": "user", "content": "your question" }]
}
