GPT-6 Luna vs. Claude Opus 5: Fünfzigmal so teuer und derselbe Nachmittag

GPT-6 Luna kostet 0,10 $ pro Million Input-Tokens und 0,50 $ pro Million Output-Tokens. Claude Opus 5 kostet 5,00 $ und 25,00 $. Das ist eine fünfzigfache Kluft auf beiden Seiten der Preisliste, und es ist das Erste, was jedem an dieser Paarung auffällt – ein Modell, das der Anbieter am 22. September 2026 herausbrachte, bepreist gegen ein Modell, das das Unternehmen am 24. Juli 2026 veröffentlichte und das seit zwei Monaten auf dem Markt ist. Die Zahl mit dem Faktor fünfzig ist real. Sie ist außerdem beinahe die am wenigsten nützliche Tatsache in diesem Vergleich, weil diese beiden nicht um denselben Call konkurrieren, und wegen etwas, das am selben Nachmittag, an dem Luna startete, auf der Seite des zweiten Modells geschah.

GPT-6 Luna ist die kleine Stufe der GPT-6-Generation von OpenAI und liegt unter GPT-6 Sol bei $2.00/$10.00 sowie deutlich unter dem Flaggschiff GPT-6 Astra bei $10.00/$50.00. Claude Opus 5 war bis zum 22. September das Flaggschiff von Anthropic, als Anthropic Claude Opus 5.5 zu $4.00/$20.00 auf den Markt brachte und Opus 5 eine Stufe nach unten verschob. Beide im Titel dieses Artikels genannten Modelle stehen Stand heute eine Stufe unterhalb der Spitze der Leiter ihres jeweiligen Anbieters – aus Gründen, die nichts miteinander zu tun haben. Das ist wichtiger als das Preisverhältnis, und dort beginnt dieser Beitrag.

Am Nachmittag versandten beide Anbieter

OpenAI kündigte am 22. September GPT-6 Sol und GPT-6 Luna an. Wenige Stunden zuvor hatte Anthropic Claude Opus 5.5 angekündigt. Zwei der drei Modelle in diesem Satz senkten ihre Preise um etwa die Hälfte gegenüber ihren Vorgängern, was weniger ein Zufall als vielmehr ein Markt ist: Die vorangegangenen achtzehn Monate an Open-Weight-Veröffentlichungen aus chinesischen Laboren hatten die Kosten für ein kompetentes Token bereits stark gesenkt, und beide Anbieter reagierten auf denselben Druck.

Die praktische Konsequenz für alle, die ein Claude Opus 5-Deployment betreiben, ist, dass das Modell, gegen das sie entwickelt haben, nicht mehr das Modell ist, das Anthropic am aggressivsten verkauft. Claude Opus 5.5 kostet 4,00 $/20,00 $ – eine Senkung der Listenpreise um 20 % –, wobei gecachter Input bei 0,20 $ pro Million liegt, gegenüber 0,50 $ bei Opus 5, und Artificial Analysis misst es bei maximalem Aufwand mit 58 auf seinem Intelligence Index, dem höchsten Wert, den es je verzeichnet hat. Claude Opus 5 erreicht 51 auf demselben Index. Wenn Sie heute Opus 5 betreiben, ist der Fünfzigfach-Vergleich im Titel dieses Artikels nicht der, vor dem Sie stehen. Der, vor dem Sie stehen, ist die Frage, ob Sie zu Opus 5.5 wechseln, und die Antwort darauf ist eine ganz andere Rechnung als alles, was GPT-6 Luna tut.

Allerdings bestimmt die Fünfzigfach-Zahl noch immer eine reale Entscheidung, denn die Workloads, für die GPT-6 Luna gebaut ist, sind genau die Workloads, bei denen eine Claude-Opus-5-Rechnung unangenehm wird. Beide Fakten können gleichzeitig zutreffen.

Was diese beiden jeweils tatsächlich sind

Die Spezifikationen, eine Zeile pro Dimension, beide Seiten jeweils:

• Preis pro 1 Mio. Token — GPT-6 Luna 0,10 $ Eingabe / 0,50 $ Ausgabe vs. Claude Opus 5 5,00 $ Eingabe / 25,00 $ Ausgabe

• Zwischengespeicherte Eingabe — GPT-6 Luna $0,01 pro 1 Mio., ein Rabatt von 90 % gegenüber Claude Opus 5 $0,50 pro 1 Mio. auf der Opus-5-Karte, reduziert auf $0,20 bei Opus 5.5

• Kontextfenster — GPT-6 Luna 1.050.000 insgesamt bei 922.000 maximaler Eingabe vs. Claude Opus 5 1 Mio., beide begrenzt auf 128.000 Ausgabe-Tokens

• Neupreisgestaltung für langen Kontext — GPT-6 Luna verdoppelt Input und Cache und erhöht den Output ab 272K Input-Tokens um das 1,5-Fache, angewendet auf die gesamte Anfrage, gegenüber Claude Opus 5, das über sein gesamtes Fenster hinweg gleichbleibend ist

• AA Intelligence Index — GPT-6 Luna 37 bei maximalem Aufwand vs. Claude Opus 5 51

• AA Intelligence Index, bei angeglichenem Aufwand — GPT-6 Luna 29 mit seinem standardmäßigen mittleren Aufwand vs. Claude Opus 5 51 bei Max, der einzigen Einstellung, in der Anthropic es misst

• Ausgabegeschwindigkeit — GPT-6 Luna 153,9 Token/Sek. vs. Claude Opus 5 53,6 Token/Sek.

• Kosten für die Ausführung des Index — GPT-6 Luna 122,39 $ vs. Claude Opus 5 7.274,74 $

• Reasoning-Aus-Schalter — GPT-6 Luna bietet none, low, medium, high, xhigh und max, während Claude Opus 5 über ein Denken verfügt, das adaptiv und immer aktiv ist

• Veröffentlicht — GPT-6 Luna 2026-09-22 vs. Claude Opus 5 2026-07-24

Drei dieser Zeilen leisten mehr als die anderen, und die erste ist die Effort-Zeile. GPT-6 Lunas 37 ist ihr Ergebnis bei maximalem Effort. Ihr Standard ist medium, und bei medium erreicht sie 29. Claude Opus 5s 51 ist eine Max-Effort-Zahl, weil Anthropic keine niedrigere Einstellung offenlegt, die Artificial Analysis misst. Die viel zitierte Lücke von vierzehn Punkten ist also ein Vergleich zwischen der Obergrenze eines Modells und der Obergrenze eines anderen — und ein Team, das GPT-6 Luna installiert und nichts ändert, läuft mit der 29, nicht mit der 37. Das ist eine Zweiundzwanzig-Punkte-Lücke, nicht eine Vierzehn-Punkte-Lücke, und sie ist unsichtbar, wenn man nicht gezielt nach dem Effort-Standard sucht.

Der zweite ist die Indexkostenlinie. Sie ist kein Kostenvoranschlag – sie ist das, was Artificial Analysis tatsächlich ausgegeben hat, um die vollständige Evaluierungssuite mit eigenem Geld auf jedem Modell laufen zu lassen. 122,39 $ gegenüber 7.274,74 $ sind ein neunundfünfzigfacher Unterschied bei den Kosten dafür, herauszufinden, wie gut das Modell ist, und er ist der sauberste verfügbare Proxy dafür, wie sich die beiden bei hohem Volumen verhalten. Claude Opus 5 generierte während dieses Durchlaufs 140 Millionen Token; GPT-6 Luna generierte 150 Millionen. Das günstige Modell war wortreicher und kostete trotzdem neunundfünfzig Mal weniger.

Der dritte Punkt ist der Ausschalter. GPT-6 Luna kann angewiesen werden, überhaupt nicht zu schlussfolgern. Claude Opus 5 kann das nicht. Diese eine Spezifikationszeile ist der Grund, warum eines dieser Modelle hinter einem Klassifikator, einem Router oder einem Moderationsfilter sitzen kann und das andere nicht, und sie erklärt einen Großteil des Preisunterschieds, ohne sich überhaupt auf die Leistungsfähigkeit zu berufen.

Wo die billige Tarifstufe aufhört, billig zu sein

Auf der Preisübersicht von GPT-6 Luna gibt es eine Klippe – und sie ist das teuerste, was man übersehen kann. Anfragen, die 272.000 Eingabe-Tokens überschreiten, werden mit dem Doppelten der Eingabe- und Cache-Sätze und dem 1,5-Fachen des Ausgabesatzes abgerechnet – für die gesamte Anfrage, nicht nur für den Teil, der die Grenze überschritten hat. Ein Aufruf mit 300.000 Tokens auf GPT-6 Luna wird mit 0,20 $ pro Million Eingabe für alle 300.000 Tokens abgerechnet, weil er die Grenze um 28.000 überschritten hat. Teilt man dasselbe Dokument in zwei Aufrufe auf, halbiert sich der Preis, ohne dass sich der Prompt ändert.

Claude Opus 5 hat keine entsprechende Klausel. Seine $5,00/$25,00 sind über das gesamte 1M-Fenster hinweg konstant, was bedeutet, dass das fünfzigfache Verhältnis überall ein fünfzigfaches Verhältnis ist – außer oberhalb von 272K Eingabe-Tokens, wo sich die effektive Eingaberate von GPT-6 Luna auf $0,20 verdoppelt und seine Ausgaberate auf $0,75 steigt und sich die Lücke auf das Fünfundzwanzigfache verringert. Immer noch enorm. Immer noch wissenswert, weil die Workloads, die am wahrscheinlichsten einen Arbeitskontext von 300.000 Tokens haben, genau die agentischen Workloads sind, in die beide Anbieter verkaufen.

Die zweite Sache, die es zu bepreisen gilt, ist der Aufwand. GPT-6 Luna mit maximalem Aufwand für eine Aufgabe laufen zu lassen, die mit mittlerem Aufwand völlig ausreichend gewesen wäre, ist die häufigste Art, die gerade erzielten Einsparungen wieder auszugeben. Die Spanne zwischen 37 und 29 entspricht der Höhe der Strafe für die falsche Einstellung, und anders als eine Preisklausel erscheint sie nirgendwo auf einer Rechnung – sie zeigt sich als Token-Volumen, was wie Erfolg aussieht.

Die Spaltung, die tatsächlich den Ausschlag gibt

Die ehrliche Version dieses Vergleichs ist, dass die beiden Modelle kein Ersatz füreinander sind und das Preisverhältnis von einer Workload-Frage ablenkt, die so oder so eine klare Antwort hat.

GPT-6 Luna gehört überall dorthin, wo die Ausgabe von einem Programm statt von einem Menschen konsumiert wird und es auf das Volumen ankommt. Klassifizierung, Extraktion, Routing-Entscheidungen, Massenzusammenfassungen, die innere Schleife eines Agenten, der pro Aufgabe tausend kleine Aufrufe macht. Bei 0,10 $/0,50 $ mit einem Preis von einem Cent für gecachte Eingaben und mit Batch und Flex zum halben Standardtarif fällt der wirtschaftliche Vergleich mit allem in der Opus-Reihe nicht knapp aus. Artificial Analysis weist auf eine echte Regression hin, die man vor einer Migration kennen sollte: Der Coding Agent Index von GPT-6 Luna fiel um zwei Punkte auf 41 gegenüber 43 bei GPT-5.6 Luna, wobei sich die Rückgänge auf SWE-Atlas-QnA und DeepSWE v1.1 konzentrieren. Es weist außerdem auf einen echten Zugewinn derselben Größenordnung hin – die Halluzinationsrate des Modells bei AA-Omniscience fiel von rund 93 % auf 77 %, während sich seine Genauigkeit kaum veränderte. Es verweigert häufiger die Antwort, anstatt mehr zu wissen, und für alles mit einem nachgelagerten Konsumenten ist das die wertvollere Hälfte des Tauschs.

Claude Opus 5 gehört dorthin, wo das Ergebnis das Produkt ist. Die von Anthropic selbst veröffentlichten Ergebnisse – vom Anbieter berichtet, nicht unabhängig reproduziert – verorten es bei 96,0 % auf SWE-bench Verified und 79,2 % auf SWE-bench Pro, und die Lücke von vierzehn Punkten im Index ist die Art von Vorsprung, die darüber entscheidet, ob ein Agent mit langem Horizont eine Aufgabe zu Ende bringt oder stillschweigend auf halbem Weg abbricht. Wer sich am Rand dessen bewegt, was das Modell leisten kann, für den ist ein Modell, das fünfzigmal günstiger und bei Standard-Aufwand zweiundzwanzig Punkte zurückliegt, keine billigere Version desselben Dings.

Beide ausführen, ohne auszuwählen

Der Grund, warum dieser Vergleich nicht in einer einzigen Empfehlung mündet, ist, dass die Grenze zwischen den beiden Workloads nicht stabil ist. Sie verschiebt sich jedes Mal, wenn einer der beiden Anbieter ausliefert, und sie hat sich in den drei Wochen vor diesem Artikel zweimal verschoben – einmal, als Anthropic den Opus-Preis auf 4,00 $/20,00 $ senkte, und einmal, als OpenAI den Preis seiner gesamten kleinen Tarifstufe halbierte. Ein Team, das im Juli einen Gewinner fest codiert hat, läuft heute mit der falschen Konfiguration.

Claude Opus 5 ist zum Listenpreis von Anthropic auf OrcaRouter verfügbar, und zwar unter der Durchleitungspreisgestaltung, die bedeutet, dass eine Preisänderung des Anbieters noch am selben Tag auf unserer Seite aktiv ist, statt darauf zu warten, dass ein Reseller neu verhandelt — was der konkrete Grund dafür ist, dass die Preissenkung für Opus 5.5 ohne Integrationsprojekt in unseren Katalog eingeflossen ist. GPT-6 Luna ist zum Zeitpunkt dieses Textes nicht auf OrcaRouter; dorthin gelangt man über OpenAIs eigene API. Das ehrliche Setup für ein Team, das beide will, ist also ein Schlüssel für Claude Opus 5 neben dem, was Sie bereits für OpenAI verwenden, wobei automatisches Failover die Lücke abdeckt, wenn ein Anbieter an Leistung verliert. Eine Route zwischen einem Ein-Cent-Klassifikator und einem 25-Dollar-Reasoner zu verschieben, indem man eine Konfiguration statt einen Codepfad ändert, ist mehr wert, als im September die richtige Wahl zu treffen.

Was diese Woche zu tun ist

Wenn Sie Claude Opus 5 ausführen, ist die fünfzigfache Lücke im Titel eine reelle Zahl, die auf die falsche Entscheidung verweist. Ihre Entscheidung ist Opus 5.5 – eine Senkung des Listenpreises um 20 %, ein höherer Indexwert und eine Rate zwischengespeicherter Eingaben, die um 60 % gesunken ist – und GPT-6 Luna ist eine andere Frage, die zufällig auf derselben Seite steht.

Wenn Sie eine High-Volume-Pipeline für Klassifizierung oder Extraktion auf einem Modell der Opus-Klasse betreiben, ist GPT-6 Luna die größte einzelne Kostensenkungsmöglichkeit, die Ihnen diesen Monat zur Verfügung steht, und die Migration ist kleiner, als der Preisrückgang vermuten lässt: dieselbe 1M-Kontextklasse, dasselbe Ausgabelimit von 128.000 und ein Preis pro Token, der auf beiden Seiten fünfzigmal niedriger ist. Testen Sie es mit mittlerem Aufwand, bevor Sie den Standard voraussetzen, platzieren Sie Ihre Long-Context-Aufrufe oberhalb von 272.000 Tokens, und prüfen Sie die Coding-Regression anhand Ihrer eigenen Eval statt anhand eines Herstellerdiagramms.

Und wenn du beide betreibst, ist das, was du beheben musst, nicht, für welche du dich entschieden hast. Es ist die Tatsache, dass ein Sinneswandel derzeit ein Code-Deployment kostet.