GPT-6 Luna vs. Gemini 3.8 Flash: Das günstige Segment wurde gerade abgelöst

Google hat Gemini 4 Hydrogen am 12. November 2026 veröffentlicht, und der Launch-Beitrag beschreibt es als „ein bedeutendes eigenständiges Upgrade für Teams, die von Gemini 3.8 Flash migrieren“. Dieser Satz bewirkt etwas, das keine Benchmark-Tabelle kann: Er verändert, wozu ein Vergleich zwischen GPT-6 Luna und Gemini 3.8 Flash dient. Die Gemini-Seite dieses Duells ist kein Modell mehr, für das man sich entscheidet – es ist ein Modell, von dem man weg migriert wird. Die Luna-Seite ist weiterhin OpenAIs günstigste GPT-6-Stufe, acht Wochen nach dem Launch und unverändert. Die ehrliche Frage ist also nicht, welches der beiden besser ist. Sie lautet, ob das, was 3.8 Flash seine $0.75 pro Million Input-Tokens wert machte, für Hydrogen bei $1.50 noch gilt – und ob Lunas $0.10 jemals im selben Markt angesiedelt war.

Hier ist die Kurzfassung vor den Details. Gemini 3.8 Flash ist bei nahezu jedem unabhängigen Maßstab das leistungsfähigere Modell und kostet pro Token etwa siebeneinhalbmal so viel. GPT-6 Luna erzeugt pro Anfrage doppelt so viel Ausgabe, kostet pro Aufgabe in der Testsuite von Artificial Analysis etwa ein Zehntel davon und beginnt deutlich langsamer mit der Antwort. Hydrogen löst das nicht – es verschiebt die G​emini-Stufe sowohl beim Preis als auch bei der Leistungsfähigkeit nach oben und überlässt das untere Marktsegment damit standardmäßig Luna.

Die Datenblätter, Seite an Seite

• Preisliste, beide Hälften – GPT-6 Luna mit $0.10 Input und $0.50 Output pro 1M gegenüber Gemini 3.8 Flash mit $0.75 und $3.75; derselbe Faktor 7,5x erscheint bei Input und Output, was ungewöhnlich ist und bedeutet, dass keine Workload-Form das Verhältnis arbitrieren kann

• Zwischengespeicherte Eingabe pro 1 Mio.: GPT-6 Luna $0.01 vs. Gemini 3.8 Flash $0.075; beachten Sie, dass Google dies als Cache-Trefferrate statt als Cache-Schreibrate ausweist, sodass es nicht direkt mit OpenAIs Zwei-Zahlen-Schema vergleichbar ist

• Langkontext-Preisgestaltung – GPT-6 Luna verdoppelt Eingabe und Cache und multipliziert die Ausgabe oberhalb von 272.000 Prompt-Tokens mit 1,5; Gemini 3.8 Flash berechnet einen einheitlichen Pauschalpreis über ihr gesamtes Kontextfenster

• Kontextfenster – 1.050.000 Tokens für GPT-6 Luna vs. 1.048.576 für Gemini 3.8 Flash, ein Unterschied von 1.424 Tokens, den keine Anwendung jemals bemerken wird

• Maximale Ausgabe – GPT-6 Luna 128.000 Token vs. Gemini 3.8 Flash 65.536, ein echter Unterschied, sobald man erstmals ein langes Dokument anfordert

• Was jede von ihnen tatsächlich aufnimmt – Gemini 3.8 Flash verarbeitet Video und Audio sowie Text, Bilder und Dateien; GPT-6 Luna verarbeitet die letzten drei und lehnt die ersten beiden ab

• Der Aufwandsregler – Lunas Stufenleiter reicht von einem regelrechten „Keine“ (mittel, wenn du nichts angibst) bis zum Maximum; bei G​emini beginnt sie höher, steht standardmäßig auf hoch, und G​oogle warnt, dass sie mehr Tokens verbraucht, je weiter man sie nach oben dreht.

• Veröffentlichung – Gemini 3.8 Flash am 2. September 2026; GPT-6 Luna am 22. September 2026; Hydrogen, sein Nachfolger, am 12. November 2026

• Artificial Analysis Intelligence Index v5.0.1 – 31 für Gemini 3.8 Flash bei high, 28 für GPT-6 Luna bei max, sodass das günstigere Modell drei Punkte einbüßt, während es mit seiner teuersten Einstellung läuft

• Warten auf das erste Wort – 16,98 s bei Gemini 3.8 Flash gegenüber 79,33 s bei GPT-6 Luna, gemessen von Artificial Analysis; das Gemini-Modell braucht länger, um eine ganze Aufgabe abzuschließen, 15 Minuten gegenüber Lunas 11,8

• Was der Indexlauf für die Fertigstellung kostete – Gemini 3.8 Flash 7,77 $ pro Aufgabe bzw. 5.764 $ für die gesamte Suite, gegenüber GPT-6 Luna mit 0,15 $ und 136 $

Siebeneinhalbmal der Preis, und wo sich das zeigt

Die Intelligenzlücke beträgt drei Punkte: 31 gegen 28. Das ist kleiner, als das Preisverhältnis vermuten ließe, und kleiner, als die meisten Leute schätzen würden, aber das ist nicht der interessante Teil des Vergleichs, denn die beiden Punktzahlen wurden bei unterschiedlichen Aufwandseinstellungen ermittelt – Gemini auf hoch, Luna auf max. Lunas Punktzahl bei maximalem Aufwand ist das Beste, was Luna leisten kann; Geminis Punktzahl bei hohem Aufwand ist der Standard. Googles Modell hat Luft nach oben, die Luna nicht hat.

Woher die drei Punkte kommen, ist nützlicher als die Zahl. Zerlegt man den Index in seine Komponenten, zeigt sich ein Muster: Die beiden Modelle liegen bei Bewertungen zum Programmierstil nahe beieinander und bei allem, was Abruf oder Verweigerung erfordert, weit auseinander.

• Terminal-Bench 4.0 – Gemini 3.8 Flash 19,7 % vs. GPT-6 Luna 12,6 %; beide sind schwach, und keines von beiden ist ein Terminal-Agent

• Terminal-Bench-Science 0.1 – Gemini 3.8 Flash 10,0 % vs. GPT-6 Luna 8,6 %, was praktisch gesehen ein Gleichstand ist

• HLE-Diamond – Gemini 3.8 Flash 33,1 % vs. GPT-6 Luna 22,2 %, eine Differenz von elf Prozentpunkten bei schwierigem Reasoning, das keines der beiden Modelle gut bewältigt

• FrontierCode-AA 2.0 – Gemini 3.8 Flash 18.7% vs. GPT-6 Luna 25.2%, die einzige Programmier-Bewertung, in der Luna führt, obwohl beide weit unter den Modellen liegen, die 46% übertreffen

• AA-Omniscience v1.1 netto – Gemini 3.8 Flash +23 gegenüber GPT-6 Luna −8; dies ist die größte und folgenreichste Lücke in der Tabelle

• AA-Briefcase v1.1 Elo – GPT-6 Luna 1337 vs. Gemini 3.8 Flash 1203, ein Maß für Wissensarbeit, bei dem das günstigere Modell gewinnt

Das letzte Paar ist das, mit dem man sich auseinandersetzen sollte. Bei Fragen dazu, was ein Modell weiß und ob es zugeben wird, etwas nicht zu wissen, erzielt Gemini 3.8 Flash netto +23 und Luna netto −8 – was bedeutet, dass Lunas erfundene Antworten häufig genug ihre korrekten überwiegen, um die Gesamtbilanz unter null zu drücken. Bei Wissensarbeit im Briefcase-Stil liegt Luna 134 Elo höher. Zwei Evaluierungen, gegensätzliche Urteile, dieselben zwei Modelle. Die Erklärung dafür ist, dass Briefcase das Befolgen von Anweisungen über einen bereitgestellten Korpus belohnt, während Omniscience belohnt, Dinge ohne einen solchen zu wissen. Wenn Ihre Anwendung die Dokumente mitliefert, ist Lunas Schwäche eingedämmt. Wenn sie aus dem Gedächtnis antwortet, nicht.

Warum sind die Kosten pro Aufgabe 50x, wenn die Preisliste 7,5x beträgt?

Die Listenpreise unterscheiden sich um den Faktor 7,5. Die gemessenen Kosten für das Absolvieren von Artificial Analysis’ Intelligence Index unterscheiden sich um einen Faktor von gut 50: 7,77 US-Dollar für Gemini 3.8 Flash gegenüber 0,15 US-Dollar für GPT-6 Luna. Der Unterschied zwischen diesen beiden Verhältnissen ist vollständig auf den Tokenverbrauch zurückzuführen, und er ist die Zahl, über die in jedem in diesem Jahr veröffentlichten Modellvergleich am wenigsten berichtet wird.

Gemini 3.8 Flash ist ein intensiver Reasoner. Google sagt das direkt: Bei komplexen Aufgaben „zeigt es größere Sorgfalt – es führt zusätzliche Reasoning-Schritte aus und ruft Tools iterativ auf“ und „verbraucht möglicherweise mehr Tokens, um die Leistung zu maximieren, insbesondere auf höheren Aufwandsstufen“. Die eigene Abrechnung des Boards stimmt dem zu – 98.900 Ausgabe-Tokens pro Aufgabe für Gemini gegenüber 75.300 für Luna, wovon jeweils 60.100 bzw. 57.600 Reasoning-Tokens sind. Multipliziert man diese Tokenzahl mit einer Preisliste, die bereits 7,5-mal höher ist, summiert sich das Verhältnis pro Aufgabe auf das 50-Fache. Das ist das stärkste Argument für Luna, das es gibt, und es hat überhaupt nichts mit Intelligenz zu tun.

Es schlägt auch in die andere Richtung aus – bei einer anderen Arbeitslast. Wenn deine Prompts lang und deine Antworten kurz sind – Retrieval über einen festen Korpus, Klassifikation mit einer Ein-Token-Ausgabe, Log-Triage –, dann sind Ausgabe-Tokens auf beiden Karten ein Rundungsfehler und das 7,5-fache Eingabe-Verhältnis erzählt die ganze Geschichte. G​eminis Weitschweifigkeit bekommt nie die Chance, sich aufzusummieren, und Lunas Vorteil schrumpft von 50x auf etwa 7x. Die Zahl, die du modellieren musst, ist dein eigenes Verhältnis von Eingabe- zu Ausgabe-Tokens, nicht das aus dem Benchmark.

Die Funktionslücke, die niemand in eine Vergleichstabelle einträgt

Gemini 3.8 Flash verarbeitet Video und Audio nativ. GPT-6 Luna nicht – Text, Bild und Datei, sonst nichts. Für die meisten Text-Workloads ist das irrelevant, und genau deshalb werden die beiden Modelle überhaupt verglichen: Beide sind als günstige Preisklasse positioniert, beide haben ungefähr eine Million Tokens Kontext, beide nehmen Bilder entgegen.

Bei einem Workload mit aufgezeichneten Telefonaten, Bildschirmaufzeichnungen oder Meeting-Audio endet der Vergleich an dieser Stelle. Luna kann diese Aufgabe zu keinem Preis bewältigen, und der Faktor 7,5 ist kein Aufpreis, sondern ein Kategorienunterschied. Dieselbe Logik gilt umgekehrt für die Ausgabelänge: Luna liefert bis zu 128.000 Token in einer Antwort, gegenüber 65.536 bei G​emini, was dann zählt, wenn ein Anruf ein ganzes Dokument statt nur einen Absatz davon erzeugen soll.

Was Hydrogen ändert – und was nicht.

Googles eigene Darstellung der Umstellung ist ungewöhnlich direkt, was das Delta angeht: Hydrogen erledigt Aufgaben mit seiner hohen Standardeinstellung 2,5-mal schneller als 3.8 Flash, mehr als verdreifacht es Terminal-Bench 4.1 (57 % gegenüber 18,2 %), senkt erfundene Behauptungen um mehr als das Fünffache und läuft in Partnertests 2- bis 2,8-mal schneller bei 12 % bis 23 % weniger Tokenverbrauch. Im Index von Artificial Analysis erzielt es 51 auf seiner standardmäßigen hohen Denkstufe gegenüber 50 bei Argon und 54 bei xhigh.

Es ist außerdem über sein gesamtes Kontextfenster hinweg einheitlich bepreist: 1,50 US-Dollar pro Million Eingabe-Tokens und 7,50 US-Dollar pro Million Ausgabe-Tokens – doppelt so viel wie 3.8 Flash bei Eingabe und Ausgabe. Das Modell, das 3.8 Flash ersetzt, kostet also doppelt so viel wie das Modell, das es ersetzt, und liegt nach Googles eigenen Zahlen rund 20 Punkte höher im Intelligenzindex. Das ist ein geradliniges Upgrade entlang der Kurve, und es entfernt die Mitte des Marktes: Der Käufer, der Gemini-Kompetenz zu Flash-Preisen wollte, hat jetzt ein Modell über sich und ein Modell unter sich, während sich die alte Option im Migrationsprozess befindet.

Nichts davon ändert Lunas Position, denn Luna stand nie im Wettbewerb mit einem 31-Index-Modell. Sie konkurriert mit der Untergrenze. Bei 0,10 $ Input und 0,50 $ Output ist Luna nach wie vor der günstigste Weg, ein großes Textvolumen mit einem leistungsfähigen Modell dahinter zu verarbeiten, und Hydrogens Markteintritt bei 1,50 $ macht das eher noch wahrer als weniger – die G​emini-Option, die früher das 7,5-Fache von Lunas Preis kostete, liegt jetzt beim 15-Fachen.

Die Ergebnisse von Drittanbietern, die abweichen

Nicht jede unabhängige Messung sieht diese Modelle drei Punkte auseinander. StealthMark, ein Vergleichsdienst, der einen eigenen Evaluationsdatensatz betreibt, sieht Gemini 3.8 Flash mit 8,8 Punkten vor GPT-6 Luna, 47,9 zu 39,1, und in acht von neun Einzelbenchmarks vorn. Und der Agent Initiative Benchmark von Deepnote – der Modelle anhand von fünfzig Arbeitssituationen in einem simulierten Unternehmen statt anhand von Fragen bewertet – enthielt Gemini 3.8 Flash überhaupt nicht, sodass die einzige Evaluation, die proaktives Agentenverhalten misst, zu dieser Paarung nichts zu sagen hat.

Die Spanne zwischen „drei Punkten“ und „acht und einem halben Punkt“ erinnert daran, dass die Wahl des Benchmarks eine Modellierungsentscheidung ist – keine neutrale. Die Bewertungen, die Gemini begünstigen, gewichten Wissens- und Argumentationstiefe; diejenigen, die Luna begünstigen, gewichten Instruktionsbefolgung stärker als vorgegebenen Kontext und Kosten. Keine der beiden Gruppen ist falsch. Ein Team, das zwischen diesen beiden wählt, sollte ein Dutzend eigener Aufgaben durch beide laufen lassen, bevor es einer der Tabellen vertraut – einschließlich der vier in diesem Artikel.

Wo jedes einzelne jetzt seinen Platz verdient

• Video-, Audio- oder beliebige multimodale Eingaben – Gemini 3.8 Flash oder Hydrogen, wenn Sie neu beginnen. Luna kann die Eingabe nicht verarbeiten.

• Antworten aus dem Modellwissen ohne beigefügte Dokumente – Gemini 3.8 Flash. Die Omniscience-Aufteilung von +23 gegenüber −8 ist der entscheidende Beweis.

• Interaktive Latenz, bei der ein erstes Token nach 79 Sekunden einen Produktfehler darstellt – Gemini 3.8 Flash bei 17 Sekunden, wobei seine durchschnittliche Zeit pro Aufgabe von 15 Minuten schlechter ist als Lunas 11,8, sodass der Vorteil beim ersten Token statt beim letzten liegt.

• Lange Generierungen, ein einziger Aufruf erzeugt ein ganzes Dokument – GPT-6 Luna, dank einer Ausgabegrenze von 128.000 Tokens.

• Hochvolumen-Textverarbeitung mit bereitgestellten Dokumenten – GPT-6 Luna, wo der 50-fache Vorteil pro Aufgabe real ist und die faktische Untergrenze durch das Korpus eingegrenzt wird.

• Neue Bereitstellungen, die überhaupt eine Gemini-Stufe wollen – Gemini 4 Hydrogen, nicht 3.8 Flash. Ein Modell zwei Tage, nachdem sein Nachfolger erschienen ist, einzuführen, braucht einen Grund.

Die Migrationsfrage verdient einen weiteren Satz, denn sie ist die praktische Entscheidung, die in diesem Vergleich steckt. Wenn Sie Gemini 3.8 Flash heute in der Produktion einsetzen, sprechen Hydrogens Zahlen für einen Wechsel – aber sein Preis spricht dafür, zuerst die Rechnung zu modellieren, da die von Google gemeldeten Token-Einsparungen (12 % bis 23 %) eine Verdopplung beider Tarife nicht ausgleichen. Wenn Sie keines von beiden einsetzen, steht die Wahl zwischen einem Modell, das eingestellt wird, und einem Modell, das seit acht Wochen unverändert geblieben ist, und die Antwort hängt ganz davon ab, ob Ihr Workload Videoeingabe oder eine faktische Untergrenze braucht.

Eines von beiden ohne ein Migrationsprojekt ausführen

Der heikle Punkt bei einem solchen Duell ist, dass die beiden Kandidaten unterschiedliche Protokolle sprechen – G​eminis eigener generate-Endpunkt und O​penAIs chat-completions-Format – und das Modell, für das man sich heute entscheidet, schon innerhalb eines Quartals überholt sein kann, wie es bei 3.8 Flash gerade erst der Fall war. OrcaRouter stellt GPT-6 Luna, Gemini 3.8 Flash, G​emini 4 Hydrogen und mehr als 200 weitere Modelle hinter einem einzigen OpenAI-kompatiblen Schlüssel mit 0 % Aufschlag bereit, wobei der Listenpreis des Anbieters durchgereicht wird, sodass G​oogles Einführungspreis und jede spätere Änderung am selben Tag auf der Rechnung landen. Das ist hier wichtiger als üblich: 3.8 Flash startete mit dem, was G​oogle einen Einführungspreis nannte, und ein Modell mit Einführungspreis, von dem gerade migriert wird, ist eine Rechnungsposition, die man im Auge behalten sollte. Eine Route von einem Modell auf ein anderes umzuschalten ist eine Änderung an der Routing-DSL statt eines neuen SDKs, automatisches Failover hält eine Workload am Laufen, wenn ein Anbieter beeinträchtigt ist, und Modell-Fusion lässt ein Panel antworten, wenn eine einzelne kostengünstige Klassifizierung zu folgenreich ist, um sie einem einzigen Modell anzuvertrauen. Wir hosten keine Modelle, die wir nicht routen, und beide davon routen wir.

Was als Nächstes ansehen

Zwei Termine entscheiden darüber, wie dieser Vergleich in einem Monat zu lesen sein wird. Der erste ist der Ausstiegsfahrplan von G​oogle für G​emini 3.8 Flash – Hydrogen ist am 12. November erschienen, und die Migrationssprache ist bereits öffentlich; die nützliche Frage ist also nicht, ob 3.8 Flash verschwindet, sondern wie lange der Einführungspreis darüber hinaus Bestand hat. Der zweite ist, ob O​penAI einen Nachfolger für GPT-6 Luna oder eine Preisänderung auf den Tisch bringt; Luna ist seit dem 22. September unverändert, und ein günstigeres oder leistungsfähigeres Modell auf derselben Stufe würde die Rechnung neu aufstellen, so wie Hydrogen gerade die von G​emini neu aufgestellt hat.

Bis eines davon erscheint, ist die Zusammenfassung bewusst unspektakulär. Gemini 3.8 Flash ist das bessere Modell und der schlechtere Kauf, und es steht vor dem Aus. GPT-6 Luna ist das schwächere Modell mit Kosten pro Aufgabe, die eine Größenordnung niedriger sind, und einer faktischen Untergrenze, die begrenzt, wo man ihm vertrauen kann. Keines von beiden ist die Standardwahl. Die Standardwahl für alle, die jetzt anfangen, ist Hydrogen auf der G​emini-Seite und Luna auf der untersten Stufe – und der Abstand zwischen den beiden beträgt nicht mehr das 7,5-Fache, sondern das 15-Fache, was eine andere Entscheidung ist als die, die dieser Vergleich beantworten sollte.