GPT-6 Luna vs Gemini 3.8 Flash : le segment économique vient d’être remplacé

Google a lancé Gemini 4 Hydrogen le 12 novembre 2026, et son article de lancement le décrit comme « une mise à niveau autonome majeure pour les équipes migrant depuis Gemini 3.8 Flash ». Cette phrase fait ce qu’aucun tableau de benchmarks ne peut faire : elle change la raison d’être d’une comparaison entre GPT-6 Luna et Gemini 3.8 Flash. Le côté Gemini de cette confrontation n’est plus un modèle que l’on adopte — c’est un modèle dont on vous fait migrer. Le côté Luna reste l’échelon GPT-6 le moins cher d’OpenAI, huit semaines après son lancement et inchangé. La vraie question n’est donc pas de savoir lequel des deux est meilleur. C’est de savoir si ce qui rendait 3.8 Flash digne de ses 0,75 $ par million de tokens d’entrée tient toujours pour Hydrogen à 1,50 $ — et si les 0,10 $ de Luna ont jamais relevé du même marché.

Voici la version courte avant les détails. Gemini 3.8 Flash est le modèle le plus capable selon presque tous les indicateurs indépendants, et coûte environ sept fois et demie le prix par token. GPT-6 Luna produit deux fois plus de sortie par requête, coûte environ un dixième par tâche sur la suite d’Artificial Analysis, et est nettement plus lent à commencer à répondre. Hydrogen ne résout pas ce problème : il fait grimper le niveau Gemini en prix comme en capacités, laissant par défaut le bas de gamme du marché à Luna.

Les fiches techniques, côte à côte

• Grille tarifaire, les deux volets : GPT-6 Luna à 0,10 $ en entrée et 0,50 $ en sortie par 1 M, contre Gemini 3.8 Flash à 0,75 $ et 3,75 $ ; le même facteur 7,5x apparaît en entrée et en sortie, ce qui est inhabituel et signifie qu’aucun profil de charge de travail ne peut exploiter ce ratio.

• Entrée mise en cache par 1 M - GPT-6 Luna 0,01 $ contre Gemini 3.8 Flash 0,075 $, et notez que G​oogle indique cela comme un taux de succès du cache plutôt qu’un taux d’écriture dans le cache, ce n’est donc pas directement comparable au schéma à deux nombres d’O​penAI

• Tarification pour contexte long — GPT-6 Luna double l’entrée et le cache et multiplie la sortie par 1,5 au-delà de 272 000 tokens de prompt ; Gemini 3.8 Flash annonce un tarif forfaitaire unique sur toute sa fenêtre

• Fenêtre de contexte – 1 050 000 tokens pour GPT-6 Luna contre 1 048 576 pour Gemini 3.8 Flash, une différence de 1 424 tokens que aucune application ne remarquera jamais

• Sortie maximale – GPT-6 Luna 128 000 tokens contre Gemini 3.8 Flash 65 536, une différence qui compte dès la première fois que vous demandez un document long

• Ce que chacun va réellement ingérer — Gemini 3.8 Flash prend en charge la vidéo et l’audio ainsi que le texte, les images et les fichiers ; GPT-6 Luna prend les trois derniers et refuse les deux premiers

• Le réglage de l’effort — l’échelle de Luna va d’un « aucun » pur et simple (moyen si vous ne dites rien) jusqu’à max ; celle de Gemini part de plus haut, est par défaut sur high, et Google prévient qu’elle consomme plus de tokens à mesure que vous la poussez vers le haut

• Sortie - Gemini 3.8 Flash le 2 septembre 2026 ; GPT-6 Luna le 22 septembre 2026 ; Hydrogen, son remplacement, le 12 novembre 2026

• Indice d'intelligence Artificial Analysis v5.0.1 – 31 pour Gemini 3.8 Flash en mode high, 28 pour GPT-6 Luna en mode max : le modèle le moins cher perd donc trois points tout en tournant avec son réglage le plus coûteux

• Attente du premier mot : 16,98 s sur Gemini 3.8 Flash contre 79,33 s sur GPT-6 Luna, selon les mesures d’Artificial Analysis ; le modèle Gemini est plus lent à terminer une tâche complète, 15 minutes contre 11,8 pour Luna

• Combien a coûté l’exécution de l’index pour être menée à bien : Gemini 3.8 Flash, 7,77 $ par tâche, soit 5 764 $ pour la suite complète, contre 0,15 $ et 136 $ pour GPT-6 Luna

Sept fois et demie le prix, et où cela se voit

L’écart d’intelligence est de trois points : 31 contre 28. C’est plus petit que ne le suggérerait le rapport de prix et plus petit que ce que la plupart des gens imaginent, mais ce n’est pas la partie intéressante de la comparaison, car les deux scores ont été obtenus avec des niveaux d’effort différents : Gemini en high, Luna en max. Le score de Luna à effort maximal est le meilleur qu’elle puisse obtenir ; le score de Gemini à effort élevé correspond à son réglage par défaut. Le modèle de Google dispose d’une marge dont Luna ne dispose pas.

D’où viennent les trois points est plus utile que le nombre. Décomposez l’indice en ses composantes et un schéma apparaît : les deux modèles sont proches sur les évaluations du style de code et très éloignés sur tout ce qui exige du rappel ou un refus.

• Terminal-Bench 4.0 - Gemini 3.8 Flash 19,7 % vs GPT-6 Luna 12,6 % ; tous deux sont médiocres, et aucun n’est un agent de terminal

• Terminal-Bench-Science 0.1 - Gemini 3.8 Flash 10,0 % vs GPT-6 Luna 8,6 %, ce qui revient à une égalité en pratique

• HLE-Diamond — Gemini 3.8 Flash 33,1 % contre GPT-6 Luna 22,2 %, un écart de onze points sur le raisonnement difficile qu’aucun des deux modèles ne maîtrise bien

• FrontierCode-AA 2.0 – Gemini 3.8 Flash 18,7 % contre GPT-6 Luna 25,2 %, la seule évaluation de codage où Luna est en tête, bien que les deux se situent bien en dessous des modèles qui dépassent 46 %

• AA-Omniscience v1.1 net – Gemini 3.8 Flash +23 contre GPT-6 Luna −8 ; il s'agit de l'écart le plus large et le plus lourd de conséquences du tableau

• AA-Briefcase v1.1 Elo – GPT-6 Luna 1337 vs Gemini 3.8 Flash 1203, une mesure du travail de connaissance où le modèle le moins cher l’emporte

C’est sur cette dernière paire qu’il faut s’arrêter. Sur les questions de ce qu’un modèle sait et de sa capacité à admettre qu’il ne sait pas, Gemini 3.8 Flash obtient un score net de +23 et Luna de −8, ce qui signifie que les réponses fabriquées de Luna l’emportent sur ses réponses correctes assez souvent pour faire passer le total sous zéro. Sur le travail de connaissance de type Briefcase, Luna obtient un score supérieur de 134 points Elo. Deux évaluations, des verdicts opposés, les mêmes deux modèles. L’explication est que Briefcase récompense le fait de suivre des instructions sur un corpus fourni, tandis qu’Omniscience récompense le fait de savoir des choses sans corpus. Si votre application fournit les documents, la faiblesse de Luna est contenue. Si elle répond de mémoire, elle ne l’est pas.

Pourquoi le coût par tâche est 50 fois plus élevé alors que la grille tarifaire est de 7,5 fois

Les prix catalogue diffèrent d’un facteur de 7,5. Le coût mesuré pour terminer l’Intelligence Index d’Artificial Analysis diffère d’un facteur d’environ 50 : 7,77 $ pour Gemini 3.8 Flash contre 0,15 $ pour GPT-6 Luna. L’écart entre ces deux ratios tient entièrement à la consommation de tokens, et c’est le chiffre le plus sous-déclaré dans toutes les comparaisons de modèles publiées cette année.

Gemini 3.8 Flash est un modèle qui raisonne intensivement. Google le dit directement : sur les tâches complexes, il « fait preuve d’une plus grande diligence — exécute des étapes de raisonnement supplémentaires et appelle des outils de manière itérative », et « pourrait utiliser davantage de tokens pour maximiser ses performances, en particulier aux niveaux d’effort plus élevés ». Le calcul du board concorde : 98 900 tokens de sortie par tâche pour Gemini, contre 75 300 pour Luna, dont 60 100 et 57 600 sont respectivement des tokens de raisonnement. Multipliez ce nombre de tokens par une grille tarifaire déjà 7,5 fois plus élevée, et le ratio par tâche grimpe à 50 fois. C’est le meilleur argument qui existe en faveur de Luna, et il ne concerne pas du tout l’intelligence.

Cela joue aussi en sens inverse sur une charge de travail différente. Si vos prompts sont longs et vos réponses courtes — recherche d'informations sur un corpus fixe, classification avec une sortie d'un seul token, triage de journaux — alors les tokens de sortie sont une erreur d'arrondi sur les deux cartes et le ratio d'entrée de 7,5x est toute l'histoire. La verbosité de G​emini n'a jamais l'occasion de s'accumuler, et l'avantage de Luna passe de 50x à environ 7x. Le chiffre à modéliser est votre propre ratio de tokens d'entrée sur de sortie, pas celui du benchmark.

L’écart de fonctionnalités que personne ne mentionne dans un tableau comparatif

Gemini 3.8 Flash ingère nativement la vidéo et l’audio. GPT-6 Luna, non : texte, image et fichier, rien d’autre. Pour la plupart des charges de travail textuelles, cela n’a aucune importance, et c’est précisément pourquoi les deux modèles sont comparés, tout simplement : tous deux sont positionnés comme l’offre d’entrée de gamme, tous deux disposent d’environ un million de jetons de contexte, tous deux acceptent les images.

Pour une charge de travail impliquant des appels enregistrés, des enregistrements d’écran ou l’audio de réunions, la comparaison s’arrête là. Luna ne peut pas faire le travail à aucun prix, et le facteur 7,5x n’est pas un surcoût mais une différence de catégorie. La même logique s’applique inversement à la longueur de sortie : Luna renvoie jusqu’à 128 000 tokens en une seule réponse, contre 65 536 pour G​emini, ce qui compte lorsqu’un appel est censé produire tout un document plutôt qu’un paragraphe de celui-ci.

Ce que Hydrogen change, et ce qu’il ne change pas

La présentation de la migration par Google est particulièrement directe quant à l’écart de performances : Hydrogen termine les tâches 2,5 fois plus vite dans son réglage par défaut élevé que 3.8 Flash, fait plus que tripler le score de Terminal-Bench 4.1 (57 % contre 18,2 %), réduit de plus de 5 fois les affirmations fabriquées et s’exécute 2 à 2,8 fois plus vite avec 12 % à 23 % de tokens en moins lors des tests partenaires. Sur l’indice d’Artificial Analysis, il affiche 51 à son niveau de réflexion élevé par défaut, contre 50 pour Argon, et 54 à xhigh.

Il est également à prix fixe sur toute sa fenêtre de contexte, à 1,50 $ par million de jetons d’entrée et 7,50 $ par million de jetons de sortie, soit le double de 3.8 Flash des deux côtés. Ainsi, le modèle qui remplace 3.8 Flash coûte deux fois le prix du modèle qu’il remplace et, selon les propres chiffres de G​oogle, environ 20 points de plus sur l’indice d’intelligence. C’est une montée en gamme directe sur la courbe, et cela supprime le milieu du marché : l’acheteur qui voulait une compétence de classe G​emini à des prix de classe Flash dispose désormais d’un modèle au-dessus et d’un modèle en dessous, l’ancienne option étant en cours de migration.

Rien de tout cela ne change la position de Luna, car Luna n’a jamais été en concurrence avec un modèle à 31 indices. Elle est en concurrence avec le plancher. À 0,10 $ en entrée et 0,50 $ en sortie, Luna reste le moyen le moins cher de traiter un grand volume de texte avec un modèle compétent derrière, et l’arrivée de Hydrogen à 1,50 $ rend cela plus vrai, pas moins — l’option G​emini qui coûtait auparavant 7,5 fois le prix de Luna coûte désormais 15 fois.

Les résultats tiers qui divergent

Toutes les mesures indépendantes ne placent pas ces modèles à trois points d’écart. StealthMark, un service de comparaison qui exploite son propre ensemble d’évaluation, place Gemini 3.8 Flash devant GPT-6 Luna de 8,8 points, 47,9 contre 39,1, et en tête sur huit des neuf benchmarks individuels. Et l’Agent Initiative Benchmark de Deepnote — qui évalue les modèles sur cinquante situations professionnelles au sein d’une entreprise simulée plutôt que sur des questions — n’a pas inclus Gemini 3.8 Flash du tout, de sorte que la seule évaluation qui mesure le comportement proactif des agents n’a rien à dire sur ce duo.

L’écart entre « trois points » et « huit points et demi » rappelle que le choix du benchmark est une décision de modélisation, pas une décision neutre. Les évaluations qui favorisent Gemini privilégient la connaissance et la profondeur de raisonnement ; celles qui favorisent Luna privilégient le suivi d’instructions sur un contexte fourni et le coût. Aucun des deux ensembles n’est faux. Une équipe qui doit choisir entre ces deux modèles devrait faire passer une douzaine de ses propres tâches par les deux avant de se fier à l’un ou l’autre des tableaux, y compris les quatre de cet article.

Où chacun gagne désormais sa place

• Entrée vidéo, audio ou toute entrée multimodale – Gemini 3.8 Flash, ou Hydrogen si vous partez de zéro. Luna ne peut pas accepter l’entrée.

Réponses tirées des connaissances du modèle, sans aucun document joint — Gemini 3.8 Flash. L'écart d'omniscience de +23 contre −8 constitue la preuve décisive.

• Latence interactive où un premier token à 79 secondes constitue un défaut produit : Gemini 3.8 Flash à 17 secondes, bien que son temps moyen par tâche de 15 minutes soit moins bon que celui de Luna, à 11,8, l’avantage réside donc dans le premier token plutôt que dans le dernier.

• Générations longues, un seul appel produisant un document entier - GPT-6 Luna, grâce à un plafond de sortie de 128 000 tokens.

• Traitement de texte à grand volume avec documents fournis - GPT-6 Luna, où l’avantage de 50x par tâche est réel et le socle factuel est encadré par le corpus.

• Les nouveaux déploiements qui souhaitent un niveau G​emini, quel qu’il soit – G​emini 4 Hydrogen, et non 3.8 Flash. Adopter un modèle deux jours après la sortie de son remplaçant demande une raison.

La question de la migration mérite une phrase de plus, car c’est la décision pratique qui se cache dans cette comparaison. Si vous exploitez Gemini 3.8 Flash en production aujourd’hui, les chiffres d’Hydrogen plaident pour une migration — mais son prix plaide pour modéliser d’abord la facture, étant donné que les économies de tokens rapportées par Google (12 % à 23 %) ne compensent pas un doublement des deux tarifs. Si vous n’exploitez ni l’un ni l’autre, le choix se situe entre un modèle sur le point d’être retiré et un modèle resté inchangé pendant huit semaines, et la réponse dépend entièrement de savoir si votre charge de travail nécessite une entrée vidéo ou un socle factuel.

Exécuter l'un ou l'autre sans projet de migrations

Ce qui est délicat dans un comparatif comme celui-ci, c'est que les deux candidats parlent des protocoles différents – le point de terminaison generate propre à G​emini et le format chat-completions d'O​penAI – et que le modèle retenu aujourd'hui peut être supplanté en un trimestre, comme 3.8 Flash vient de l'être. OrcaRouter expose GPT-6 Luna, Gemini 3.8 Flash, G​emini 4 Hydrogen et plus de 200 autres modèles derrière une seule clé compatible OpenAI, avec 0 % de marge, le prix catalogue du fournisseur répercuté tel quel, si bien que le tarif de lancement de G​oogle et tout changement ultérieur arrivent sur la facture le jour même. Cela compte plus que d'ordinaire ici : 3.8 Flash a été lancé à ce que G​oogle a appelé un tarif introductif, et un modèle en tarif introductif dont on migre les utilisateurs est un poste de facturation à surveiller. Faire passer une route d'un modèle à un autre est un changement dans le DSL de routage plutôt qu'un nouveau SDK, le basculement automatique maintient une charge de travail en service quand un fournisseur se dégrade, et la fusion de modèles permet à un panel de répondre là où une classification unique et bon marché est trop lourde de conséquences pour être confiée à un seul modèle. Nous n'hébergeons pas de modèles que nous ne routons pas, et ces deux-là, nous les routons.

Que regarder ensuite

Deux dates déterminent la façon dont cette comparaison se lira dans un mois. La première est le calendrier de retrait de Google pour Gemini 3.8 Flash : Hydrogen est sorti le 12 novembre et les termes de migration sont déjà publics, donc la question utile n’est pas de savoir si 3.8 Flash disparaît, mais combien de temps le tarif d’introduction lui survit. La seconde est de savoir si OpenAI met sur la table un successeur de GPT-6 Luna ou un changement de prix ; Luna est statique depuis le 22 septembre, et un modèle moins cher ou plus performant au même palier réinitialiserait l’arithmétique comme Hydrogen vient de réinitialiser celle de Gemini.

Jusqu’à ce que l’un de ces produits arrive, le résumé est volontairement peu glamour. Gemini 3.8 Flash est le meilleur modèle et le moins bon achat, et il est en voie de disparition. GPT-6 Luna est le modèle le plus faible, avec un coût par tâche inférieur d’un ordre de grandeur et un plancher factuel qui limite les cas où on peut lui faire confiance. Aucun des deux n’est un choix par défaut. Le choix par défaut, pour quiconque commence maintenant, est Hydrogen côté G​emini et Luna au plancher — et l’écart entre ces deux options n’est plus de 7,5x mais de 15x, ce qui constitue une décision différente de celle à laquelle cette confrontation était censée répondre.