GPT-6 Luna לעומת Claude Sonnet 5.5: שני פערים, לא אחד

תנו ל-GPT-6 Luna ול-Claude Sonnet 5.5 להופיע באותו דף מחירים, והיחס מביך: ‏$0.10 לעומת $2.00 למיליון טוקני קלט, ‏$0.50 לעומת $10.00 למיליון טוקני פלט. תנו להם לעבור את אותה הערכה, והפער נראה שונה לחלוטין בהתאם להערכה שתבחרו. במדד האינטליגנציה של Artificial Analysis, ‏Sonnet 5.5 במאמץ מקסימלי מקבל 55 ו-Luna במאמץ מקסימלי מקבל 28 - פער של 27 נקודות בלוח שבו צמרת התחום נמצאת בשנות החמישים. ב-FrontierCode-AA 2.0, אותם שני מודלים מקבלים 25.7 ו-25.2. זה לא פער. זה תיקו.

שתי הקריאות נכונות, והסיבה לכך שהן מתקיימות זו לצד זו היא הדבר שכדאי להבין לפני שבוחרים. לונה אינה מודל חלש באופן גורף הנמכר במחיר הנמוך פי עשרים. זהו מודל בעל צורה מוגדרת: תחרותי ביצירת דיפים לקוד, רחוק מאוד מאחור בעבודת טרמינל, בהיסק מדעי ובריסון עובדתי, ואיטי בסדר גודל בערך בהפקת הטוקן הראשון שלו. סונט 5.5 הוא הצורה ההפוכה — עקבי, מהיר להתחלה, ויקר מספיק כדי שציים שלם שלהם יצריך הצדקה עסקית.

שני דפי המפרט, ממד אחר ממד

• מחיר קלט לכל 1M - GPT-6 Luna ‏$0.10 לעומת Claude Sonnet 5.5 ‏$2.00, יחס של פי 20

• מחיר פלט ל-1M - GPT-6 Luna $0.50 לעומת Claude Sonnet 5.5 $10.00, גם פי 20

• קלט במטמון לכל 1M — GPT-6 Luna $0.01 לעומת Claude Sonnet 5.5 $0.10; Anthropic הורידה את תעריף קריאת המטמון של Sonnet לחצי מזה של Sonnet 5 בהשקה, והיחס לתעריף המטמון של Luna עדיין פי 10

• כתיבות מטמון – GPT-6 Luna‏ $0.125 לכל 1M, תוספת של 1.25x על הקלט; Sonnet 5.5 מחויב לפי $2.50 לכל 1M באותה מוסכמת 1.25x

• חלון הקשר - 1,050,000 טוקנים עבור GPT-6 Luna לעומת 1,000,000 עבור Claude Sonnet 5.5, כאשר הקלט השמיש של Luna מוגבל ל-922,000

• פלט מרבי - 128,000 אסימונים בשניהם

• תמחור הקשר ארוך – Luna מתמחרת מחדש את כל הבקשה מעל 272,000 טוקני קלט ב-$0.20 / $0.75; בכרטיס של Sonnet 5.5 אין קפיצת מחיר מקבילה, וזהו יתרון שקט בפרומפטים של 300K טוקנים

• אופני קלט - טקסט, תמונה וקובץ בשניהם; אף אחד מהם אינו מקבל אודיו או וידאו

• שליטה בחשיבה – GPT-6 Luna מציע ללא, נמוך, בינוני (ברירת מחדל), גבוה, xhigh ומקסימום, וניתן לכבות אותו לחלוטין; ל-Claude Sonnet 5.5 יש חמש רמות מנמוך ועד מקסימום, כאשר גבוה הוא ברירת המחדל, והחשיבה תמיד פעילה

• תאריך קטיעת הידע – 18 במאי 2026 עבור GPT-6 Luna; A​nthropic אינה מפרסמת תאריך דומה עבור Sonnet 5.5

• השקה - GPT-6 Luna ב-22 בספטמבר 2026; Claude Sonnet 5.5 ב-28 בספטמבר 2026, בהפרש שישה ימים

• מדד AA Intelligence Index v5.0.1 - GPT-6 Luna 28 במאמץ מקסימלי לעומת Claude Sonnet 5.5 42 במאמץ גבוה כברירת מחדל ו-55 במאמץ מקסימלי

• זמן עד לאסימון הראשון של התשובה - GPT-6 Luna 79.33 שנ׳ לעומת Claude Sonnet 5.5 10.21 שנ׳ על אותו לוח

• עלות לכל משימה במדד האינטליגנציה - GPT-6 Luna‏ $0.15 לעומת Claude Sonnet 5.5‏ $1.64

פי עשרים מהמחיר, פי אחד עשר מהחשבון

יחס מחירי המחירון הוא בדיוק פי 20. היחס הנמדד בעומס עבודה אמיתי אינו כזה, מפני שעלות למשימה כוללת גם כמה טוקנים כל מודל מוציא כדי להגיע לתשובה. בהרצת האינדקס של Artificial Analysis, Luna צרכה טוקנים בשווי 136 דולר כדי להשלים את החבילה, ו-Sonnet 5.5 צרכה 1,268 דולר - בערך פי 9.3. הנתון למשימה של Luna העומד על 0.15 דולר מול 1.64 דולר של Sonnet הוא יחס של 10.9.

ההבדל הזה פועל לטובתה של לונה ונגדה בעת ובעונה אחת, בהתאם לעומס העבודה שלך. לונה פולטת הרבה טוקנים של חשיבה עבור מודל זול: במאמץ מרבי היא הפטפנית מבין השתיים ליחידת ניקוד, ולכן יחס המחירון של פי 20 מצטמצם לכ-פי 10 בחשבון. בעומס עבודה שבו הפלט שולט - יצירות ארוכות, עריכות קוד איטרטיביות, כל דבר שכותב פסקאות - הדחיסה נעשית גרועה יותר עבור לונה, מפני שתעריף הפלט שלה הוא החצי היקר של הכרטיס. בעומס עבודה שבו הקלט שולט - אחזור, קריאת לוגים, שאלות-תשובות על מסמכים מתוך קורפוס קבוע - יחס הפי 20 נשמר כמעט בדיוק, והמטמון אף משפר אותו.

הערת חשבון נוספת שמשנה את התשובה עבור צוות שכבר משלם את המחירים של Anthropic: לפי תיאורה של Anthropic, Sonnet 5.5 עולה עד 30% פחות לכל משימה מאשר Sonnet 5 למרות מחירון ללא שינוי, מפני שהוא זקוק לפחות טוקנים כדי לבצע את אותה עבודה. צוות שעובר מ-Sonnet 5 ל-Sonnet 5.5 מקבל הנחה אמיתית בלי לשנות מחירון. צוות שעובר מ-Sonnet 5.5 ל-Luna מקבל הנחה של פי 10 ומודל שונה מאוד.

היכן שהפער הוא תהום, ומדוע הרתמה חשובה

Terminal-Bench 4.0 הוא הפער הברור ביותר בלוח: 43.9% ל-Sonnet 5.5 לעומת 12.6% ל-Luna, כפי שנמדד על ידי אותו מעריך ובאותם תנאים. Terminal-Bench-Science גרוע עבור Luna אף יותר - 34.3% לעומת 8.6%. אם העבודה היא הפעלת מעטפת, מערכת בנייה, או חבילת בדיקות כושלת שצריך לאבחן על פני קבצים, הנחה של פי עשרים אינה הנחה כלל. Luna לא תסיים את המשימה לעתים קרובות מספיק כדי שהמחיר ישנה.

היזהרו עם המספרים שאתם מצטטים כאן עבור Sonnet, כי יש שניים כאלה ורק אחד מהם בר-השוואה. פוסט ההשקה של Anthropic מדווח על 70.6% ב-Terminal-Bench 4.0 — יותר מ-26 נקודות מעל מה שמדד הגוף העצמאי. שני המספרים אינם מטעים; מספר הספק מגיע מההרנס, ממדיניות הכלים ומתשתית הפרומפטים של Anthropic עצמה, וציוני Terminal-Bench משתנים במידה ניכרת עם כל אחד משלושת אלה. Deepnote העלתה את אותה נקודה מהכיוון ההפוך ב-Agent Initiative Benchmark שלה: "התוצאות משקפות את המודלים בלבד, לא את ההרנס", ופרומפט או מדיניות כלים שונים "יזיזו כל מספר כאן". התייחסו ל-70.6% כאל מה ש-Sonnet 5.5 משיג בהגדרה של Anthropic, ול-43.9% כאל מה שהוא משיג בהגדרה של מישהו אחר. לצורך השוואת אפשרויות, יש להשתמש במספר השני, כי אתם לא הולכים להריץ את ההגדרה של Anthropic.

אותה זהירות חלה על נתוני הספק של לונה עצמה. OpenAI מדווחת ש-GPT-6 Luna במאמץ מרבי משיגה 66.6% ב-DeepSWE v1.1, "דומה ל-Claude Opus 5 ול-Fable 5 במאמץ בינוני," בעלות נמוכה ב-93% עד 96% לכל משימה. זוהי תוצאה שדווחה על ידי הספק בהערכה שהספק הפעיל, והיא לא אומרת דבר על Terminal-Bench, שבו המספר העצמאי הוא 12.6%. שני המשפטים מתארים את אותו מודל.

כאשר הפער מצטמצם לכדי שגיאת עיגול

FrontierCode-AA 2.0 בוחן האם סוכן קידוד מפיק שינוי שמוכן למיזוג למאגר אמיתי. Luna מקבל ציון 25.2. Sonnet 5.5 מקבל ציון 25.7. חצי נקודה, על פער מחיר של פי עשרים, ושניהם רחוקים בהרבה מהמובילים במדד שבו מודל חזק עובר את 46%.

קראו זאת היטב לפני שאתם מסיקים את המסקנה המתבקשת. ציון מוחלט נמוך במבחן קשה פירושו ששני המודלים נכשלים רוב הזמן; כששני מודלים נכשלים רוב הזמן, הבדל של חצי נקודה הוא ברובו רעש. הטענה השימושית אינה "Luna כותבת קוד טוב כמו Sonnet 5.5". היא צרה יותר: בסוג הזה של משימה, ברמת הקושי הזו, התוספת של פי עשרים לא קונה שום דבר מדיד. אם עומס העבודה שלכם דומה ל-FrontierCode — עריכות עצמאיות למאגר קוד מוכר, שנבדקות על ידי אדם לפני מיזוג — Luna היא מעבר ראשון מוצדק, שסוקר ממילא היה משכתב את הפלט שלה.

שני מדדים אחרים נופלים באותו תחום: AutomationBench-AA מציב את Sonnet 5.5 על 59.4% ואת Luna על 53.2%, ו-GDP.pdf על 25.2% לעומת 22.8%. אף אחד מהם אינו תיקו, אך שניהם נמצאים בטווח שבו הנדסת פרומפטים ובחירת כלים יכולות להפוך את הסדר על הנתונים שלך.

שני המקומות שבהם לונה באמת גרועה יותר, לא רק שונה

ידע וזמן תגובה, ואף אחד מהם אינו ניתן לתיקון באמצעות הורדת מחיר.

AA-Omniscience v1.1 מודד אם מודל יודע מה הוא אינו יודע. Sonnet 5.5 מניב נטו של +19; Luna מניבה נטו של -8. ציון נטו שלילי בהערכה הזו פירושו שהתשובות המפוברקות של המודל עולות במספרן על התשובות הנכונות שלו לעתים קרובות מספיק כדי לגרור את הסכום הכולל מתחת לאפס. זהו המספר בעל ההשלכות המשמעותיות ביותר בהשוואה הזו לכל מי שבונה סוכן שעונה בלי שאדם נמצא בלופ, וזה המספר שמבחן שמתמקד בתכנות לעולם לא יחשוף. בשילוב עם 38.5 של Luna ב-Humanity's Last Exam לעומת 56.0 של Sonnet 5.5, התמונה עקבית: Luna היא עוקבת הוראות מוכשרת עם רצפה עובדתית דקה.

ההשהיה היא הגורם השני. Sonnet 5.5 מגיע לאסימון התשובה הראשון שלו בתוך כ-10 שניות; ל-Luna נדרשות כ-79 שניות במאמץ מרבי על אותו לוח. כשמנמיכים את חוגת המאמץ, הפער מצטמצם - תקציב החשיבה של Luna הוא המחיר - אבל אז משווים Luna במאמץ נמוך ל-Sonnet במלוא עוצמתו, ופער הניקוד מתרחב בהתאם. עבור מוצר אינטראקטיבי, זה לעתים קרובות הגורם המכריע ללא קשר למחיר. עבור משימת אצווה שרצה בין לילה, זה לא רלוונטי.

המדד היחיד שבו הם כמעט משתווים במשימה אמיתית

Artificial Analysis מודדת מודלים באמצעות שאלות. ה-Agent Initiative Benchmark של Deepnote מודד אותם באמצעות משימה: חמישים מצבי עבודה מדומים בתוך חברה פיקטיבית, שבהם המודל קורא את Slack ומחליט אם לחקור, היכן להשיב, והאם להשיב בכלל. Claude Sonnet 5.5 קיבל ציון 6.65 בעלות של $0.42 לכל מצב וסיים תוך 15 שניות. GPT-6 Luna קיבל ציון 6.38 בעלות של $0.0070 ולקח 50 שניות.

שני דברים נובעים מכך. הפער באיכות בסוג המשימה הזה — רבע נקודה — קטן מהמרווח שהבנצ'מרק מדווח עליו, ולכן Deepnote מקבצת את שניהם יחד עם DeepSeek V4.1 Flash, Mistral Large 4 ו-Claude Haiku 5.5 באשכול שעליו היא אומרת שהוא "נופל בתוך 0.6 נקודות עם מרווחים חופפים". והפער בעלות הוא פי 60, ולא פי 20, מפני ש-Sonnet 5.5 מוציאה בערך עשרים אלף טוקנים לכל מצב במאמץ גבוה, בעוד ש-Luna מוציאה הרבה פחות.

ההבדל הוא במשמעת ולא ביכולת. Sonnet 5.5 נמנע מלדבר ב-6 מתוך 10 המצבים שדרשו שתיקה; Luna נמנע מלדבר ב-4. Sonnet רשם 11 ריצות מושלמות ו-7 אפסים מתוך 50; Luna רשמה 9 ו-9. אם התפקיד הוא להיות צודק לעתים קרובות יותר ולשתוק כשלא בטוחים, המודל היקר מצדיק את מחירו. אם התפקיד הוא לקרוא הכול כדי ששער שני ומחמיר יותר יוכל להחליט מה לחשוף, המודל הזול הוא הגרסה היחידה שנכנסת לתקציב.

התכונה שבאמת מבדילה ביניהם היא מתג כיבוי

GPT-6 Luna מקבל reasoning_effort: "none". Claude Sonnet 5.5 לא עושה זאת — החשיבה תמיד פעילה בכל חמש הרמות שלו, שאותן כיילה Anthropic מחדש ביחס ל-Sonnet 5, ולכן אינטגרציה שעוברת בירושה צריכה לכוונן מחדש את ההגדרה שלה במקום להעביר את הישנה.

ההבדל היחיד הזה מסביר את רוב עקומת העלות. קריאת סיווג, החלטת ניתוב, חילוץ מסכימה ידועה: אף אחד מאלה לא זקוק לעקבות חשיבה, ואפשר לומר ל־Luna לדלג עליהן. אותה עבודה על Sonnet 5.5 משלמת על חשיבה בין אם היא עוזרת ובין אם לא. זה גם מסביר מגבלה שכדאי להכיר לפני שבונים סביבה: ב־Chat Completions, Luna תומכת בקריאה לפונקציות רק כאשר מאמץ החשיבה מוגדר ל־none, כך שכל דבר שזקוק לכלים חייב לעבור דרך Responses API. Sonnet 5.5 מקבלת כלים בכל משטח, דרך ה־Messages API הנייטיבי או דרך הפורמט O​penAI-compatible.

ה-API של Decisions מבית OpenAI, הזמין באופן כללי מאז 22 באוקטובר 2026, הוא הביטוי המצומצם ביותר של אותו רעיון: תשובות מסוג מוגדר — הסתברות, בחירה, ציון לפי מחוון — מ-GPT-6 Luna ולא ממודל אחר, בהשהיה של כעשירית מזו ש-OpenAI מדווחת עבור אותו מודל דרך Responses. אם השאלה היא "האם פנייה זו סותרת את רשומת ההזמנה הזו", Luna יכולה כעת להשיב במבנה המובנה שלה בלי לייצר טקסט חופשי כלל.

לבחור ביניהם

• עבודה ממושכת בטרמינל, תיקון בנייה, דיבוג רב-קבצים - Claude Sonnet 5.5. הנתון של Luna של 12.6% ב-Terminal-Bench 4.0 אינו שאלה של תקציב.

• כל דבר שתשובה שגויה בו יקרה ואף אחד לא בודק אותה — Claude Sonnet 5.5, בזכות פער ה-Omniscience של +19 לעומת −8.

• משטחים אינטראקטיביים שבהם זמן של 79 שניות עד לאסימון הראשון הוא פגם מוצרי - Claude Sonnet 5.5.

• סיווג, חילוץ או ניתוב בנפח גבוה, או קורא במעבר ראשון לפני שער מחמיר יותר — GPT-6 Luna, ברמת מאמץ none או low, כאשר אף אחד מהיתרונות של Sonnet אינו בא לידי ביטוי.

• עריכות קוד עצמאיות שמבקר ממילא יקרא — GPT-6 Luna כמעבר הראשון, Sonnet 5.5 כמסלול ההסלמה. פער חצי הנקודה של FrontierCode הוא מה שהופך את הפיצול לנתון לוויכוח ולא לפזיז.

הרצת שניהם היא האפשרות שכרטיסי התעריפים אינם מפרסמים אבל המספרים תומכים בה. תצורה מדורגת — Luna עבור 90% מהקריאות שהן זולות וצרות, Sonnet 5.5 עבור 10% שקובעות משהו — עלותה קרובה יותר לחשבון של Luna מאשר לחשבון של Sonnet, תוך שמירה על שיקול הדעת של Sonnet במקומות שבהם שיקול דעת חשוב. OrcaRouter מציבה את שני המודלים מאחורי מפתח אחד תואם O​penAI לצד יותר מ-200 אחרים, במרווח של 0% כאשר מחיר המחירון של הספק מועבר כמות שהוא, כך שיחס ה-20x שעל הדף הוא יחס ה-20x שעל החשבונית ושינוי מחיר מצד ספק מגיע אליך באותו יום. מכיוון ששניהם מקבלים את פורמט O​penAI chat-completions, פיצול השכבות הוא כלל ניתוב ולא אינטגרציה נוספת: ה-DSL לניתוב שולח בקשה תחילה ל-Luna ומסלים אותה לפי תנאי, מעבר אוטומטי בין ספקים מכסה האטה של ספק, ואין צורך בשינויי קוד כשמודל חדש נכנס לקטלוג.

מה ישנה את התשובה

עמדתה הנוכחית של לונה תלויה באופן יוצא דופן במספר אחד שזז: הרצפה העובדתית שלה. עדכון נקודתי שמעלה את AA-Omniscience משלילי לחיובי יסיר את הטיעון החזק ביותר בעד תשלום פי עשרים יותר, משום שהפערים בעבודת טרמינל ובהשהיה תלויים בעומס העבודה, בעוד שמודל שממציא עובדות הוא נטל בכל מקום. לעומת זאת, קיצוץ מחיר של Sonnet 5.5 - מהסוג ש-Anthropic עשתה בעבר, ושאותו נתב עם 0% תוספת היה מעביר מיד - היה מצמצם את היחס מספיק כדי להפוך את שאלת השכבות לחסרת משמעות עבור צוותים רבים.

בהיעדר אחד מהם, סיכום כנה הוא שאלה אינם תחליפים. GPT-6 Luna הוא קורא זול, מהיר לפרומפט ודל בעובדות, עם מתג שמכבה את החשיבה. Claude Sonnet 5.5 הוא כותב אמין, יקר ואיטי יותר להתחלה, שתמיד חושב. הטעות היא להתייחס ל-20x כאל פסק דין. זהו תקציב לחלקים של העבודה שבהם ההבדל לא ניכר — והפער של חצי נקודה של FrontierCode הוא התזכורת לכך שכמה מאותם חלקים גדולים ממה שהשיווק מרמז.