GPT-6 Luna מול Gemini 3.8 Flash: הדרג הזול פשוט הוחלף

Google השיקה את Gemini 4 Hydrogen ב-12 בנובמבר 2026, ופוסט ההשקה שלה מתאר אותו כ"שדרוג עצמאי משמעותי לצוותים שעוברים מ-Gemini 3.8 Flash". המשפט הזה עושה משהו שאף טבלת בנצ'מרקים לא מסוגלת לעשות: הוא משנה את מטרת ההשוואה בין GPT-6 Luna ל-Gemini 3.8 Flash. צד ה-Gemini בהתמודדות הזו הוא כבר לא מודל שאתם מאמצים — הוא מודל שמעבירים אתכם ממנו. צד ה-Luna הוא עדיין הדרגה הזולה ביותר ב-GPT-6 של OpenAI, שמונה שבועות לאחר ההשקה וללא שינוי. אז השאלה הכנה היא לא איזה משני אלה טוב יותר. היא האם הדבר שהצדיק את מחירו של 3.8 Flash — $0.75 למיליון טוקני קלט — עדיין תקף עבור Hydrogen במחיר $1.50, והאם $0.10 של Luna היה אי פעם באותו שוק.

הנה הגרסה הקצרה לפני הפירוט. Gemini 3.8 Flash הוא המודל המסוגל יותר כמעט בכל מדד עצמאי, ומחירו לכל טוקן גבוה פי כשבעה וחצי בערך. GPT-6 Luna מייצר פי שניים פלט בכל בקשה, עולה כעשירית בערך לכל משימה במערך הבדיקות של Artificial Analysis, ומתחיל לענות באיטיות ניכרת. Hydrogen לא פותר את זה – הוא מעלה את דרגת Gemini הן במחיר והן ביכולות, ומשאיר את הקצה הזול של השוק ל-Luna כברירת מחדל.

דפי המפרט, זה לצד זה

• כרטיס תעריפים, שני החצאים — GPT-6 Luna ב-$0.10 לקלט ו-$0.50 לפלט לכל 1M לעומת Gemini 3.8 Flash ב-$0.75 ו-$3.75; אותו פי 7.5 מופיע בקלט ובפלט, וזה יוצא דופן ומשמעותו שאין פרופיל עומס שיכול לעשות ארביטראז' על היחס

• קלט במטמון לכל 1 מיליון — GPT-6 Luna‏ $0.01 לעומת Gemini 3.8 Flash‏ $0.075, ושימו לב ש-Google מציגה זאת כשיעור פגיעות במטמון ולא כשיעור כתיבה למטמון, ולכן אין להשוות זאת ישירות לסכימת שני המספרים של OpenAI

• תמחור הקשר ארוך – GPT-6 Luna מכפילה פי שניים את הקלט ואת המטמון, ואת הפלט פי 1.5 מעל 272,000 אסימוני פרומפט; Gemini 3.8 Flash מציעה תעריף אחיד אחד בכל החלון שלה

• חלון הקשר – 1,050,000 אסימונים ב-GPT-6 Luna לעומת 1,048,576 ב-Gemini 3.8 Flash, הבדל של 1,424 אסימונים שאף יישום לא יבחין בו לעולם

• פלט מקסימלי - GPT-6 Luna 128,000 טוקנים לעומת Gemini 3.8 Flash 65,536, שזה הבדל אמיתי בפעם הראשונה שמבקשים מסמך ארוך

• מה כל אחד מהם יקלוט בפועל — Gemini 3.8 Flash מקבל וידאו ואודיו, כמו גם טקסט, תמונות וקבצים; GPT-6 Luna מקבל את שלושת האחרונים ומסרב לשניים הראשונים

• מחוון המאמץ — הסולם של Luna נע מ״ללא״ מוחלט (בינוני אם לא אומרים דבר) ועד מקסימום; זה של G​emini מתחיל גבוה יותר, ברירת המחדל שלו היא גבוהה, ו-G​oogle מזהירה שהוא שורף יותר טוקנים ככל שדוחפים אותו גבוה יותר

• השקה - Gemini 3.8 Flash ב-2 בספטמבר 2026; GPT-6 Luna ב-22 בספטמבר 2026; Hydrogen, המחליף שלה, ב-12 בנובמבר 2026

• Artificial Analysis Intelligence Index v5.0.1 — 31 עבור Gemini 3.8 Flash בהגדרה high, 28 עבור GPT-6 Luna בהגדרה max, כך שהמודל הזול יותר מוותר על שלוש נקודות בעודו פועל בהגדרה היקרה ביותר שלו

• המתנה למילה הראשונה - 16.98 שניות ב-Gemini 3.8 Flash לעומת 79.33 שניות ב-GPT-6 Luna, לפי מדידה של Artificial Analysis; מודל G​emini איטי יותר להשלים משימה שלמה, 15 דקות לעומת 11.8 של Luna

• מה עלה להשלים את ריצת האינדקס — Gemini 3.8 Flash 7.77$ למשימה, או 5,764$ עבור החבילה המלאה, לעומת 0.15$ ו-136$ של GPT-6 Luna

פי שבעה וחצי מהמחיר, ואיפה זה בא לידי ביטוי

פער האינטליגנציה הוא שלוש נקודות: 31 מול 28. זה קטן ממה שיחס המחירים מרמז וקטן ממה שרוב האנשים משערים, אבל זה לא החלק המעניין בהשוואה, מפני ששני הציונים נלקחו בהגדרות מאמץ שונות – G​emini במאמץ גבוה, Luna במאמץ מקסימלי. ציון המאמץ המקסימלי של Luna הוא הטוב ביותר שהיא יכולה להשיג; ציון המאמץ הגבוה של G​emini הוא ברירת המחדל שלו. למודל של G​oogle יש מרווח שיפור שלונה אין.

מאין מגיעות שלוש הנקודות שימושי יותר מאשר המספר עצמו. אם מפרקים את המדד לרכיביו, מתגלה דפוס: שני המודלים קרובים זה לזה בהערכות של סגנון קידוד, ורחוקים מאוד בכל דבר שמחייב זכירה או סירוב.

• Terminal-Bench 4.0 – Gemini 3.8 Flash 19.7% לעומת GPT-6 Luna 12.6%; שניהם חלשים, ואף אחד מהם אינו סוכן טרמינל

• Terminal-Bench-Science 0.1 - Gemini 3.8 Flash 10.0% לעומת GPT-6 Luna 8.6%, שזה תיקו במונחים מעשיים

• HLE-Diamond - Gemini 3.8 Flash 33.1% לעומת GPT-6 Luna 22.2%, פער של אחד עשר נקודות בחשיבה קשה שאף אחד מהמודלים לא מתמודד איתה היטב

• FrontierCode-AA 2.0 - Gemini 3.8 Flash 18.7% לעומת GPT-6 Luna 25.2%, הערכת הקידוד היחידה שבה Luna מובילה, אף ששתיהן נמצאות הרחק מתחת למודלים שחוצים 46%

• AA-Omniscience v1.1 net — Gemini 3.8 Flash ‎+23 לעומת GPT-6 Luna ‎−8; זהו הפער הרחב והמשמעותי ביותר בטבלה

• AA-Briefcase v1.1 Elo - GPT-6 Luna 1337 לעומת Gemini 3.8 Flash 1203, מדד לעבודת ידע שבו המודל הזול יותר מנצח

הצמד האחרון הוא זה שכדאי להתעכב עליו. בשאלות של מה מודל יודע והאם יודה שאינו יודע, Gemini 3.8 Flash משיג +23 נטו ו-Luna משיג −8 — כלומר, התשובות המפוברקות של Luna עולות על התשובות הנכונות שלה לעתים קרובות מספיק כדי להוריד את הסכום הכולל מתחת לאפס. בעבודת ידע בסגנון Briefcase, Luna משיג ציון Elo גבוה ב-134. שתי הערכות, מסקנות מנוגדות, אותם שני מודלים. ההסבר הוא ש-Briefcase מתגמל פעולה לפי הוראות כשמאגר סופק, ואילו Omniscience מתגמל ידיעת דברים ללא מאגר. אם האפליקציה שלך מספקת את המסמכים, החולשה של Luna מרוסנת. אם היא עונה מהזיכרון, היא לא.

מדוע עלות לכל משימה היא פי 50 כאשר המחירון הוא פי 7.5

מחירי המחירון נבדלים פי 7.5. העלות שנמדדה להשלמת מדד האינטליגנציה של Artificial Analysis נבדלת פי 50 ומשהו: 7.77 דולר עבור Gemini 3.8 Flash לעומת 0.15 דולר עבור GPT-6 Luna. הפער בין שני היחסים הללו הוא כולו צריכת טוקנים, וזהו הנתון המדווח בחסר ביותר בכל השוואת מודלים שפורסמה השנה.

Gemini 3.8 Flash הוא מודל הסקה כבד. G​oogle אומרת זאת ישירות: במשימות מורכבות הוא "מגלה חריצות רבה יותר – מבצע שלבי הסקה נוספים, וקורא לכלים באופן איטרטיבי", ו"עשוי להשתמש ביותר טוקנים כדי למקסם ביצועים, במיוחד ברמות מאמץ גבוהות יותר". החישוב של הלוח עצמו תואם – 98,900 טוקני פלט למשימה עבור G​emini לעומת 75,300 עבור Luna, כאשר 60,100 ו-57,600 מהם הם טוקני הסקה, בהתאמה. הכפילו את מספר הטוקנים הזה במחירון שכבר גבוה פי 7.5, והיחס למשימה מצטבר לכדי פי 50. זהו הטיעון החזק ביותר בעד Luna שקיים, והוא בכלל לא נוגע לאינטליגנציה.

זה גם עובד בכיוון ההפוך בעומס עבודה אחר. אם ההנחיות שלך ארוכות והתשובות שלך קצרות - שליפה מתוך קורפוס קבוע, סיווג עם פלט של טוקן אחד, מיון לוגים - אז טוקני הפלט הם שגיאת עיגול בשני הכרטיסים, ויחס הקלט של פי 7.5 הוא כל הסיפור. המילוליות של G​emini לעולם לא זוכה להזדמנות להצטבר, והיתרון של Luna מתכווץ מפי 50 לכ-7. המספר שצריך למדל הוא היחס שלך בין טוקני קלט לפלט, לא זה שבבנצ'מרק.

פער הפיצ'רים שאיש לא מכניס לטבלת השוואה

Gemini 3.8 Flash קולט וידאו ואודיו באופן נייטיבי. GPT-6 Luna לא - טקסט, תמונה וקובץ, שום דבר אחר. עבור רוב עומסי העבודה הטקסטואליים זה לא רלוונטי, וזו בדיוק הסיבה שבגללה שני המודלים מושווים בכלל: שניהם ממוקמים כשכבה הזולה, לשניהם יש בערך מיליון טוקנים של הקשר, ושניהם מקבלים תמונות.

עבור עומס עבודה הכולל שיחות מוקלטות, הקלטות מסך או אודיו של פגישות, ההשוואה נגמרת כאן. Luna לא יכולה לבצע את העבודה בשום מחיר, וה-7.5x אינו תוספת מחיר אלא הבדל בקטגוריה. אותו היגיון חל בהיפוך גם על אורך הפלט: Luna מחזירה עד 128,000 טוקנים בתגובה אחת לעומת 65,536 של G​emini, מה שחשוב כאשר שיחה אחת אמורה להפיק מסמך שלם ולא פסקה ממנו.

מה Hydrogen משנה, ומה הוא אינו משנה

הניסוח של G​oogle עצמה לגבי המעבר בוטה באופן יוצא דופן בכל הנוגע לפער: Hydrogen מסיים משימות מהר יותר פי 2.5 בהגדרת ברירת המחדל הגבוהה שלו מאשר 3.8 Flash, משלש ביותר מפי שלושה את התוצאה ב-Terminal-Bench 4.1 (57% לעומת 18.2%), מפחית טענות מומצאות ביותר מפי 5, ופועל מהר יותר פי 2 עד פי 2.8 עם שימוש נמוך יותר בטוקנים ב-12% עד 23% בבדיקות שותפים. במדד של Artificial Analysis הוא מציג 51 ברמת החשיבה הגבוהה שלו כברירת מחדל לעומת 50 של Argon, ו-54 ב-xhigh.

הוא גם במחיר אחיד לאורך כל חלון ההקשר שלו — 1.50 דולר למיליון טוקני קלט ו-7.50 דולר למיליון טוקני פלט, כפול מ-3.8 Flash בשני הצדדים. כך שהמודל שמחליף את 3.8 Flash יקר פי שניים מהמודל שהוא מחליף, ולפי הנתונים של G​oogle עצמה גבוה בכ-20 נקודות במדד האינטליגנציה. זהו שדרוג ישיר במעלה העקומה, והוא מסיר את אמצע השוק: הקונה שרצה יכולת ברמת G​emini במחירי Flash נמצא כעת עם מודל מעליו ומודל מתחתיו, כשהאפשרות הישנה נמצאת במיגרציה.

שום דבר מזה לא משנה את מעמדה של Luna, מפני ש-Luna מעולם לא התחרתה במודל עם 31 אינדקסים. היא מתחרה ברצפה. במחיר של $0.10 לקלט ו-$0.50 לפלט, Luna היא עדיין הדרך הזולה ביותר לעבד נפח גדול של טקסט עם מודל מוכשר מאחוריה, וההגעה של Hydrogen במחיר $1.50 הופכת את זה ליותר נכון, לא פחות — אפשרות ה-G​emini שפעם הייתה פי 7.5 ממחיר Luna היא כעת פי 15.

התוצאות של צדדים שלישיים שאינן תואמות

לא כל מדידה עצמאית מציבה את המודלים האלה במרחק של שלוש נקודות. אצל StealthMark, שירות השוואה שמפעיל מערך הערכה משלו, Gemini 3.8 Flash מקדים את GPT-6 Luna ב-8.8 נקודות, 47.9 מול 39.1, ומוביל בשמונה מתוך תשעה מבחנים בודדים. ואילו Agent Initiative Benchmark של Deepnote — שמדרג מודלים לפי חמישים סיטואציות במקום העבודה בתוך חברה מדומה ולא לפי שאלות — כלל לא כלל את Gemini 3.8 Flash, כך שההערכה היחידה שמודדת התנהגות יזומה של סוכן אין לה מה לומר על הצמד הזה.

הפער בין "שלוש נקודות" ל"שמונה וחצי נקודות" הוא תזכורת לכך שבחירת בנצ'מרק היא החלטת מידול, לא החלטה ניטרלית. ההערכות שמעדיפות את G​emini שמות דגש על ידע ועומק הסקה; אלה שמעדיפות את Luna שמות דגש על עמידה בהוראות על פני הקשר שסופק ועלות. אף אחת מהקבוצות אינה שגויה. צוות שבוחר בין השניים צריך להריץ תריסר משימות משלו דרך שניהם לפני שייתן אמון באף אחת מהטבלאות, כולל ארבע הטבלאות שבמאמר הזה.

איפה כל אחד מצדיק את מקומו עכשיו

• וידאו, אודיו או כל קלט מולטימודלי - Gemini 3.8 Flash, או Hydrogen אם אתם מתחילים מאפס. Luna לא יכולה לקבל את הקלט.

• תשובות הנשאבות מידעו של המודל ללא מסמכים מצורפים - Gemini 3.8 Flash. הפער ב-Omniscience של +23 לעומת −8 הוא הראיה המכרעת.

• השהיה אינטראקטיבית שבה אסימון ראשון של 79 שניות הוא פגם מוצרי — Gemini 3.8 Flash ב-17 שניות, אם כי זמן ממוצע של 15 דקות למשימה גרוע מזה של Luna עם 11.8, כך שהיתרון הוא באסימון הראשון ולא באחרון.

• יצירות ארוכות, קריאה אחת שמייצרת מסמך שלם - GPT-6 Luna, בזכות תקרת פלט של 128,000 טוקנים.

• עיבוד טקסט בנפח גבוה עם מסמכים מסופקים - GPT-6 Luna, שבו יתרון פי 50 לכל משימה הוא ממשי ורצפת העובדות מוגבלת על ידי הקורפוס.

• פריסות חדשות שרוצות בכלל מסלול Gemini — Gemini 4 Hydrogen, לא 3.8 Flash. אימוץ מודל יומיים אחרי שהמחליף שלו הושק דורש סיבה.

שאלת ההגירה ראויה לעוד משפט אחד, משום שהיא ההחלטה המעשית שמסתתרת בתוך ההשוואה הזו. אם אתם מריצים את Gemini 3.8 Flash בפרודקשן היום, הנתונים של Hydrogen טוענים בעד מעבר - אבל המחיר שלה טוען בעד מודלינג של החשבון קודם, מכיוון שחסכונות הטוקנים ש-Google מדווחת עליהם (12% עד 23%) אינם מקזזים הכפלה של שני התעריפים. אם אתם מריצים אף אחד מהם, הבחירה היא בין מודל שמוציא לפנסיה לבין מודל שישב ללא שינוי שמונה שבועות, והתשובה תלויה לחלוטין בשאלה אם עומס העבודה שלכם דורש קלט וידאו או בסיס עובדתי.

הרצת כל אחד מהם ללא פרויקט מיגרציה

החלק המסובך בהשוואה כזו הוא ששני המועמדים מדברים פרוטוקולים שונים - נקודת הקצה generate של Gemini עצמה ופורמט chat-completions של OpenAI - והמודל שתבחרו היום עשוי להיות מוחלף בתוך רבעון, כפי שקרה זה עתה ל-3.8 Flash. OrcaRouter חושפת את GPT-6 Luna, Gemini 3.8 Flash, Gemini 4 Hydrogen ויותר מ-200 מודלים אחרים מאחורי מפתח אחד תואם OpenAI בתוספת של 0%, מחיר המחירון של הספק מועבר כמו שהוא, כך שהתמחור ההיכרות של Google וכל שינוי מאוחר יותר מגיעים לחשבונית באותו יום. זה חשוב כאן יותר מהרגיל: 3.8 Flash הושק במה ש-Google כינתה תעריף היכרות, ומודל בתמחור היכרות שמפנים אותו מהשירות הוא סעיף שכדאי לעקוב אחריו. החלפת מסלול ממודל אחד לאחר היא שינוי ב-DSL של הניתוב ולא SDK חדש, מעבר אוטומטי לשרת גיבוי שומר על עומס העבודה פעיל כשספק אחד נחלש, ומיזוג מודלים מאפשר לפאנל להשיב כאשר סיווג זול בודד הוא בעל השלכות כבדות מדי מכדי להפקיד אותו בידי מודל אחד. איננו מארחים מודלים שאיננו מנתבים, ושתי אלה אנו מנתבים.

מה לראות בהמשך

שני תאריכים קובעים כיצד תיקרא ההשוואה הזו בעוד חודש. הראשון הוא לוח הזמנים של Google להוציא משימוש את Gemini 3.8 Flash — Hydrogen הושק ב-12 בנובמבר ושפת ההעברה כבר פומבית, ולכן השאלה המועילה אינה אם 3.8 Flash יוסר אלא כמה זמן ישרוד תעריף ההיכרות לאחר מכן. השני הוא אם OpenAI מעלה על השולחן יורש ל-GPT-6 Luna או שינוי מחיר; Luna נותר ללא שינוי מאז 22 בספטמבר, ומודל זול יותר או בעל יכולת גבוהה יותר באותה דרגה יאפס את החשבון כפי ש-Hydrogen זה עתה איפס את זה של Gemini.

עד שאחד מהם יגיע, הסיכום הוא במכוון לא זוהר. Gemini 3.8 Flash הוא המודל הטוב יותר והרכישה הגרועה יותר, והוא בדרכו החוצה. GPT-6 Luna הוא המודל החלש יותר עם עלות למשימה נמוכה בסדר גודל ועם רצפת עובדות שמגבילה היכן ניתן לסמוך עליו. אף אחד מהם אינו ברירת מחדל. ברירת המחדל, לכל מי שמתחיל עכשיו, היא Hydrogen בצד של Gemini ו-Luna ברצפה - והפער בין השניים אינו עוד פי 7.5 אלא פי 15, וזו החלטה שונה מזו שההשוואה הזו נכתבה כדי לענות עליה.