GPT-6 Luna vs DeepSeek V4 Pro: Satu Poin Indeks, Lima Kali Lipat Harga, dan Alasan untuk Memiliki Bobot Anda Sendiri

Inilah angka yang seharusnya menentukan pertarungan ini, tetapi tidak: GPT-6 Luna mencetak skor 37 pada Artificial Analysis Intelligence Index dengan upaya maksimum. DeepSeek V4 Pro mencetak skor 36 pada revisi indeks yang sama, juga dengan upaya maksimum. Selisihnya satu poin, pada skor komposit yang mana satu poin masih berada di dalam derau pengujian ulang — dan kedua model terpaut sekitar lima kali lipat dalam hal harga. GPT-6 Luna dipatok pada $0,10 per juta token masukan dan $0,50 per juta token keluaran. DeepSeek V4 Pro 0813 dipatok pada $0,66 dan $1,98 di luar jam sibuk, menjadi dua kali lipat ke $1,32 dan $3,96 selama jendela jam sibuknya.

Jika itu adalah keseluruhan cerita, artikel ini hanya akan sepanjang satu paragraf dan akan diakhiri dengan "gunakan GPT-6 Luna." Namun itu bukan keseluruhan cerita, dan alasannya adalah satu dimensi tempat perbandingannya berbalik sepenuhnya: bobot DeepSeek V4 Pro bersifat terbuka dan berlisensi MIT. Model yang biayanya lima kali lebih mahal per token justru adalah model yang boleh Anda unduh, ubah, fine-tune, dan jalankan di perangkat keras Anda sendiri selamanya. Itu bukan catatan kaki bagi argumen harga — bagi kelas pembeli tertentu, itulah keseluruhan argumennya, dan peluncuran GPT-6 Luna pada 22 September justru mempertajamnya, bukan menyelesaikannya.

Apa yang dirilis, dan kapan

GPT-6 Luna adalah tier kecil OpenAI, dirilis 22 September 2026, bersama GPT-6 Sol pada $2.00/$10.00 dan di bawah GPT-6 Astra, model unggulan pada $10.00/$50.00. OpenAI menggambarkannya sebagai model paling efisien milik perusahaan untuk tugas-tugas terfokus bervolume tinggi. Model ini memiliki jendela konteks 1.050.000 token dengan input maksimum 922.000 dan batas output 128.000 token, menerima teks dan gambar, serta menyediakan reasoning effort dari none hingga low, medium, high, xhigh, dan max — dengan medium sebagai default.

DeepSeek V4 Pro 0813 adalah build GA dari model unggulan generasi keempat DeepSeek, yang diterbitkan pada 13 Agustus 2026, menggantikan pratinjau April di bawah pengenal deepseek-v4-pro yang sama. Ini adalah model mixture-of-experts khusus teks dengan total 1,6 triliun parameter dan 49 miliar parameter aktif, jendela konteks 1 juta token, dan batas keluaran 384.000 token yang luar biasa besar — tiga kali lipat milik GPT-6 Luna. Bobotnya diunggah ke Hugging Face sebagai deepseek-ai/DeepSeek-V4-Pro-0813 sekitar setengah hari setelah API aktif: 66 shard fp8, tanpa gating, MIT. Halaman katalog kami sendiri untuk model ini masih mencantumkan tanggal pratinjau April alih-alih tanggal GA Agustus, yang patut diketahui jika Anda membaca tanggal dari halaman produk alih-alih catatan rilis.

Keduanya mengutamakan penalaran dan konteks panjang. Hanya satu di antaranya yang berupa berkas yang dapat Anda pegang.

Kartu tarifnya, sejujurnya

Satu baris per dimensi, kedua sisi pada masing-masing:

• Input per 1 juta — GPT-6 Luna $0.10 vs DeepSeek V4 Pro $0.66 di luar jam sibuk / $1.32 jam sibuk

• Output per 1 juta — GPT-6 Luna $0,50 vs DeepSeek V4 Pro $1,98 di luar jam sibuk / $3,96 jam sibuk

• Input yang di-cache — GPT-6 Luna $0,01 per 1 juta, diskon 90% dari tarifnya sendiri vs DeepSeek V4 Pro diskon cache 97%, persentase potongan yang lebih dalam dari basis yang lebih tinggi

• Jendela puncak — GPT-6 Luna tidak ada, datar sepanjang hari vs DeepSeek V4 Pro berlipat ganda antara 01:00-04:00 dan 06:00-10:00 UTC

• Klausul konteks panjang — GPT-6 Luna menggandakan input dan cache serta menaikkan output 1,5x untuk input di atas 272K, diterapkan pada seluruh permintaan, sedangkan DeepSeek V4 Pro tidak mempublikasikan biaya tambahan konteks panjang di kartunya

• Konteks dan output — GPT-6 Luna 1.050.000 input / 128.000 output vs DeepSeek V4 Pro 1.048.576 input / 384.000 output

• AA Intelligence Index — GPT-6 Luna 37 pada upaya maksimal vs DeepSeek V4 Pro 36 pada upaya maksimal, revisi indeks yang sama

• Skor upaya default — GPT-6 Luna 29 pada medium vs DeepSeek V4 Pro 36 pada pengaturan maksimalnya, upaya yang diukur oleh Artificial Analysis

• Sakelar penonaktifan penalaran — GPT-6 Luna none hingga max vs DeepSeek V4 Pro hanya low, high, dan max

• Biaya untuk menjalankan indeks — GPT-6 Luna $122.39 vs DeepSeek V4 Pro $1,122.27

• Bobot — {{1}}GPT-6 Luna{{/1}} tertutup, hanya API vs {{2}}DeepSeek V4 Pro{{/2}} terbuka, berlisensi MIT, dapat di-host sendiri

• Di OrcaRouter — GPT-6 Luna tidak ada dalam katalog kami vs DeepSeek V4 Pro yang dapat dirutekan dengan harga daftar DeepSeek

Baca baris-baris itu bersama-sama dan polanya tidak biasa: model tertutup lebih murah pada setiap baris per token kecuali input yang di-cache, dan model terbuka unggul pada panjang output, pada perilaku konteks panjang, dan pada satu hal yang sama sekali tidak dapat diberi harga per token.

Mengapa selisih satu poin bukanlah inti persoalannya

Perbedaan satu poin pada indeks komposit bukanlah perbedaan kemampuan yang bisa Anda tindak lanjuti, dan layak dikatakan secara terus terang bahwa ini adalah angka yang paling tidak menarik dalam artikel ini. Namun, ada dua hal tentangnya yang memang penting.

Yang pertama adalah bahwa revisi indeks terus bergerak. Snapshot sebelumnya dari evaluasi yang sama menempatkan skor upaya maksimal DeepSeek V4 Pro secara signifikan lebih tinggi daripada 36 yang ditunjukkan oleh tangkapan kami hari ini, dan angka GPT-6 Astra bergeser antara 52,8, 53, dan 54,7 dalam materi yang diterbitkan dalam rentang satu bulan. Perbandingan apa pun yang bersandar pada selisih persis antara dua model pada indeks bergulir sedang bersandar pada sesuatu yang tidak akan tetap stabil. Pembacaan yang jujur adalah bahwa kedua model ini berada dalam pita kemampuan yang sama pada batas atasnya, dan indeks tidak dapat memberi tahu Anda mana yang lebih baik untuk tugas Anda.

Yang kedua adalah default effort, dan di sini kesenjangannya nyata. Angka 37 milik GPT-6 Luna adalah angka effort maksimum. Default-nya adalah medium, yang skornya 29. Angka 36 milik DeepSeek V4 Pro juga merupakan angka effort maksimumnya, dan itu juga pengaturan yang digunakan Artificial Analysis untuk menjalankannya. Tim yang menerapkan GPT-6 Luna dan tidak mengubah apa pun menjalankan 29 melawan 36 — defisit tujuh poin ke arah yang salah, dan hal semacam ini muncul sebagai "model murah lebih buruk" dalam post-mortem produksi padahal masalah sebenarnya adalah default.

Apa sebenarnya nilai bobot terbuka

Di sinilah perbandingan harga berhenti menjadi aritmetika dan menjadi pertanyaan tentang bisnis Anda. Bobot berlisensi MIT memberi Anda empat hal, dan masing-masing memiliki label harga yang tidak pernah muncul di kartu tarif.

Yang pertama adalah batas bawah biaya. Penetapan harga per token adalah sewa; bobot adalah aset. Jika volume Anda cukup besar sehingga jejak GPU tetap mengalahkan tagihan berbasis meteran, DeepSeek V4 Pro adalah satu-satunya dari dua model ini yang bahkan memiliki opsi tersebut. Pada tarif GPT-6 Luna, titik impasnya masih jauh — tarif input cache satu sen benar-benar sulit dikalahkan dengan silikon sewaan — tetapi "jauh" adalah pernyataan yang berbeda dari "mustahil," dan ini adalah pintu satu arah: Anda dapat beralih dari self-hosting ke API kapan saja, dan Anda tidak dapat beralih ke arah sebaliknya.

Yang kedua adalah kemandirian dari peta jalan vendor. Tarif promosi GPT-5.6 Luna disertai masa kedaluwarsa yang dinyatakan. Tarif GPT-6 Luna bersifat permanen, menurut OpenAI — tetapi kepermanenan adalah janji tentang model yang dapat dipensiunkan vendor kapan saja saat mereka merilis penerusnya. Model yang Anda hosting tidak dapat dipensiunkan begitu saja dari bawah Anda. Bagi siapa pun yang pernah menjalani migrasi paksa pada model tertutup, itu lebih bernilai daripada faktor lima dalam hal token.

Yang ketiga adalah data. Jika prompt berisi materi yang tidak boleh meninggalkan infrastruktur Anda, perbandingannya berakhir di sini dan tidak penting berapa biaya GPT-6 Luna.

Yang keempat adalah bahwa Anda dapat melakukan fine-tuning terhadapnya. GPT-6 Luna sama sekali tidak tersedia untuk fine-tuning — yang ada hanyalah Chat Completions, Responses, dan Batch, dan itu saja daftarnya. Bobot DeepSeek V4 Pro dapat dilatih pada distribusi Anda sendiri, yang untuk tugas sempit bervolume tinggi sering kali merupakan keuntungan yang lebih besar daripada poin indeks serbaguna mana pun.

Terhadap semua itu, argumen GPT-6 Luna adalah bahwa model ini sekitar lima kali lebih murah pada campuran input-ke-output 3:1 secara gabungan di luar jam sibuk dan mendekati sepuluh kali lebih murah selama jam sibuk DeepSeek, bahwa tarif input yang di-cache-nya sepersepuluh dari tarif inputnya yang sudah rendah, bahwa model ini dapat diperintahkan untuk berhenti bernalar sepenuhnya, dan bahwa harga daftarnya tidak menjadi dua kali lipat dua kali sehari. Untuk beban kerja tanpa kendala residensi data, tanpa persyaratan fine-tuning, dan tanpa keinginan untuk mengoperasikan infrastruktur inferensi, itu adalah jawaban yang lugas.

Migrasi ini lebih kecil daripada yang ditunjukkan oleh selisih harga

Beralih di antara keduanya lebih mirip perubahan konfigurasi daripada port. Keduanya menggunakan bentuk chat completions yang kompatibel dengan OpenAI, keduanya memiliki jendela konteks kelas 1M, dan mode kegagalannya adalah yang Anda perkirakan, bukan yang bersifat struktural.

Dua di antaranya layak ditandai sebelum Anda mengalihkan trafik. Klausul konteks panjang GPT-6 Luna adalah yang mahal: lewati 272.000 token masukan dan seluruh permintaan akan dihargai ulang menjadi input dan cache dua kali lipat serta output 1,5x, jadi panggilan 300.000 token biayanya dua kali lipat dibanding panggilan yang sama jika dipecah menjadi dua. DeepSeek V4 Pro tidak memiliki klausul semacam itu, yang berarti bahwa untuk permintaan tunggal yang benar-benar sangat besar, selisih harga lima kali lipat tampak lebih kecil daripada yang terlihat dan dapat berbalik pada panggilan jam sibuk. Dan plafon output adalah kendala keras, bukan preferensi: 128.000 token versus 384.000. Pipeline yang menghasilkan artefak terstruktur panjang mungkin sama sekali tidak muat di GPT-6 Luna, dan seberapa besar pun keunggulan harganya tidak akan memperbaikinya.

DeepSeek V4 Pro tersedia di OrcaRouter dengan harga daftar DeepSeek, dengan penetapan harga pass-through yang membuat perubahan tarif vendor berada di sisi kami pada hari yang sama — relevan untuk model yang tarifnya sudah bergerak antara jam sibuk dan di luar jam sibuk. GPT-6 Luna belum ada dalam katalog kami saat tulisan ini dibuat dan diakses melalui API milik OpenAI sendiri, jadi tim yang menginginkan keduanya cukup menjalankan satu kunci untuk DeepSeek V4 Pro bersama apa pun yang sudah mereka gunakan untuk OpenAI. Failover otomatis adalah bagian yang pantas mendapat tempatnya dalam pasangan khusus ini: endpoint DeepSeek yang di-host sendiri atau dari pihak ketiga yang mengalami penurunan performa justru merupakan skenario di mana Anda ingin rutenya berpindah tanpa perlu deployment.

Siapa yang harus memilih yang mana?

Gunakan DeepSeek V4 Pro jika salah satu dari kondisi berikut benar. Prompt tidak dapat meninggalkan infrastruktur Anda. Anda perlu melakukan fine-tuning. Anda menghasilkan output lebih dari 128.000 token. Permintaan Anda secara rutin melebihi 272.000 token input. Atau volume Anda cukup besar sehingga Anda lebih memilih membeli GPU daripada menyewa token, dan Anda ingin memiliki opsi untuk melakukan peralihan itu nanti tanpa menulis ulang aplikasi.

Ambil GPT-6 Luna jika tidak ada satu pun yang berlaku dan beban kerja Anda bervolume tinggi, dikonsumsi program, dan pendek. Klasifikasi, ekstraksi, perutean, peringkasan massal, loop dalam sebuah agen. Dengan $0.10/$0.50 dengan tarif input cache satu sen dan Batch setengah harga, perhitungannya tidak dekat, dan perbedaan indeks satu poin pada upaya maksimum tidak akan terlihat di eval Anda. Jalankan pada medium, periksa regresi Coding Agent Index dua poin terhadap pengujian Anda sendiri alih-alih bagan vendor, dan jaga panggilan panjang Anda di sisi yang benar dari batas 272.000 token.

Kesalahan yang harus dihindari adalah menganggap selisih harga lima kali lipat sebagai jawabannya. Itu adalah jawaban untuk satu pertanyaan — berapa biaya sebuah token — dan itu tidak menjawab empat pertanyaan yang menentukan apakah Anda masih dapat menjalankan beban kerja ini dalam dua tahun.