GPT-6 Luna vs Gemini 3.8 Flash: Kelas Murah Baru Saja Digantikan

G​oogle merilis G​emini 4 Hydrogen pada 12 November 2026, dan postingan peluncurannya menyebutnya sebagai "peningkatan mandiri yang besar bagi tim yang bermigrasi dari Gemini 3.8 Flash." Kalimat itu melakukan sesuatu yang tidak dapat dilakukan tabel benchmark mana pun: kalimat itu mengubah untuk apa perbandingan antara GPT-6 Luna dan Gemini 3.8 Flash dilakukan. Sisi G​emini dalam pertarungan ini bukan lagi model yang Anda adopsi - melainkan model yang sedang Anda tinggalkan melalui migrasi. Sisi Luna masih merupakan tingkatan G​PT-6 termurah dari O​penAI, delapan minggu setelah peluncuran dan tidak berubah. Jadi, pertanyaan yang jujur bukanlah mana dari keduanya yang lebih baik. Pertanyaannya adalah apakah hal yang membuat 3.8 Flash layak dengan harga $0.75 per juta token input masih berlaku untuk Hydrogen pada $1.50 - dan apakah harga $0.10 milik Luna pernah berada di pasar yang sama.

Berikut versi singkatnya sebelum penjelasan rinci. Gemini 3.8 Flash adalah model yang lebih mumpuni pada hampir semua ukuran independen dan harganya sekitar tujuh setengah kali lipat per token. GPT-6 Luna menghasilkan keluaran dua kali lebih banyak per permintaan, biayanya sekitar sepersepuluh per tugas pada rangkaian pengujian Artificial Analysis, dan jauh lebih lambat untuk mulai menjawab. Hydrogen tidak menyelesaikan hal itu - ia menaikkan tier Gemini baik dari sisi harga maupun kemampuan, sehingga ujung pasar yang murah diserahkan kepada Luna secara default.

Lembar spesifikasi, bersebelahan

• Kartu tarif, kedua bagian - GPT-6 Luna seharga $0.10 untuk input dan $0.50 untuk output per 1 juta token dibandingkan Gemini 3.8 Flash pada $0.75 dan $3.75; {{1}}7.5x{{/1}} yang sama muncul pada input dan output, yang tidak biasa dan berarti tidak ada bentuk beban kerja yang dapat mengarbitrase rasio tersebut

• Input yang di-cache per 1 juta - GPT-6 Luna $0.01 vs Gemini 3.8 Flash $0.075, dan perhatikan bahwa G​oogle mencantumkan ini sebagai tarif cache-hit, bukan tarif cache-write, sehingga tidak dapat dibandingkan secara langsung dengan skema dua angka O​penAI

• Harga konteks panjang - GPT-6 Luna menggandakan input dan cache serta mengalikan output dengan 1,5 di atas 272.000 token prompt; Gemini 3.8 Flash memberlakukan satu tarif tetap di seluruh jendela konteksnya

• Jendela konteks - 1.050.000 token untuk GPT-6 Luna vs 1.048.576 untuk Gemini 3.8 Flash, selisih 1.424 token yang tidak akan pernah diperhatikan oleh aplikasi mana pun

• Output maksimum - GPT-6 Luna 128.000 token vs Gemini 3.8 Flash 65.536, yang merupakan perbedaan nyata saat pertama kali Anda meminta dokumen panjang

• Apa yang sebenarnya akan diolah oleh masing-masing — Gemini 3.8 Flash menerima video dan audio serta teks, gambar, dan file; GPT-6 Luna menerima tiga yang terakhir dan menolak dua yang pertama

• Tombol tingkat upaya - tangga Luna berkisar dari benar-benar tidak ada (sedang jika Anda tidak mengatakan apa pun) hingga maks; G​emini dimulai lebih tinggi, bawaannya tinggi, dan G​oogle memperingatkan bahwa semakin tinggi Anda menaikkannya, semakin banyak token yang digunakan

• Rilis - Gemini 3.8 Flash pada 2 September 2026; GPT-6 Luna pada 22 September 2026; Hydrogen, penggantinya, pada 12 November 2026

• Artificial Analysis Intelligence Index v5.0.1 - 31 untuk Gemini 3.8 Flash pada pengaturan high, 28 untuk GPT-6 Luna pada pengaturan max, sehingga model yang lebih murah kehilangan tiga poin saat menjalankan pengaturan termahalnya

• Menunggu kata pertama - 16,98 detik pada Gemini 3.8 Flash dibandingkan 79,33 detik pada GPT-6 Luna, diukur oleh Artificial Analysis; model Gemini lebih lambat menyelesaikan seluruh tugas, 15 menit dibandingkan 11,8 menit pada Luna

• Berapa biaya untuk menyelesaikan index run - Gemini 3.8 Flash $7.77 per tugas, atau $5,764 untuk seluruh suite, dibandingkan dengan GPT-6 Luna $0.15 dan $136

Tujuh setengah kali lipat harganya, dan di mana itu terlihat

Selisih kecerdasannya tiga poin: 31 versus 28. Itu lebih kecil daripada yang disiratkan oleh rasio harga dan lebih kecil daripada perkiraan kebanyakan orang, tetapi itu bukan bagian yang menarik dari perbandingan, karena kedua skor diambil pada pengaturan upaya yang berbeda - G​emini pada pengaturan tinggi, Luna pada pengaturan maks. Skor upaya maksimum Luna adalah yang terbaik yang bisa dicapainya; skor upaya tinggi G​emini adalah pengaturan bawaannya. Model G​oogle memiliki ruang untuk meningkat yang tidak dimiliki Luna.

Dari mana ketiga poin itu berasal lebih berguna daripada angka itu sendiri. Pisahkan indeks menjadi komponen-komponennya dan sebuah pola akan muncul: kedua model berdekatan pada evaluasi gaya pengkodean dan berjauhan pada hal apa pun yang memerlukan pengingatan kembali atau penolakan.

• Terminal-Bench 4.0 - Gemini 3.8 Flash 19,7% vs GPT-6 Luna 12,6%; keduanya buruk, dan tidak ada yang merupakan agen terminal

• Terminal-Bench-Science 0.1 - Gemini 3.8 Flash 10,0% vs GPT-6 Luna 8,6%, yang secara praktis merupakan hasil imbang

• HLE-Diamond - Gemini 3.8 Flash 33,1% vs GPT-6 Luna 22,2%, selisih sebelas poin pada penalaran sulit yang tidak ditangani dengan baik oleh kedua model

• FrontierCode-AA 2.0 - Gemini 3.8 Flash 18.7% vs GPT-6 Luna 25.2%, satu-satunya evaluasi coding di mana Luna unggul, meskipun keduanya jauh di bawah model yang melampaui 46%

• AA-Omniscience v1.1 net - Gemini 3.8 Flash +23 vs GPT-6 Luna −8; ini adalah selisih terlebar dan paling berdampak dalam tabel

• AA-Briefcase v1.1 Elo - GPT-6 Luna 1337 vs Gemini 3.8 Flash 1203, tolok ukur pekerjaan pengetahuan yang dimenangkan oleh model yang lebih murah

Pasangan terakhir itulah yang perlu direnungkan. Dalam pertanyaan tentang apa yang diketahui sebuah model dan apakah model tersebut akan mengakui bahwa dirinya tidak tahu, Gemini 3.8 Flash memperoleh +23 dan Luna memperoleh −8 - artinya jawaban rekaan Luna cukup sering lebih besar daripada jawaban benarnya sehingga menarik totalnya di bawah nol. Dalam pekerjaan pengetahuan bergaya briefcase, Luna memperoleh skor 134 Elo lebih tinggi. Dua evaluasi, putusan yang berlawanan, dua model yang sama. Jalan keluarnya adalah Briefcase menghargai kepatuhan pada instruksi dengan korpus yang disediakan, sedangkan Omniscience menghargai pengetahuan tentang berbagai hal tanpa korpus. Jika aplikasi Anda menyertakan dokumennya, kelemahan Luna dapat dibatasi. Jika ia menjawab dari memori, tidak.

Mengapa biaya per tugas 50x padahal kartu tarifnya 7,5x

Harga daftar berbeda dengan faktor 7,5. Biaya terukur untuk menyelesaikan Intelligence Index dari Artificial Analysis berbeda dengan faktor sekitar 50: $7,77 untuk Gemini 3.8 Flash versus $0,15 untuk GPT-6 Luna. Kesenjangan antara kedua rasio itu sepenuhnya berasal dari konsumsi token, dan itu adalah angka yang paling kurang dilaporkan dalam setiap perbandingan model yang diterbitkan tahun ini.

Gemini 3.8 Flash adalah model penalaran yang berat. G​oogle mengatakannya secara langsung: pada tugas kompleks, ia "menunjukkan ketekunan yang lebih besar - menjalankan langkah penalaran tambahan, dan memanggil alat secara iteratif," dan "mungkin menggunakan lebih banyak token untuk memaksimalkan kinerja, terutama pada tingkat upaya yang lebih tinggi." Perhitungan dewan itu sendiri sejalan - 98,900 token keluaran per tugas untuk G​emini versus 75,300 untuk Luna, dengan 60,100 dan 57,600 di antaranya masing-masing merupakan token penalaran. Kalikan jumlah token itu dengan kartu tarif yang sudah 7.5x lebih tinggi dan rasio per tugas berlipat menjadi 50x. Ini adalah argumen tunggal terkuat yang ada untuk Luna, dan sama sekali bukan tentang kecerdasan.

Hal ini juga berlaku sebaliknya pada beban kerja yang berbeda. Jika prompt Anda panjang dan jawaban Anda pendek—retrieval atas korpus tetap, klasifikasi dengan keluaran satu token, triase log—maka token keluaran hanyalah kesalahan pembulatan di kedua kartu dan rasio input 7.5x adalah keseluruhan ceritanya. Verbositas G​emini tidak pernah punya kesempatan untuk berlipat ganda, dan keunggulan Luna menyusut dari 50x menjadi sekitar 7x. Angka yang perlu dimodelkan adalah rasio token input terhadap token output Anda sendiri, bukan rasio pada benchmark.

Kesenjangan fitur yang tidak pernah dicantumkan siapa pun dalam tabel perbandingan

Gemini 3.8 Flash memproses video dan audio secara native. GPT-6 Luna tidak - hanya teks, gambar, dan file, tidak ada lainnya. Untuk sebagian besar beban kerja teks, hal itu tidak relevan, dan justru itulah sebabnya kedua model ini diperbandingkan: keduanya diposisikan sebagai kelas murah, keduanya memiliki konteks sekitar satu juta token, dan keduanya menerima gambar.

Untuk beban kerja yang melibatkan panggilan terekam, rekaman layar, atau audio rapat, perbandingannya berhenti di situ. Luna tidak dapat mengerjakan tugas itu berapa pun harganya, dan 7.5x bukanlah premi melainkan perbedaan kategori. Logika yang sama berlaku terbalik untuk panjang keluaran: Luna mengembalikan hingga 128.000 token dalam satu respons dibandingkan dengan 65.536 milik Gemini, yang penting ketika satu panggilan seharusnya menghasilkan dokumen utuh, bukan hanya satu paragraf darinya.

Apa yang diubah Hydrogen, dan apa yang tidak

Cara Google sendiri membingkai migrasi ini terbilang blak-blakan soal selisihnya: Hydrogen menyelesaikan tugas 2,5 kali lebih cepat pada default high-nya daripada 3.8 Flash, lebih dari tiga kali lipat Terminal-Bench 4.1 (57% berbanding 18,2%), memangkas klaim palsu lebih dari 5x, dan berjalan 2x hingga 2,8x lebih cepat dengan penggunaan token 12% hingga 23% lebih sedikit dalam pengujian mitra. Pada indeks Artificial Analysis, ia mencetak 51 pada level pemikiran high default-nya berbanding 50 milik Argon, dan 54 pada xhigh.

Ini juga berharga tetap di seluruh jendela konteks penuhnya pada $1.50 per juta token input dan $7.50 per juta output - dua kali lipat 3.8 Flash di kedua sisi. Jadi model yang menggantikan 3.8 Flash berharga dua kali lipat dari model yang digantikannya, dan menurut angka G​oogle sendiri sekitar 20 poin lebih tinggi pada indeks kecerdasan. Itu adalah peningkatan langsung di sepanjang kurva, dan menghapus bagian tengah pasar: pembeli yang menginginkan kompetensi kelas G​emini dengan harga kelas Flash kini memiliki model di atas mereka dan model di bawah mereka, dengan opsi lama sedang dalam migrasi.

Semua itu tidak mengubah posisi Luna, karena Luna tidak pernah bersaing dengan model 31-indeks. Luna bersaing dengan harga terendah. Dengan harga input $0.10 dan output $0.50, Luna tetap menjadi cara termurah untuk memproses teks dalam volume besar dengan model yang kompeten di belakangnya, dan kehadiran Hydrogen pada $1.50 membuat hal itu makin benar, bukan sebaliknya - opsi G​emini yang dulu 7.5x harga Luna kini 15x.

Hasil pihak ketiga yang bertentangan

Tidak setiap pengukuran independen menempatkan model-model ini terpaut tiga poin. StealthMark, layanan perbandingan yang menjalankan set evaluasinya sendiri, menempatkan Gemini 3.8 Flash unggul 8,8 poin atas GPT-6 Luna, 47,9 berbanding 39,1, dan memimpin pada delapan dari sembilan tolok ukur individual. Dan Agent Initiative Benchmark milik Deepnote—yang menilai model berdasarkan lima puluh situasi tempat kerja di dalam perusahaan simulasi alih-alih berdasarkan pertanyaan—sama sekali tidak menyertakan Gemini 3.8 Flash, sehingga satu-satunya evaluasi yang mengukur perilaku agen proaktif tidak bisa berkomentar apa pun tentang pasangan ini.

Selisih antara "tiga poin" dan "delapan setengah poin" menjadi pengingat bahwa pilihan benchmark adalah keputusan pemodelan, bukan keputusan yang netral. Evaluasi yang mengunggulkan Gemini menimbang kedalaman pengetahuan dan penalaran; evaluasi yang mengunggulkan Luna menimbang kemampuan mengikuti instruksi di atas konteks yang diberikan dan biaya. Tidak ada kumpulan evaluasi yang salah. Tim yang memilih di antara keduanya sebaiknya menjalankan selusin tugasnya sendiri melalui keduanya sebelum mempercayai tabel mana pun, termasuk keempat tabel dalam artikel ini.

Di mana masing-masing kini membuktikan kelayakannya

• Video, audio, atau input multimodal apa pun - Gemini 3.8 Flash, atau Hydrogen jika Anda memulai dari awal. Luna tidak dapat menerima input tersebut.

• Jawaban yang diambil dari pengetahuan model tanpa dokumen terlampir - Gemini 3.8 Flash. Perbedaan Omniscience +23 versus −8 adalah bukti penentu.

• Latensi interaktif di mana token pertama 79 detik merupakan cacat produk - Gemini 3.8 Flash pada 17 detik, meskipun rata-rata waktu per tugasnya 15 menit lebih buruk daripada Luna 11.8, jadi keunggulannya ada pada token pertama, bukan token terakhir.

• Generasi panjang, satu panggilan menghasilkan seluruh dokumen - GPT-6 Luna, berkat batas output 128.000 token.

• Pemrosesan teks bervolume tinggi dengan dokumen yang disediakan - GPT-6 Luna, di mana keunggulan 50x per tugas benar-benar nyata dan dasar faktualnya dibatasi oleh korpus.

• Deployment baru yang sama sekali menginginkan tier G​emini - G​emini 4 Hydrogen, bukan 3.8 Flash. Mengadopsi sebuah model dua hari setelah penggantinya dirilis memerlukan alasan.

Pertanyaan migrasi layak mendapat satu kalimat lagi, karena itulah keputusan praktis yang tersembunyi di dalam perbandingan ini. Jika Anda menjalankan Gemini 3.8 Flash di produksi saat ini, angka-angka Hydrogen mendukung untuk beralih - tetapi harganya mendukung untuk memodelkan tagihan terlebih dahulu, karena penghematan token yang dilaporkan G​oogle (12% hingga 23%) tidak mengimbangi penggandaan kedua tarif. Jika Anda tidak menjalankan keduanya, pilihannya adalah antara model yang akan dipensiunkan dan model yang telah tidak berubah selama delapan minggu, dan jawabannya sepenuhnya bergantung pada apakah beban kerja Anda membutuhkan input video atau dasar faktual.

Menjalankan salah satunya tanpa proyek migrasi

Bagian yang canggung dari pertandingan seperti ini adalah bahwa kedua kandidat berbicara dengan protokol yang berbeda - endpoint generate milik G​emini sendiri dan format chat-completions milik O​penAI - dan model yang Anda pilih hari ini bisa saja digantikan dalam satu kuartal, seperti yang baru saja terjadi pada 3.8 Flash. OrcaRouter mengekspos GPT-6 Luna, Gemini 3.8 Flash, G​emini 4 Hydrogen dan lebih dari 200 model lain di balik satu kunci yang kompatibel dengan OpenAI tanpa markup, harga daftar penyedia diteruskan apa adanya, sehingga harga pengenalan G​oogle dan perubahan apa pun setelahnya sampai ke tagihan pada hari yang sama. Hal itu lebih penting dari biasanya di sini: 3.8 Flash diluncurkan dengan apa yang disebut G​oogle sebagai tarif pengenalan, dan model dengan harga pengenalan yang sedang dimigrasikan keluar adalah item baris yang layak dipantau. Mengalihkan rute dari satu model ke model lain adalah perubahan DSL perutean, bukan SDK baru, failover otomatis menjaga beban kerja tetap berjalan saat salah satu penyedia menurun, dan fusi model memungkinkan sebuah panel menjawab ketika klasifikasi murah tunggal terlalu penting untuk dipercayakan pada satu model. Kami tidak menghosting model yang tidak kami rutekan, dan keduanya kami rutekan.

Tontonan Berikutnya

Dua tanggal menentukan bagaimana perbandingan ini akan terbaca dalam sebulan. Yang pertama adalah jadwal penghentian Google untuk Gemini 3.8 Flash - Hydrogen dirilis 12 November dan materi migrasinya sudah publik, jadi pertanyaan yang berguna bukanlah apakah 3.8 Flash akan dihentikan, melainkan berapa lama tarif pengenalannya bertahan setelah penghentian itu. Yang kedua adalah apakah OpenAI menghadirkan penerus GPT-6 Luna atau perubahan harga; Luna tidak berubah sejak 22 September, dan model yang lebih murah atau lebih mampu pada tingkat yang sama akan menyusun ulang perhitungan seperti Hydrogen baru saja menyusun ulang perhitungan Gemini.

Sampai salah satu dari itu terwujud, ringkasannya sengaja dibuat tidak glamor. Gemini 3.8 Flash adalah model yang lebih baik tetapi pilihan pembelian yang lebih buruk, dan ia sedang menuju akhir masa pakainya. GPT-6 Luna adalah model yang lebih lemah dengan biaya per tugas yang lebih rendah satu orde besaran dan dasar faktual yang membatasi di mana ia dapat dipercaya. Keduanya bukan default. Default-nya, bagi siapa pun yang mulai sekarang, adalah Hydrogen di sisi Gemini dan Luna di batas bawah - dan selisih antara keduanya bukan lagi 7,5x melainkan 15x, yang merupakan keputusan berbeda dari yang hendak dijawab oleh perbandingan ini.