GPT-6 Luna vs Gemini 3.8 Flash: la fascia economica è appena stata sostituita

G​oogle ha rilasciato G​emini 4 Hydrogen il 12 novembre 2026, e il suo post di lancio lo descrive come «un importante aggiornamento standalone per i team che stanno migrando da Gemini 3.8 Flash». Quella frase fa qualcosa che nessuna tabella di benchmark può fare: cambia lo scopo di un confronto tra GPT-6 Luna e Gemini 3.8 Flash. Il lato G​emini di questo confronto non è più un modello che si adotta: è un modello da cui si viene migrati. Il lato Luna è ancora il livello più economico della gamma G​PT-6 di O​penAI, a otto settimane dal lancio e invariato. Quindi la domanda onesta non è quale dei due sia migliore. È se ciò che rendeva 3.8 Flash degno dei suoi 0,75 $ per milione di token di input valga ancora per Hydrogen a 1,50 $, e se i 0,10 $ di Luna siano mai stati nello stesso mercato.

Ecco la versione breve prima dei dettagli. Gemini 3.8 Flash è il modello più capace su quasi ogni misura indipendente e costa circa sette volte e mezzo il prezzo per token. GPT-6 Luna genera il doppio dell'output per richiesta, costa circa un decimo per attività nella suite di Artificial Analysis ed è decisamente più lento a iniziare a rispondere. Hydrogen non risolve la questione: sposta il livello G​emini verso l'alto sia nel prezzo sia nelle capacità, lasciando per impostazione predefinita a Luna la fascia economica del mercato.

Le schede tecniche, affiancate

• Tariffario, entrambe le metà: GPT-6 Luna a 0,10 $ in input e 0,50 $ in output per 1M, contro Gemini 3.8 Flash a 0,75 $ e 3,75 $; lo stesso 7.5x compare su input e output, il che è insolito e significa che nessuna tipologia di carico di lavoro può fare arbitraggio sul rapporto

• Input in cache per 1M - GPT-6 Luna $0,01 vs Gemini 3.8 Flash $0,075, e nota che G​oogle lo indica come un tasso di cache hit anziché di cache write, quindi non è direttamente confrontabile con lo schema a due numeri di O​penAI

• Tariffazione per contesto lungo: GPT-6 Luna raddoppia input e cache e moltiplica per 1,5 l'output oltre 272.000 token di prompt; Gemini 3.8 Flash applica un'unica tariffa fissa su tutta la sua finestra

• Finestra di contesto: 1.050.000 token per GPT-6 Luna contro 1.048.576 per Gemini 3.8 Flash, una differenza di 1.424 token che nessuna applicazione noterà mai

Output massimo: GPT-6 Luna 128,000 token rispetto a Gemini 3.8 Flash 65,536, una differenza concreta la prima volta che richiedi un documento lungo

• Che cosa ciascuno acquisirà effettivamente: Gemini 3.8 Flash accetta video e audio oltre a testo, immagini e file; GPT-6 Luna accetta gli ultimi tre e rifiuta i primi due

• Il selettore dello sforzo: la scala di Luna va da un "none" netto (medium se non dici nulla) fino a max; quella di G​emini parte più in alto, si imposta su high per impostazione predefinita e G​oogle avvisa che consuma più token man mano che la si spinge verso l'alto

• Rilascio: Gemini 3.8 Flash il 2 settembre 2026; GPT-6 Luna il 22 settembre 2026; Hydrogen, il suo sostituto, il 12 novembre 2026

• Artificial Analysis Intelligence Index v5.0.1 - 31 per Gemini 3.8 Flash in modalità high, 28 per GPT-6 Luna in modalità max: il modello più economico perde quindi tre punti pur utilizzando la sua impostazione più costosa

• Attesa della prima parola: 16,98 s su Gemini 3.8 Flash contro 79,33 s su GPT-6 Luna, misurati da Artificial Analysis; il modello Gemini è più lento a completare un'intera attività, 15 minuti contro gli 11,8 di Luna

• Quanto è costato completare l'esecuzione dell'indice: Gemini 3.8 Flash 7,77 $ per attività, ovvero 5.764 $ per l'intera suite, contro i 0,15 $ e i 136 $ di GPT-6 Luna

Sette volte e mezzo il prezzo, e dove si vede

Il divario di intelligenza è di tre punti: 31 contro 28. È più piccolo di quanto suggerirebbe il rapporto di prezzo e più piccolo di quanto immagini la maggior parte delle persone, ma non è la parte interessante del confronto, perché i due punteggi sono stati ottenuti con impostazioni di impegno diverse - G​emini con impostazione alta, Luna con impostazione massima. Il punteggio di Luna con impegno massimo è il migliore che possa ottenere; il punteggio di G​emini con impegno alto è quello predefinito. Il modello di G​oogle ha un margine di miglioramento che Luna non ha.

È più utile capire da dove derivano i tre punti rispetto al numero in sé. Scomponi l’indice nelle sue componenti e emerge uno schema: i due modelli sono vicini nelle valutazioni di stile di programmazione e distanti su qualunque cosa richieda richiamo o rifiuto.

• Terminal-Bench 4.0 - Gemini 3.8 Flash 19.7% vs GPT-6 Luna 12.6%; entrambi sono scarsi, e nessuno dei due è un agente da terminale

• Terminal-Bench-Science 0.1 - Gemini 3.8 Flash 10,0% vs GPT-6 Luna 8,6%, il che in pratica è un pareggio

• HLE-Diamond - Gemini 3.8 Flash 33,1% vs GPT-6 Luna 22,2%, un divario di undici punti sul ragionamento difficile che nessuno dei due modelli gestisce bene

• FrontierCode-AA 2.0 - Gemini 3.8 Flash 18,7% vs GPT-6 Luna 25,2%, l'unica valutazione di coding in cui Luna è in testa, anche se entrambi restano molto al di sotto dei modelli che superano il 46%

• AA-Omniscience v1.1 net - Gemini 3.8 Flash +23 vs GPT-6 Luna −8; questo è il divario più ampio e più significativo della tabella

• AA-Briefcase v1.1 Elo - GPT-6 Luna 1337 vs Gemini 3.8 Flash 1203, una misura del lavoro intellettuale in cui vince il modello più economico

Quella ultima coppia è quella su cui soffermarsi. Sulle questioni relative a ciò che un modello sa e se ammetterà di non sapere, Gemini 3.8 Flash totalizza +23 e Luna totalizza −8, il che significa che le risposte inventate di Luna superano quelle corrette abbastanza spesso da portare il totale sotto zero. Nel lavoro di conoscenza in stile Briefcase, Luna ottiene 134 punti Elo in più. Due valutazioni, verdetti opposti, gli stessi due modelli. La spiegazione è che Briefcase premia il seguire le istruzioni su un corpus fornito, mentre Omniscience premia il sapere le cose senza un corpus. Se la tua applicazione fornisce i documenti, la debolezza di Luna è contenuta. Se risponde a memoria, non lo è.

Perché il costo per attività è 50x quando il tariffario è 7,5x

I {{1}}prezzi di listino{{/1}} differiscono di un fattore pari a {{2}}7,5{{/2}}. Il {{3}}costo misurato{{/3}} per completare l'{{4}}Intelligence Index di Artificial Analysis{{/4}} differisce di un fattore pari a {{5}}circa 50{{/5}}: {{6}}7,77 ${{/6}} per {{7}}Gemini 3.8 Flash{{/7}} contro {{8}}0,15 ${{/8}} per {{9}}GPT-6 Luna{{/9}}. Il divario tra questi due rapporti è interamente una questione di {{10}}consumo di token{{/10}}, ed è il {{11}}numero più trascurato{{/11}} in ogni confronto tra modelli pubblicato quest'anno.

Gemini 3.8 Flash è un modello di ragionamento pesante. Google lo dice direttamente: sui compiti complessi «mostra una maggiore diligenza: esegue passaggi di ragionamento aggiuntivi e chiama gli strumenti in modo iterativo» e «potrebbe usare più token per massimizzare le prestazioni, soprattutto ai livelli di impegno più elevati». I calcoli della board stessa confermano: 98.900 token di output per attività per Gemini contro 75.300 per Luna, di cui rispettivamente 60.100 e 57.600 sono token di ragionamento. Moltiplicando quel numero di token per un tariffario già 7,5 volte più alto, il rapporto per attività sale fino a 50 volte. Questo è il più forte argomento esistente a favore di Luna, e non ha nulla a che vedere con l'intelligenza.

Vale anche al contrario su un carico di lavoro diverso. Se i tuoi prompt sono lunghi e le tue risposte sono brevi — recupero su un corpus fisso, classificazione con un output di un solo token, smistamento dei log — allora i token di output sono un errore di arrotondamento su entrambe le schede e il rapporto di input di 7,5x è tutto ciò che conta. La verbosità di G​emini non ha occasione di amplificarsi, e il vantaggio di Luna si riduce da 50x a circa 7x. Il numero da modellare è il tuo rapporto tra token di input e token di output, non quello del benchmark.

Il divario di funzionalità che nessuno mette in una tabella di confronto

Gemini 3.8 Flash acquisisce video e audio in modo nativo. GPT-6 Luna no: testo, immagini e file, nient'altro. Per la maggior parte dei carichi di lavoro testuali la cosa è irrilevante, ed è proprio per questo che i due modelli finiscono comunque per essere confrontati: entrambi sono posizionati nella fascia economica, entrambi hanno circa un milione di token di contesto, entrambi accettano immagini.

Per un carico di lavoro che comprende chiamate registrate, registrazioni dello schermo o audio di riunioni, il confronto finisce lì. Luna non può svolgere il lavoro a nessun prezzo, e il 7,5x non è un premium ma una differenza di categoria. La stessa logica vale al contrario per la lunghezza dell'output: Luna restituisce fino a 128.000 token in una singola risposta contro i 65.536 di Gemini, il che conta quando una sola chiamata dovrebbe produrre un intero documento anziché un paragrafo.

Cosa cambia Hydrogen e cosa no

Il modo in cui Google stessa presenta la migrazione è insolitamente schietto riguardo al divario: Hydrogen completa le attività 2,5 volte più velocemente con la sua impostazione predefinita alta rispetto a 3.8 Flash, più che triplica Terminal-Bench 4.1 (57% contro 18,2%), riduce di oltre 5 volte le affermazioni inventate e risulta da 2x a 2,8x più veloce con un uso di token inferiore del 12%–23% nei test dei partner. Sull'indice di Artificial Analysis registra 51 al suo livello di pensiero alto predefinito contro 50 di Argon, e 54 a xhigh.

Ha inoltre un prezzo fisso su tutta la sua finestra di contesto: 1,50 $ per milione di token in input e 7,50 $ per milione in output, il doppio di 3.8 Flash su entrambi i fronti. Quindi il modello che sostituisce 3.8 Flash costa il doppio del modello che rimpiazza e, secondo i dati di Google stesso, è circa 20 punti più in alto sull'indice di intelligenza. È un semplice passaggio verso l'alto lungo la curva, e rimuove la fascia media del mercato: l'acquirente che voleva competenze di classe Gemini a prezzi di classe Flash ora ha un modello superiore e uno inferiore, con la vecchia opzione in fase di migrazione.

Niente di tutto ciò cambia la posizione di Luna, perché Luna non è mai stata in concorrenza con un modello a 31 indici. È in concorrenza con il livello minimo. A $0,10 in input e $0,50 in output, Luna resta il modo più economico per elaborare un grande volume di testo con alle spalle un modello competente, e l'arrivo di Hydrogen a $1,50 rende tutto ciò ancora più vero, non meno: l'opzione G​emini che prima costava 7,5x il prezzo di Luna ora è 15x.

I risultati di terze parti che non concordano

Non tutte le misurazioni indipendenti collocano questi modelli a tre punti di distanza. StealthMark, un servizio di confronto che gestisce un proprio set di valutazione, pone Gemini 3.8 Flash davanti a GPT-6 Luna di 8,8 punti, 47,9 contro 39,1, e in testa su otto dei nove benchmark individuali. E l'Agent Initiative Benchmark di Deepnote – che valuta i modelli su cinquanta situazioni lavorative all'interno di un'azienda simulata anziché su domande – non includeva affatto Gemini 3.8 Flash, quindi l'unica valutazione che misura il comportamento proattivo degli agenti non ha nulla da dire su questo confronto.

Il divario tra "tre punti" e "otto punti e mezzo" ricorda che la scelta del benchmark è una decisione di modellazione, non neutrale. Le valutazioni che favoriscono Gemini pesano conoscenza e profondità di ragionamento; quelle che favoriscono Luna pesano l'aderenza alle istruzioni rispetto al contesto fornito e al costo. Nessuno dei due insiemi è sbagliato. Un team che sceglie tra questi due dovrebbe sottoporre una dozzina di proprie attività a entrambi prima di fidarsi di qualsiasi tabella, comprese le quattro in questo articolo.

Dove ognuno si guadagna ora il proprio posto

• Video, audio o qualsiasi input multimodale: Gemini 3.8 Flash, oppure Hydrogen se parti da zero. Luna non è in grado di accettare l'input.

• Risposte basate sulla conoscenza del modello senza documenti allegati - Gemini 3.8 Flash. La differenza di +23 rispetto a −8 in Omniscience è la prova decisiva.

• Latenza interattiva per cui un primo token a 79 secondi è un difetto di prodotto - Gemini 3.8 Flash a 17 secondi, anche se il suo tempo medio per attività di 15 minuti è peggiore degli 11,8 di Luna, quindi il vantaggio è nel primo token piuttosto che nell'ultimo.

• Generazioni lunghe, una singola chiamata che produce un intero documento - GPT-6 Luna, grazie a un limite di output di 128.000 token.

• Elaborazione di testi ad alto volume con documenti forniti - GPT-6 Luna, dove il vantaggio di 50x per attività è reale e la soglia fattuale è circoscritta dal corpus.

• Nuovi deployment che vogliono proprio un tier G​emini: G​emini 4 Hydrogen, non 3.8 Flash. Adottare un modello due giorni dopo l'uscita del suo sostituto richiede una ragione.

La questione della migrazione merita un'ulteriore frase, perché è la decisione pratica nascosta dentro questo confronto. Se oggi usi Gemini 3.8 Flash in produzione, i numeri di Hydrogen suggeriscono di migrare, ma il suo prezzo consiglia di modellare prima il costo, dato che il risparmio sui token riportato da Google (dal 12% al 23%) non compensa il raddoppio di entrambe le tariffe. Se non usi nessuno dei due, la scelta è tra un modello che viene ritirato e un modello rimasto invariato per otto settimane, e la risposta dipende interamente dal fatto che il tuo carico di lavoro richieda input video o una base fattuale.

Eseguire l'uno o l'altro senza un progetto di migrazione

La parte scomoda di un confronto come questo è che i due candidati parlano protocolli diversi - l'endpoint generate di Gemini stesso e il formato chat-completions di OpenAI - e il modello che scegli oggi può essere superato nel giro di un trimestre, come è appena successo a 3.8 Flash. OrcaRouter espone GPT-6 Luna, Gemini 3.8 Flash, Gemini 4 Hydrogen e oltre 200 altri modelli dietro un'unica chiave compatibile con OpenAI con markup 0%, con il prezzo di listino del provider passato così com'è, quindi il prezzo introduttivo di Google e qualsiasi modifica successiva arrivano in fattura lo stesso giorno. Qui conta più del solito: 3.8 Flash è stato lanciato a quello che Google ha chiamato prezzo introduttivo, e un modello con prezzo introduttivo da cui si sta migrando è una voce da tenere d'occhio. Passare una route da un modello a un altro è una modifica al DSL di routing anziché un nuovo SDK, il failover automatico mantiene operativo un carico di lavoro quando un provider si degrada, e la fusione di modelli consente a un panel di rispondere laddove una singola classificazione economica è troppo critica per essere affidata a un solo modello. Non ospitiamo modelli che non instradiamo, ed entrambi questi li instradiamo.

Cosa guardare dopo

Due date decidono come si leggerà questo confronto tra un mese. La prima è il calendario di dismissione di Google per Gemini 3.8 Flash: Hydrogen è stato rilasciato il 12 novembre e il linguaggio della migrazione è già pubblico, quindi la domanda utile non è se 3.8 Flash sparirà, ma per quanto tempo la tariffa introduttiva sopravviverà alla sua dismissione. La seconda è se OpenAI metterà sul tavolo un successore di GPT-6 Luna o una variazione di prezzo; Luna è statico dal 22 settembre, e un modello più economico o più capace allo stesso livello riscriverebbe i calcoli nello stesso modo in cui Hydrogen ha appena riscritto quelli di Gemini.

Finché uno di questi non arriva, il riepilogo è volutamente poco attraente. Gemini 3.8 Flash è il modello migliore e l'acquisto peggiore, ed è in via di uscita. GPT-6 Luna è il modello più debole, con un costo per attività inferiore di un ordine di grandezza e una soglia di accuratezza fattuale che ne limita l'affidabilità. Nessuno dei due è una scelta predefinita. La scelta predefinita, per chi inizia ora, è Hydrogen sul fronte Gemini e Luna come livello minimo - e il divario tra i due non è più di 7,5x ma di 15x, il che è una decisione diversa da quella a cui questo confronto doveva rispondere.