GPT-6 Luna 対 Gemini 3.8 Flash：低価格帯はついに置き換わった

G​oogleは2026年11月12日にG​emini 4 Hydrogenをリリースし、そのローンチ投稿では「Gemini 3.8 Flashから移行するチーム向けの大規模なスタンドアロンアップグレード」と説明している。この一文は、どのベンチマーク表にもできないことをやってのける。GPT-6 LunaとGemini 3.8 Flashの比較の目的を変えてしまうのだ。この対決のG​emini側は、もはや採用するモデルではない。移行元にされるモデルなのだ。Luna側は依然としてO​penAIの最も安価なG​PT-6の段階であり、ローンチから8週間が経っても変わっていない。したがって、誠実な問いは、この2つのどちらが優れているかではない。3.8 Flashに100万入力トークンあたり$0.75の価値をもたらしたものが、$1.50のHydrogenでも依然として当てはまるのか、そしてLunaの$0.10はそもそも同じ市場にあったのか、である。

短い版を詳細の前に。Gemini 3.8 Flashは、ほぼすべての独立した指標でより高性能なモデルであり、トークンあたりの価格はおよそ7.5倍です。GPT-6 Lunaは1リクエストあたり2倍の出力を生成し、Artificial Analysisのスイートではタスクあたりのコストが約10分の1ですが、回答を開始するまでが明らかに遅くなります。Hydrogenはそれを解決しません。Gemini層を価格と能力の両方で引き上げ、市場の低価格帯を既定でLunaに委ねることになります。

仕様書を並べて比較

• 料金表、入力と出力の両方 - GPT-6 Luna は100万トークンあたり入力 $0.10、出力 $0.50 で、Gemini 3.8 Flash の $0.75 と $3.75 に対する; 同じ 7.5倍が入力と出力の両方に現れており、これは異例で、どのようなワークロード構成でもこの比率をアービトラージできないことを意味する

• 100万あたりのキャッシュ済み入力 – GPT-6 Luna $0.01 対 Gemini 3.8 Flash $0.075。なお、G​oogle はこれをキャッシュ書き込み料金ではなくキャッシュヒット率として提示しているため、O​penAI の2つの数値方式とは直接比較できません

• 長文コンテキストの料金 - GPT-6 Lunaは272,000プロンプトトークンを超えると、入力とキャッシュを2倍にし、出力を1.5倍にする。Gemini 3.8 Flashはウィンドウ全体にわたり単一の一律料金を提示する

• コンテキストウィンドウ - GPT-6 Luna は 1,050,000 トークン、Gemini 3.8 Flash は 1,048,576 トークンで、その差は 1,424 トークンだが、どのアプリケーションも決して気づくことはない

• 最大出力 - GPT-6 Luna 128,000トークン 対 Gemini 3.8 Flash 65,536トークン。長い文書を初めて依頼するとき、これは実際に差が出る点です

• それぞれが実際に取り込めるもの — Gemini 3.8 Flash はテキスト、画像、ファイルに加えて動画と音声も扱い、GPT-6 Luna は最後の3つだけを扱い、最初の2つは拒否する

• エフォートダイヤル — Luna のラダーは、完全な none（何も指定しなければ medium）から max までです。G​emini はより高く始まり、デフォルトは high で、G​oogle は上へ押し上げるほど多くのトークンを消費すると警告しています

• リリース - 2026年9月2日にGemini 3.8 Flash、2026年9月22日にGPT-6 Luna、2026年11月12日にその後継となるHydrogen

• Artificial Analysis Intelligence Index v5.0.1 — Gemini 3.8 Flashはhigh設定で31、GPT-6 Lunaはmax設定で28。つまり、より安価なモデルは最も高コストな設定で実行しながら、3ポイントを犠牲にしている

• 最初の単語を待つ時間 – Gemini 3.8 Flash では 16.98 秒、GPT-6 Luna では 79.33 秒（Artificial Analysis による測定）。G​emini モデルはタスク全体を完了するのに遅く、15 分対 Luna の 11.8 分。

• インデックス実行の完了にかかったコスト — Gemini 3.8 Flash は1タスク $7.77、フルスイートでは $5,764。一方、GPT-6 Luna は $0.15 と $136

価格は7.5倍、そしてそれがどこに表れるか

知能の差は3ポイント、31対28だ。これは価格比から示唆されるよりも小さく、ほとんどの人が推測するよりも小さいが、比較の興味深い部分ではない。なぜなら、2つのスコアは異なるエフォート設定で取得されているからだ——G​eminiはhigh、Lunaはmax。Lunaの最大エフォートのスコアはLunaが達成できる最良のものだが、G​eminiの高エフォートのスコアはデフォルトにすぎない。G​oogleのモデルには、Lunaにはない伸びしろがある。

その3ポイントがどこから来ているのかは、数字そのものより有用だ。指数を構成要素に分けると、あるパターンが見えてくる。2つのモデルはコーディングスタイルの評価では差が小さく、想起や拒否を要するあらゆる項目では大きく隔たっている。

• Terminal-Bench 4.0 - Gemini 3.8 Flash 19.7% 対 GPT-6 Luna 12.6%、いずれも低水準で、どちらもターミナルエージェントではない

• Terminal-Bench-Science 0.1 - Gemini 3.8 Flash 10.0% 対 GPT-6 Luna 8.6%、実用上は引き分けです

• HLE-Diamond — Gemini 3.8 Flash 33.1% 対 GPT-6 Luna 22.2%、どちらのモデルも苦手とする難推論で11ポイントの差

• FrontierCode-AA 2.0 - Gemini 3.8 Flash 18.7% 対 GPT-6 Luna 25.2%、Luna がリードする唯一のコーディング評価だが、両者とも 46% を超えるモデルには遠く及ばない

• AA-Omniscience v1.1 net — Gemini 3.8 Flash +23 対 GPT-6 Luna −8。これは表の中で最も大きく、最も重要な差である

• AA-Briefcase v1.1 Elo - GPT-6 Luna 1337 対 Gemini 3.8 Flash 1203、より安価なモデルが勝利するナレッジワーク指標

最後の組み合わせこそ、じっくり考えるべきものだ。モデルが何を知っているか、そして知らないことを認めるかという問いでは、Gemini 3.8 Flash は +23、Luna は −8 という純結果になる。つまり Luna では、でっち上げの回答が正答を上回る頻度が十分に高く、合計をゼロ未満に押し下げている。Briefcase 形式の知識作業では、Luna は 134 Elo 高い。2つの評価は正反対の評決を示しているが、モデルは同じ2つだ。この解決策は、Briefcase が提供されたコーパスに従うことを重視する一方、Omniscience はコーパスなしで物事を知っていることを重視する、という点にある。アプリケーションが文書を同梱して提供するなら、Luna の弱点は封じ込められる。記憶から答えるなら、そうはいかない。

料金表では7.5倍なのに、タスクあたりのコストが50倍になるのはなぜですか？

定価は7.5倍の差がある。Artificial AnalysisのIntelligence Indexを完了するために測定されたコストは、50倍強の差がある。Gemini 3.8 Flashでは7.77ドル、GPT-6 Lunaでは0.15ドルだ。これら2つの比率の差は完全にトークン消費量によるものであり、それは今年公開されたあらゆるモデル比較において最も報告が不足している数値だ。

Gemini 3.8 Flashは重い推論モデルだ。Googleもそう明言している。複雑なタスクでは「より大きな勤勉さを示し、追加の推論ステップを実行し、ツールを反復的に呼び出す」とし、「特に高い努力レベルでは、パフォーマンスを最大化するためにより多くのトークンを使う可能性がある」と述べている。取締役会自身の集計も一致している。タスクあたりの出力トークン数はGeminiが98,900、Lunaが75,300で、そのうち推論トークンはそれぞれ60,100と57,600だった。このトークン数に、すでに7.5倍高い料金表を掛けると、タスクあたりの比率は50倍に膨らむ。これはLunaを支持する最も強力な論拠であり、知能の話ではまったくない。

それは別のワークロードでは逆にも働く。プロンプトが長く、回答が短い場合——固定コーパスに対する検索、1トークン出力での分類、ログのトリアージ——なら、出力トークンはどちらのカードでも誤差の範囲であり、7.5倍の入力比率がすべてを物語る。G​eminiの冗長さが積み重なる機会は決してなく、Lunaの優位性は50倍から約7倍に縮む。モデル化すべき数値は、ベンチマーク上の比率ではなく、あなた自身の入力トークン対出力トークンの比率だ。

どの比較表にも載らない機能の差

Gemini 3.8 Flashは動画と音声をネイティブに取り込みます。GPT-6 Lunaはそうではなく、テキスト、画像、ファイルのみで、それ以外は扱いません。ほとんどのテキスト処理ではそれは関係なく、まさにそれが、この2つのモデルがそもそも比較される理由です。どちらも低価格帯に位置づけられ、どちらも約100万トークンのコンテキストを持ち、どちらも画像を扱えます。

録音通話、画面録画、会議音声を含むワークロードでは、比較はそこで終わります。Lunaはどんな価格でもその仕事をこなせず、7.5倍は割高ではなくカテゴリの違いです。同じ論理は出力長にも逆方向に当てはまります。Lunaは1回の応答で最大128,000トークンを返すのに対し、Geminiは65,536トークンであり、1回の通話から段落ではなく文書全体を生成する必要がある場合に重要になります。

Hydrogen が変えるもの、変えないもの

Google自身による移行の位置づけは、その差分について異例なほど率直だ。Hydrogenはデフォルトのhigh設定で3.8 Flashより2.5倍速くタスクを完了し、Terminal-Bench 4.1では3倍超（57%対18.2%）、捏造された主張を5倍超削減し、パートナーテストでは2倍から2.8倍高速で、トークン使用量は12%から23%少ない。Artificial Analysisのインデックスでは、デフォルトのhigh思考レベルでArgonの50に対して51、xhighでは54を記録する。

また、コンテキストウィンドウ全体を通じて均一価格で、100万入力トークンあたり1.50ドル、100万出力トークンあたり7.50ドルです。これは3.8 Flashの両面で2倍に当たります。つまり、3.8 Flashを置き換えるモデルは、置き換える対象のモデルの2倍の価格であり、G​oogle自身の数値によれば知能指数でおよそ20ポイント高いということです。これは曲線上を素直に上へ移る取引であり、市場の中間層を取り除きます。Flash級の価格でG​emini級の能力を求めた買い手は今や、上にモデル、下にモデルがあり、旧オプションは移行中です。

そのどれもLunaの立場を変えない。Lunaは31-indexモデルと競争していたわけではないからだ。Lunaが競うのは最低価格ラインだ。入力$0.10、出力$0.50で、Lunaは依然として、その背後に有能なモデルを備えて大量のテキストを処理する最も安い方法であり、Hydrogenが$1.50で登場したことで、それはより強く真になるのであって、弱まるわけではない——かつてLunaの7.5倍の価格だったGeminiの選択肢は、今では15倍だ。

一致しない第三者による結果

すべての独立した測定が、これらのモデルを3ポイント差に置いているわけではない。独自の評価セットを運用する比較サービスStealthMarkでは、Gemini 3.8 FlashがGPT-6 Lunaを8.8ポイント上回る47.9対39.1でリードし、9つの個別ベンチマークのうち8つで優位に立っている。また、DeepnoteのAgent Initiative Benchmarkは、質問ではなく模擬企業内の50の職場状況でモデルを採点するものだが、Gemini 3.8 Flashをまったく含んでいない。そのため、プロアクティブなエージェント行動を測る唯一の評価は、この組み合わせについて何も言えない。

「3ポイント」と「8.5ポイント」の差は、ベンチマークの選択が中立的なものではなくモデリング上の決定であることを思い起こさせる。G​eminiを有利にする評価は知識と推論の深さを重視し、Lunaを有利にする評価は提供された文脈に対する指示追従性とコストを重視する。どちらの評価群も間違いではない。この2つから選ぶチームは、この記事にある4つを含め、どの表も信頼する前に、自チームのタスクを12個ほど両方で実行すべきだ。

今、それぞれがどこでその存在価値を発揮しているのか

• 動画、音声、その他のマルチモーダル入力 - Gemini 3.8 Flash、または新規に始める場合は Hydrogen。Luna は入力を受け付けられません。

• ドキュメントを添付せず、モデルの知識から導き出した回答 - Gemini 3.8 Flash。Omniscience の +23 対 −8 の差が決定的な証拠です。

• インタラクティブなレイテンシー。最初のトークンが79秒というのは製品の欠陥だ - Gemini 3.8 Flashは17秒だが、タスクあたりの平均時間は15分でLunaの11.8分より悪いため、優位性は最後のトークンではなく最初のトークンにある。

• 長い生成、1回の呼び出しで文書全体を生成 - GPT-6 Lunaは、128,000トークンの出力上限を強みにしています。

• 文書を提供したうえでの大量テキスト処理 - GPT-6 Luna。ここではタスクあたり50倍の優位性が現実のものであり、事実面の下限はコーパスによって担保される。

• Gemini のティアをどうしても求める新規デプロイメント — Gemini 4 Hydrogen であり、3.8 Flash ではない。後継モデルが出荷されてから2日後にモデルを採用するには、理由が必要だ。

移行の是非については、もう一言添えるべきでしょう。この比較の奥には実務的な判断が隠れているからです。現在Gemini 3.8 Flashを本番環境で動かしているなら、Hydrogenの数値は移行を後押しします。ただしその価格は、まず請求額を試算すべきだとも示しています。Googleが報告するトークン削減率（12%から23%）では、両方の料金が倍になることを相殺できないからです。どちらも使っていない場合、選択肢は廃止されるモデルか、8週間変わらずに据え置かれているモデルかになります。そしてその答えは、あなたのワークロードが動画入力とファクトの下限のどちらを必要とするかに完全に左右されます。

移行プロジェクトなしでいずれかを実行する

このような対決の厄介な点は、2 つの候補が異なるプロトコルを使うことです。すなわち Gemini 独自の generate エンドポイントと OpenAI の chat-completions 形式であり、今日選んだモデルが四半期以内に取って代わられる可能性があります。3.8 Flash がまさにそうだったように。OrcaRouter は GPT-6 Luna、Gemini 3.8 Flash、Gemini 4 Hydrogen、そしてマークアップ 0% で 1 つの OpenAI 互換キーの背後に 200 を超える他のモデルを公開しており、プロバイダーの定価がそのまま反映されるため、Google の導入価格やその後の変更が同日に請求書へ反映されます。ここではそれがいつも以上に重要です。3.8 Flash は Google が導入価格と呼んだ料金で開始され、導入価格のまま移行が進められているモデルは注視する価値のある請求項目です。ルートをあるモデルから別のモデルへ切り替えることは、新しい SDK ではなくルーティング DSL の変更であり、自動フェイルオーバーはあるプロバイダーが劣化したときにワークロードを稼働させ続け、モデルフュージョンは、単一の安価な分類を 1 つのモデルに任せるには重大すぎる場合に、パネルが回答できるようにします。当社はルーティングしないモデルをホストせず、これら 2 つはどちらもルーティングしています。

次に見るもの

この比較が1か月後にどう読まれるかは、2つの日付で決まる。1つ目は、{{1}}Google による Gemini 3.8 Flash の提供終了スケジュールだ。Hydrogen は11月12日にリリースされ、移行に関する文言はすでに公開されている。したがって、意味のある問いは 3.8 Flash がなくなるかどうかではなく、その導入価格がいつまで維持されるかだ。{{/1}}2つ目は、{{2}}OpenAI が GPT-6 Luna の後継モデルを出すのか、それとも価格変更を打ち出すのかどうかだ。Luna は9月22日以降動きがなく、同じ階層でより安価な、またはより高性能なモデルが出れば、Hydrogen が先ほど Gemini の計算をリセットしたのと同じように、計算の前提がリセットされるだろう。{{/2}}

それらのどれかが実現するまでは、この要約はあえて地味なものにしている。Gemini 3.8 Flashはより優れたモデルでありながらより悪い買い物で、しかも終わりに向かっている。GPT-6 Lunaはより弱いモデルだが、タスクあたりのコストは一桁低く、事実面の下限が信頼できる範囲を制限している。どちらもデフォルトではない。今から始める人にとってのデフォルトは、Gemini側ならHydrogen、下限側ならLunaであり、その二つの間の差はもはや7.5倍ではなく15倍で、これはこの対決が答えるために書かれたものとは別の判断だ。