GPT-6 Luna vs Gemini 3.8 Flash: 저가형 등급이 방금 교체되었다

Google은 2026년 11월 12일 Gemini 4 Hydrogen을 출시했으며, 출시 게시물에서는 이를 "Gemini 3.8 Flash에서 이전하는 팀을 위한 대규모 독립형 업그레이드"라고 설명합니다. 그 문장은 어떤 벤치마크 표도 할 수 없는 일을 합니다. 즉 GPT-6 Luna와 Gemini 3.8 Flash 간 비교의 목적 자체를 바꿔 놓습니다. 이번 맞대결에서 Gemini 쪽은 더 이상 도입하는 모델이 아니라, 이전해 나가도록 마이그레이션되는 모델입니다. Luna 쪽은 여전히 OpenAI의 가장 저렴한 GPT-6 단계이며, 출시 8주가 지났지만 변함이 없습니다. 따라서 정직한 질문은 이 둘 중 어느 쪽이 더 나은가가 아닙니다. 3.8 Flash를 100만 입력 토큰당 $0.75의 가치가 있게 만든 요소가 $1.50의 Hydrogen에서도 여전히 유효한가, 그리고 Luna의 $0.10이 애초에 같은 시장에 속해 있었는가입니다.

세부 내용에 앞서 요약부터 말씀드리겠습니다. Gemini 3.8 Flash는 거의 모든 독립적 지표에서 더 뛰어난 성능을 보이는 모델이며, 토큰당 가격은 약 7.5배입니다. GPT-6 Luna는 요청당 두 배 많은 출력을 생성하고, Artificial Analysis의 평가 세트 기준 작업당 비용은 약 10분의 1 수준이지만, 응답을 시작하는 속도는 눈에 띄게 느립니다. Hydrogen은 이 문제를 해결하지 못합니다. 오히려 Gemini 등급을 가격과 성능 모두에서 한 단계 끌어올릴 뿐이며, 결과적으로 시장의 저가 영역은 기본적으로 Luna의 몫으로 남습니다.

사양서, 나란히

• 요금표, 입력과 출력 양쪽 모두 - GPT-6 Luna는 100만 토큰당 입력 $0.10, 출력 $0.50이고 Gemini 3.8 Flash는 $0.75와 $3.75인데, 동일한 7.5배가 입력과 출력 양쪽에 나타난다는 것은 이례적인 일이며 어떤 워크로드 형태로도 그 비율을 이용한 차익을 노릴 수 없다는 뜻입니다

• 1M당 캐시 입력 - GPT-6 Luna $0.01 vs Gemini 3.8 Flash $0.075, 그리고 G​oogle은 이를 캐시 쓰기 비율이 아닌 캐시 적중률로 제시하므로 O​penAI의 두 숫자 체계와 직접 비교할 수 없다는 점에 유의하세요

• 장문 컨텍스트 가격 - GPT-6 Luna는 프롬프트 토큰이 272,000개를 초과하면 입력 및 캐시 비용이 두 배가 되고 출력 비용은 1.5배가 됩니다. Gemini 3.8 Flash는 전체 윈도에 걸쳐 단일 정액 요율을 제시합니다.

• 컨텍스트 윈도우 - GPT-6 Luna는 1,050,000 토큰, Gemini 3.8 Flash는 1,048,576 토큰으로, 1,424 토큰 차이는 어떤 애플리케이션도 알아차리지 못할 차이입니다

• 최대 출력 - GPT-6 Luna 128,000 토큰 vs Gemini 3.8 Flash 65,536토큰, 이는 긴 문서를 처음 요청할 때 실질적인 차이입니다

• 각 모델이 실제로 입력받는 것 - Gemini 3.8 Flash는 텍스트, 이미지, 파일은 물론 비디오와 오디오까지 처리하며, GPT-6 Luna는 마지막 세 가지를 입력받고 처음 두 가지는 거부합니다

• 노력 다이얼 - Luna의 사다리는 완전한 ‘없음’(아무것도 말하지 않으면 중간)에서 최대까지 이어지고; G​emini는 더 높은 곳에서 시작해 기본값이 높음이며, G​oogle은 위로 올릴수록 더 많은 토큰을 소모한다고 경고한다

• 출시 - 2026년 9월 2일 Gemini 3.8 Flash; 2026년 9월 22일 GPT-6 Luna; 2026년 11월 12일 그 대체품인 Hydrogen

• Artificial Analysis Intelligence Index v5.0.1 - Gemini 3.8 Flash는 high에서 31, GPT-6 Luna는 max에서 28로, 더 저렴한 모델이 가장 비싼 설정으로 실행되면서 3점을 포기하는 셈이다

• 첫 단어 대기 시간 - Gemini 3.8 Flash에서는 16.98초, GPT-6 Luna에서는 79.33초(Artificial Analysis 측정); Gemini 모델은 전체 작업을 완료하는 데 더 느려 15분인 반면 Luna는 11.8분

• 인덱스 실행을 완료하는 데 든 비용 - Gemini 3.8 Flash는 작업당 $7.77, 전체 스위트 기준 $5,764인 반면, GPT-6 Luna는 $0.15와 $136

가격은 7배 반인데, 그게 어디에서 드러나는지

지능 격차는 3점입니다. 31 대 28이죠. 이는 가격 비율이 시사하는 것보다도, 대부분의 사람이 짐작하는 것보다도 작지만, 비교에서 흥미로운 부분은 아닙니다. 두 점수가 서로 다른 노력 설정에서 측정되었기 때문입니다. Gemini는 high, Luna는 max였습니다. Luna의 최대 노력 점수는 Luna가 낼 수 있는 최선이고, Gemini의 high 노력 점수는 기본값입니다. Google의 모델에는 Luna에게 없는 여유가 있습니다.

세 점이 어디서 비롯되는지가 그 숫자보다 더 유용하다. 지수를 구성 요소로 나누면 하나의 패턴이 드러난다: 두 모델은 코딩 스타일 평가에서는 가깝고, 회상이나 거부가 필요한 모든 항목에서는 크게 벌어진다.

• Terminal-Bench 4.0 - Gemini 3.8 Flash 19.7% 대 GPT-6 Luna 12.6%; 둘 다 성능이 좋지 않으며, 어느 쪽도 터미널 에이전트가 아니다

• Terminal-Bench-Science 0.1 - Gemini 3.8 Flash 10.0% 대 GPT-6 Luna 8.6%, 사실상 무승부

• HLE-Diamond - Gemini 3.8 Flash 33.1% vs GPT-6 Luna 22.2%, 두 모델 모두 잘 처리하지 못하는 어려운 추론에서 11포인트 격차

• FrontierCode-AA 2.0 - Gemini 3.8 Flash 18.7% 대 GPT-6 Luna 25.2%, Luna가 앞서는 유일한 코딩 평가이지만, 둘 다 46%를 넘는 모델들보다 훨씬 낮습니다

• AA-Omniscience v1.1 순점수 - Gemini 3.8 Flash +23 vs GPT-6 Luna −8; 이는 표에서 격차가 가장 크고 가장 중대한 항목입니다

• AA-Briefcase v1.1 Elo - GPT-6 Luna 1337 대 Gemini 3.8 Flash 1203, 더 저렴한 모델이 승리하는 지식 노동 측정 지표

마지막 쌍이 바로 곱씹어 볼 지점이다. 모델이 무엇을 아는지, 그리고 모른다는 사실을 인정할지에 관한 질문에서 Gemini 3.8 Flash는 +23, Luna는 −8을 기록했다. 즉 Luna의 조작된 답변이 정답보다 자주 많아 총점을 0 아래로 끌어내릴 만큼이라는 뜻이다. 브리프케이스 스타일의 지식 노동에서는 Luna가 Elo 기준 134점 더 높다. 두 개의 평가, 상반된 판정, 같은 두 모델. 해법은 이렇다. Briefcase는 주어진 코퍼스를 따르는 능력을, Omniscience는 코퍼스 없이 아는 능력을 보상한다. 애플리케이션이 문서를 제공한다면 Luna의 약점은 통제된다. 기억에 의존해 답한다면 그렇지 않다.

요율표는 7.5배인데 작업당 비용은 왜 50배인가요?

정가는 7.5배 차이가 난다. Artificial Analysis의 Intelligence Index를 완수하는 데 드는 측정 비용은 50배 남짓 차이가 난다. Gemini 3.8 Flash는 $7.77, GPT-6 Luna는 $0.15다. 이 두 비율 사이의 격차는 전적으로 토큰 소비량에서 비롯되며, 그것은 올해 발표된 모든 모델 비교에서 가장 과소 보고된 수치다.

Gemini 3.8 Flash는 추론을 많이 하는 모델이다. Google도 이를 직접 말한다. 복잡한 작업에서 이 모델은 "더 큰 근면성을 보이며 추가 추론 단계를 수행하고 도구를 반복적으로 호출"하며, "특히 더 높은 노력 수준에서 성능을 극대화하기 위해 더 많은 토큰을 사용할 수 있다"고 말이다. 이사회의 자체 집계도 이를 뒷받침한다. 작업당 출력 토큰은 Gemini가 98,900개, Luna가 75,300개이며, 그중 추론 토큰은 각각 60,100개와 57,600개다. 그 토큰 수에 이미 7.5배 높은 단가표를 곱하면 작업당 비율은 50배로 불어난다. 이는 Luna를 위한 현존하는 가장 강력한 단일 논거이며, 지능과는 전혀 무관하다.

이는 다른 워크로드에서는 반대 방향으로도 작용합니다. 프롬프트는 길고 답변은 짧은 경우—고정 코퍼스에 대한 검색, 한 토큰 출력의 분류, 로그 트리아지—에는 출력 토큰이 두 카드 모두에서 반올림 오차 수준이고, 7.5배 입력 비율이 전부입니다. G​emini의 장황함은 누적될 기회를 얻지 못하고, Luna의 우위는 50배에서 약 7배로 줄어듭니다. 모델링해야 할 숫자는 벤치마크에 있는 비율이 아니라 입력 대비 출력 토큰의 여러분 자신의 비율입니다.

아무도 비교표에 적지 않는 기능 격차

Gemini 3.8 Flash는 비디오와 오디오를 기본으로 처리합니다. GPT-6 Luna는 그렇지 않습니다. 텍스트, 이미지, 파일이 전부입니다. 대부분의 텍스트 작업에서는 이 점이 중요하지 않으며, 바로 이 때문에 두 모델이 애초에 비교되곤 합니다. 둘 다 저가 등급으로 포지셔닝되어 있고, 둘 다 약 100만 토큰의 컨텍스트를 가지며, 둘 다 이미지를 입력받습니다.

녹음된 통화, 화면 녹화 또는 회의 오디오와 관련된 워크로드의 경우, 비교는 거기서 끝납니다. Luna는 어떤 가격에도 그 작업을 수행할 수 없으며, 7.5배는 프리미엄이 아니라 범주 차이입니다. 같은 논리가 출력 길이에도 반대로 적용됩니다: Luna는 한 응답에서 최대 128,000개의 토큰을 반환하는 반면 G​emini는 65,536개를 반환하며, 이는 한 통화가 단락이 아닌 전체 문서를 생성해야 할 때 중요합니다.

Hydrogen이 바꾸는 것과 바꾸지 않는 것

구글이 이번 전환을 자체적으로 설명한 내용은 그 차이를 이례적으로 직설적으로 드러낸다: Hydrogen은 기본 high 설정에서 3.8 Flash보다 작업을 2.5배 더 빠르게 완료하고, Terminal-Bench 4.1에서는 3배 이상 높은 점수(57% 대 18.2%)를 기록하며, 허위 주장을 5배 이상 줄이고, 파트너 테스트에서 2배에서 2.8배 더 빠르게 실행되면서 토큰 사용량은 12%에서 23% 더 적다. Artificial Analysis의 지수에서는 기본 high 사고 수준으로 Argon의 50에 맞서 51을 기록하고, xhigh에서는 54를 기록한다.

또한 전체 컨텍스트 윈도우에 걸쳐 100만 입력 토큰당 $1.50, 100만 출력 토큰당 $7.50의 균일 가격이다. 이는 3.8 Flash의 입력과 출력 양쪽 모두에서 두 배다. 따라서 3.8 Flash를 대체하는 모델은 대체되는 모델보다 가격이 두 배이며, Google 자체 수치 기준으로 지능 지수는 약 20점 더 높다. 이는 곡선을 따라 위로 올라가는 명확한 업그레이드이며, 시장의 중간층을 없앤다. Flash급 가격에 Gemini급 역량을 원하던 구매자는 이제 자신보다 위에 있는 모델과 아래에 있는 모델을 선택지로 갖게 되었고, 기존 옵션은 전환 중이다.

그 어느 것도 Luna의 위치를 바꾸지 않는다. Luna는 애초에 31-인덱스 모델과 경쟁한 적이 없기 때문이다. Luna는 최저가와 경쟁한다. 입력 $0.10, 출력 $0.50에서 Luna는 여전히 유능한 모델을 기반으로 대량의 텍스트를 처리하는 가장 저렴한 방법이며, Hydrogen이 $1.50에 등장한 것은 그 사실을 약화시키기는커녕 더욱 강화한다 - 한때 Luna 가격의 7.5배였던 Gemini 옵션은 이제 15배다.

일치하지 않는 제3자 결과

모든 독립적인 측정이 이 모델들을 3점 차이로 벌려 놓는 것은 아니다. 자체 평가 세트를 운영하는 비교 서비스인 StealthMark에서는 Gemini 3.8 Flash가 GPT-6 Luna를 8.8점 차이(47.9 대 39.1)로 앞서며, 9개 개별 벤치마크 중 8개에서 우위를 보인다. 그리고 질문이 아니라 시뮬레이션된 회사 내부의 50가지 업무 상황으로 모델을 평가하는 Deepnote의 Agent Initiative Benchmark에는 Gemini 3.8 Flash가 아예 포함되지 않았기 때문에, 능동적인 에이전트 행동을 측정하는 유일한 평가는 이 조합에 대해 말해 줄 것이 없다.

“3점”과 “8.5점” 사이의 격차는 벤치마크 선택이 중립적인 결정이 아니라 모델링 결정이라는 점을 상기시켜 준다. Gemini에 유리한 평가들은 지식과 추론의 깊이를 중시하고, Luna에 유리한 평가들은 제공된 맥락과 비용보다 지시 준수를 더 중시한다. 어느 쪽도 틀리지 않다. 이 둘 중 하나를 선택하려는 팀이라면 이 글에 있는 네 개의 표를 포함해 어떤 표든 믿기 전에 자체 과제 십여 개를 두 모델 모두에 실행해 봐야 한다.

이제 각자가 제자리를 증명하는 곳

• 비디오, 오디오 또는 모든 멀티모달 입력 - Gemini 3.8 Flash, 또는 새로 시작하는 경우 Hydrogen. Luna는 입력을 받을 수 없습니다.

• 문서가 첨부되지 않은 상태에서 모델 지식으로 도출된 답변 - Gemini 3.8 Flash. +23 대 −8의 Omniscience 격차가 결정적 증거이다.

• 79초의 첫 토큰이 제품 결함인 대화형 지연 시간 - Gemini 3.8 Flash는 17초이지만 작업당 평균 시간은 15분으로 Luna의 11.8분보다 나쁘므로, 이점은 마지막 토큰이 아니라 첫 토큰에 있습니다.

• 긴 생성, 단 한 번의 호출로 문서 하나를 통째로 생성 - 128,000토큰 출력 상한을 바탕으로 한 GPT-6 Luna.

• 문서가 제공되는 대용량 텍스트 처리 - GPT-6 Luna, 여기서 작업당 50배 이점은 실제이며 사실성 하한은 코퍼스에 의해 제한됩니다.

• Gemini 티어를 원하는 신규 배포 - 3.8 Flash가 아닌 Gemini 4 Hydrogen. 대체 모델이 출시된 지 이틀 만에 해당 모델을 도입하려면 이유가 필요합니다.

마이그레이션 질문은 한 문장 더 다룰 가치가 있습니다. 왜냐하면 그것은 이 비교 안에 숨어 있는 실질적인 결정이기 때문입니다. 오늘날 프로덕션에서 Gemini 3.8 Flash를 운영하고 있다면, Hydrogen의 수치는 이전하라고 주장하지만, 가격은 먼저 청구서를 모델링하라고 주장합니다. G​oogle이 보고한 토큰 절감률(12%~23%)이 두 요율 모두 두 배가 되는 것을 상쇄하지 못하기 때문입니다. 둘 다 운영하지 않는다면, 선택은 단종되는 모델과 8주 동안 그대로 변하지 않은 모델 사이에 있으며, 답은 전적으로 워크로드에 비디오 입력이 필요한지 아니면 사실 기반의 최소 기준이 필요한지에 달려 있습니다.

마이그레이션 프로젝트 없이 둘 중 하나를 실행

이런 맞대결에서 어색한 부분은 두 후보가 서로 다른 프로토콜을 사용한다는 점입니다. G​emini 자체의 generate 엔드포인트와 O​penAI의 chat-completions 형식이죠. 그리고 오늘 고른 모델은 3.8 Flash가 방금 그랬던 것처럼 한 분기 안에 대체될 수 있습니다. OrcaRouter는 GPT-6 Luna, Gemini 3.8 Flash, G​emini 4 Hydrogen 및 200개가 넘는 다른 모델을 하나의 OpenAI 호환 키로 0% 마크업으로 제공합니다, 공급자 정가가 그대로 전달되므로 G​oogle의 도입 가격과 이후의 모든 변경 사항이 같은 날 청구서에 반영됩니다. 이 점은 여기서 평소보다 더 중요합니다. 3.8 Flash는 G​oogle이 도입 요금이라고 부른 가격으로 출시되었고, 도입 가격이 적용된 모델이 이전되어 빠지는 중이라면 주목할 만한 항목입니다. 한 모델에서 다른 모델로 경로를 전환하는 것은 새 SDK가 아니라 라우팅-DSL 변경이며, 자동 장애 조치는 한 공급자가 저하될 때 워크로드를 계속 가동하게 하고, 모델 퓨전은 단일 저비용 분류 작업을 한 모델에 맡기기에는 결과가 너무 중대한 경우 패널이 답하게 해줍니다. 우리는 라우팅하지 않는 모델은 호스팅하지 않으며, 이 두 모델은 모두 라우팅합니다.

다음에 볼 콘텐츠

이 비교가 한 달 뒤 어떻게 읽힐지를 좌우하는 두 가지 날짜가 있다. 첫째는 Gemini 3.8 Flash에 대한 Google의 종료 일정이다. Hydrogen은 11월 12일에 출시됐고 마이그레이션 관련 문구는 이미 공개되어 있으므로, 유용한 질문은 3.8 Flash가 사라지느냐가 아니라 그 이후에도 도입 요금이 얼마나 오래 유지되느냐다. 둘째는 OpenAI가 GPT-6 Luna의 후속 모델이나 가격 변경을 내놓느냐다. Luna는 9월 22일 이후 정체되어 있는데, 같은 등급에서 더 저렴하거나 더 성능이 좋은 모델이 나오면 Hydrogen이 방금 Gemini의 계산법을 바꿔 놓은 것처럼 계산이 다시 세워질 것이다.

그중 하나가 출시되기 전까지, 요약은 의도적으로 화려하지 않다. Gemini 3.8 Flash는 더 나은 모델이자 더 나쁜 구매이며, 퇴장을 앞두고 있다. GPT-6 Luna는 더 약한 모델이지만 작업당 비용이 10배 더 낮고, 사실성 하한이 신뢰할 수 있는 범위를 제한한다. 둘 다 기본 선택은 아니다. 지금 시작하는 누구에게나 기본은 Gemini 쪽의 Hydrogen과 최저가 쪽의 Luna이며, 이 둘 사이의 격차는 이제 7.5배가 아니라 15배다. 이는 이 비교가 답하려고 쓰인 결정과는 다른 결정이다.