GPT-6 Luna vs Claude Sonnet 5.5: Twee hiaten, niet één

Zet GPT-6 Luna en Claude Sonnet 5.5 op dezelfde prijslijst en de verhouding is beschamend: $0.10 tegen $2.00 per miljoen inputtokens, $0.50 tegen $10.00 per miljoen outputtokens. Zet ze op dezelfde evaluatie en het verschil ziet er volledig anders uit, afhankelijk van welke evaluatie je kiest. Op de Intelligence Index van Artificial Analysis scoort Sonnet 5.5 bij maximale inspanning 55 en Luna bij maximale inspanning 28 - een verschil van 27 punten op een ranglijst waar de top van het veld in de vijftigers zit. Op FrontierCode-AA 2.0 scoren dezelfde twee modellen 25.7 en 25.2. Dat is geen verschil. Dat is een gelijkspel.

Beide interpretaties zijn juist, en de reden dat ze naast elkaar bestaan is juist wat je moet begrijpen voordat je een keuze maakt. Luna is geen uniform zwakker model dat voor een twintigste van de prijs wordt verkocht. Het is een model met een specifieke vorm: concurrerend op code-diffgeneratie, ver achterop bij terminalwerk, wetenschappelijk redeneren en feitelijke terughoudendheid, en ongeveer een orde van grootte langzamer om zijn eerste token te produceren. Sonnet 5.5 is de tegenovergestelde vorm: consistent, snel op gang en duur genoeg dat een vloot ervan een businesscase vereist.

De twee specificatiebladen, dimensie voor dimensie

• Invoerprijs per 1M - GPT-6 Luna $0,10 vs Claude Sonnet 5.5 $2,00, een verhouding van 20x

• Uitvoerprijs per 1M - GPT-6 Luna $0,50 vs Claude Sonnet 5.5 $10,00, ook 20x

• Gecachte invoer per 1M - GPT-6 Luna $0.01 vs Claude Sonnet 5.5 $0.10; Anthropic verlaagde het tarief voor cache-lezen van Sonnet bij de lancering tot de helft van dat van Sonnet 5, en de verhouding tot Luna's gecachte tarief is nog steeds 10x

• Cache-schrijfacties - GPT-6 Luna $0,125 per 1M, een premie van 1,25x op input; Sonnet 5.5 wordt gefactureerd tegen $2,50 per 1M volgens dezelfde 1,25x-conventie

Contextvenster - 1.050.000 tokens voor GPT-6 Luna vs 1.000.000 voor Claude Sonnet 5.5, waarbij Luna's bruikbare invoer beperkt is tot 922.000

• Maximale uitvoer - 128.000 tokens op beide

• Prijsstelling voor lange context: Luna herprijst het hele verzoek boven 272.000 invoertokens naar $0,20 / $0,75; de kaart van Sonnet 5.5 heeft geen vergelijkbare cliff, wat een onopvallend voordeel is bij prompts van 300K tokens.

• Invoermodaliteiten: tekst, afbeelding en bestand bij beide; geen van beide ondersteunt audio of video

• Redeneerinstelling - GPT-6 Luna biedt geen, laag, gemiddeld (standaard), hoog, xhigh en max, en kan volledig worden uitgeschakeld; Claude Sonnet 5.5 heeft vijf niveaus van laag tot max, met hoog als standaard, en redeneren is altijd ingeschakeld

• Kennisafsluitdatum - 18 mei 2026 voor GPT-6 Luna; Anthropic publiceert geen vergelijkbare datum voor Sonnet 5.5

• Release - GPT-6 Luna op 22 september 2026; Claude Sonnet 5.5 op 28 september 2026, zes dagen na elkaar

• AA Intelligence Index v5.0.1 - GPT-6 Luna 28 bij maximale inspanning vs. Claude Sonnet 5.5 42 bij zijn standaard hoge inspanning en 55 bij maximaal

• Tijd tot het eerste antwoordtoken - GPT-6 Luna 79,33 s vs Claude Sonnet 5.5 10,21 s op hetzelfde bord

• Kosten per Intelligence Index-taak - GPT-6 Luna $0.15 vs Claude Sonnet 5.5 $1.64

Twintig keer de prijs, elf keer de rekening

De lijstprijsverhouding is een nette 20x. De gemeten verhouding op een echte workload is dat niet, omdat de kosten per taak ook meetellen hoeveel tokens elk model uitgeeft om tot een antwoord te komen. In de indexrun van Artificial Analysis verbruikte Luna $136 aan tokens om de suite te voltooien en Sonnet 5.5 verbruikte $1,268 - ongeveer 9,3x. Het bedrag per taak van $0,15 voor Luna tegenover $1,64 voor Sonnet is een verhouding van 10,9.

Dat verschil werkt tegelijk voor en tegen Luna, afhankelijk van je workload. Luna genereert veel redeneertokens voor een goedkoop model: bij maximale inspanning is het van de twee het spraakzaamst per score-eenheid, waardoor de 20x-verhouding op de lijst op een factuur wordt samengeperst tot ongeveer 10x. Bij een workload waarin output domineert – lange generaties, iteratieve codebewerkingen, alles wat paragrafen schrijft – wordt de compressie voor Luna slechter, omdat het outputtarief de dure helft van de tariefkaart is. Bij een workload waarin input domineert – retrieval, logs lezen, document-QA over een vaste corpus – blijft de 20x bijna exact overeind, en caching maakt het nog beter.

Nog een rekenkundige opmerking die het antwoord verandert voor een team dat al A​nthropic-prijzen betaalt: A​nthropic beschrijft Sonnet 5.5 als tot 30% goedkoper per taak dan Sonnet 5, ondanks een ongewijzigde tariefkaart, omdat het minder tokens nodig heeft om hetzelfde werk te doen. Een team dat overstapt van Sonnet 5 naar Sonnet 5.5 krijgt een echte korting zonder een prijslijst te wijzigen. Een team dat overstapt van Sonnet 5.5 naar Luna krijgt een 10x korting en een heel ander model.

Waar de kloof een afgrond is, en waarom het harnas ertoe doet

Terminal-Bench 4.0 vormt de duidelijkste scheiding op het bord: 43,9% voor Sonnet 5.5 tegen 12,6% voor Luna, gemeten door dezelfde evaluator onder dezelfde omstandigheden. Terminal-Bench-Science is voor Luna nog slechter - 34,3% versus 8,6%. Als het werk een shell-sessie is, een buildsysteem, een falende testsuite die over meerdere bestanden heen gediagnosticeerd moet worden, dan is de twintigvoudige korting helemaal geen korting. Luna zal de taak niet vaak genoeg voltooien om de prijs er iets toe te laten doen.

Let op de cijfers die je hier voor Sonnet noemt, want het zijn er twee en slechts één is vergelijkbaar. De lanceringspost van Anthropic meldt 70,6% op Terminal-Bench 4.0 – meer dan 26 punten boven wat de onafhankelijke raad heeft gemeten. Geen van beide cijfers is oneerlijk; het leverancierscijfer komt uit de eigen harness, het toolbeleid en de prompt-scaffolding van Anthropic, en scores op Terminal-Bench verschuiven aanzienlijk met alle drie. Deepnote maakte hetzelfde punt vanuit de andere richting in zijn Agent Initiative Benchmark: "de resultaten weerspiegelen alleen de modellen, niet de harness" en een andere prompt of toolbeleid "zal elk cijfer hier veranderen." Beschouw 70,6% als wat Sonnet 5.5 haalt in de opzet van Anthropic en 43,9% als wat het haalt in die van iemand anders. Voor vergelijkingen moet je het tweede gebruiken, want je gaat de opzet van Anthropic niet draaien.

Dezelfde voorzichtigheid geldt voor Luna's eigen leverancierscijfers. OpenAI meldt dat GPT-6 Luna bij maximale inspanning 66,6% scoort op DeepSWE v1.1, "vergelijkbaar met Claude Opus 5 en Fable 5 bij gemiddelde inspanning", tegen 93% tot 96% lagere kosten per taak. Dat is een door de leverancier gerapporteerd resultaat op een door de leverancier uitgevoerde evaluatie, en het zegt niets over Terminal-Bench, waar het onafhankelijke cijfer 12,6% is. Beide zinnen beschrijven hetzelfde model.

Waar de kloof tot een afrondingsfout verschrompelt

FrontierCode-AA 2.0 meet of een codingagent een wijziging produceert die klaar is om in een echte repository te worden samengevoegd. Luna scoort 25,2. Sonnet 5.5 scoort 25,7. Een half punt, bij een twintigvoudig prijsverschil, en beide ver onder de koplopers op een benchmark waar een sterk model 46% haalt.

Lees dat zorgvuldig voordat je de voor de hand liggende conclusie trekt. Een lage absolute score op een moeilijke benchmark betekent dat beide modellen het meestal niet halen; als twee modellen het allebei meestal niet halen, is een verschil van een half punt grotendeels ruis. De nuttige bewering is niet "Luna codeert net zo goed als Sonnet 5.5". Ze is nauwer: bij dit soort taken, op dit moeilijkheidsniveau, levert die extra factor twintig niets meetbaars op. Als je werklast lijkt op FrontierCode - op zichzelf staande bewerkingen aan een bekende codebase, door een mens beoordeeld vóór de merge - dan is Luna een verdedigbare eerste ronde waarvan de output toch al door een reviewer herschreven zou worden.

Twee andere maatstaven komen in dezelfde buurt uit: AutomationBench-AA zet Sonnet 5.5 op 59,4% en Luna op 53,2%, en GDP.pdf op 25,2% tegenover 22,8%. Geen van beide is een gelijkspel, maar beide liggen binnen het bereik waarin prompt engineering en toolkeuze de volgorde op je eigen data kunnen omdraaien.

De twee punten waarop Luna echt slechter is, niet alleen anders

Kennis en latentie, en geen van beide is op te lossen met een prijsverlaging.

AA-Omniscience v1.1 meet of een model weet wat het niet weet. Sonnet 5.5 scoort netto +19; Luna netto -8. Een negatieve nettoscore op die evaluatie betekent dat de verzonnen antwoorden van het model vaak genoeg talrijker zijn dan de correcte om het totaal onder nul te trekken. Dat is het getal met de grootste gevolgen in deze vergelijking voor iedereen die een agent bouwt die antwoordt zonder menselijke tussenkomst, en het is het getal dat een benchmark gericht op programmeren nooit naar boven zal brengen. Samen met Luna's 38,5 op Humanity's Last Exam tegenover Sonnet 5.5's 56,0 is het beeld consistent: Luna is een competente instructievolger met een dun feitelijk fundament.

Latentie is de tweede. Sonnet 5.5 bereikt zijn eerste antwoordtoken in ongeveer 10 seconden; Luna doet er bij maximale effort ongeveer 79 over op hetzelfde board. Zet de effortknop lager en dat verschil wordt kleiner - Luna's reasoningbudget is de prijs - maar dan vergelijk je een Luna met lagere effort met een Sonnet op volle sterkte, en het scoringsverschil wordt dienovereenkomstig groter. Voor een interactief product is dit vaak de beslissende factor, ongeacht de prijs. Voor een batchtaak die 's nachts draait, is het irrelevant.

De enige benchmark waarop ze bij een echte opdracht bijna gelijk eindigen

Artificial Analysis meet modellen aan de hand van vragen. Deepnote's Agent Initiative Benchmark meet ze aan de hand van een taak: vijftig gesimuleerde werksituaties binnen een fictief bedrijf, waarbij het model Slack leest en beslist of het onderzoek gaat doen, waar het antwoordt, en of het überhaupt antwoordt. Claude Sonnet 5.5 scoorde 6,65 tegen $0,42 per situatie en was in 15 seconden klaar. GPT-6 Luna scoorde 6,38 tegen $0,0070 en deed er 50 seconden over.

Hieruit volgen twee dingen. Het kwaliteitsverschil bij dit taaktype – een kwart punt – is kleiner dan het interval dat de benchmark rapporteert; daarom groepeert Deepnote de twee samen met DeepSeek V4.1 Flash, Mistral Large 4 en Claude Haiku 5.5 in een cluster dat volgens Deepnote "binnen 0,6 punt valt met overlappende intervallen". En het kostenverschil is 60x, niet 20x, omdat Sonnet 5.5 bij hoge inspanning ongeveer twintigduizend tokens per situatie verbruikt, terwijl Luna veel minder verbruikt.

Het verschil zit in discipline, niet in capaciteit. Sonnet 5.5 hield zich in bij 6 van de 10 situaties die om stilte vroegen; Luna bij 4. Sonnet boekte 11 perfecte runs en 7 nullen van de 50; Luna 9 en 9. Als de taak is om vaker gelijk te hebben en stil te zijn bij twijfel, verdient het dure model zijn geld. Als de taak is om alles te lezen zodat een tweede, strengere poort kan beslissen wat er getoond moet worden, is de goedkope de enige versie die binnen het budget past.

De functie die hen echt onderscheidt, is een uitschakelaar.

GPT-6 Luna accepteert reasoning_effort: "none". Claude Sonnet 5.5 doet dat niet - redeneren staat altijd aan op alle vijf niveaus, die A​nthropic ten opzichte van Sonnet 5 opnieuw heeft gekalibreerd, dus een overgenomen integratie moet de instelling opnieuw afstemmen in plaats van de oude mee te nemen.

Dat ene verschil verklaart het grootste deel van de kostencurve. Een classificatieaanroep, een routeringsbeslissing, een extractie uit een bekend schema: geen daarvan heeft een redeneertrace nodig, en Luna kan worden opgedragen die over te slaan. Hetzelfde werk op Sonnet 5.5 betaalt voor redeneren, of dat nu helpt of niet. Het verklaart ook een beperking die je moet kennen voordat je erop voortbouwt: bij Chat Completions ondersteunt Luna functieaanroepen alleen wanneer reasoning effort op none staat, dus alles wat tools nodig heeft, moet via de Responses API gaan. Sonnet 5.5 ondersteunt tools op beide interfaces, via de native Messages API of het OpenAI-compatibele formaat.

OpenAI's Decisions API, sinds 22 oktober 2026 algemeen beschikbaar, is de nauwste uitdrukking van hetzelfde idee: getypeerde antwoorden - een waarschijnlijkheid, een keuze, een rubricscore - van GPT-6 Luna en geen enkel ander model, met ongeveer een tiende van de latentie die OpenAI voor hetzelfde model via Responses rapporteert. Als de vraag luidt: "spreekt dit ticket dit orderrecord tegen?", kan Luna nu in zijn eigen vorm antwoorden zonder überhaupt proza te genereren.

Kiezen tussen beide

• Langdurig terminalwerk, buildreparatie, debugging over meerdere bestanden - Claude Sonnet 5.5. Luna's 12,6% op Terminal-Bench 4.0 is geen budgetkwestie.

• Alles waarbij een fout antwoord duur is en niemand het controleert - Claude Sonnet 5.5, op basis van de +19 tegenover −8 Omniscience-verdeling.

• Interactieve interfaces waar 79 seconden tot het eerste token een productdefect is - Claude Sonnet 5.5.

• Classificatie, extractie en routering met grote volumes, of een eerste lezer vóór een strengere poort - GPT-6 Luna, met inspanning none of laag, waar geen van Sonnets voordelen in het spel zijn.

• Op zichzelf staande codewijzigingen die een reviewer toch leest - GPT-6 Luna als eerste ronde, Sonnet 5.5 als escalatiepad. Het halfpuntverschil van FrontierCode is wat de splitsing beargumenteerbaar maakt in plaats van roekeloos.

Beide draaien is de optie die de tariefkaarten niet adverteren, maar die de cijfers ondersteunen. Een getrapte opzet – Luna voor de 90% van de aanroepen die goedkoop en smal zijn, Sonnet 5.5 voor de 10% die ergens over beslissen – kost dichter bij Luna's factuur dan bij die van Sonnet, terwijl Sonnets oordeel behouden blijft waar oordeel ertoe doet. OrcaRouter zet beide modellen achter één O​penAI-compatibele sleutel naast meer dan 200 andere, tegen 0% opslag, waarbij de lijstprijs van de provider wordt doorgegeven, zodat de 20x-verhouding op het blad de 20x-verhouding op de factuur is en een prijswijziging van een leverancier je dezelfde dag bereikt. Omdat beide het O​penAI chat-completions-formaat accepteren, is de tier-splitsing een routeringsregel in plaats van een tweede integratie: de routerings-DSL stuurt een verzoek eerst naar Luna en escaleert op basis van een voorwaarde, automatische failover vangt een vertraging bij een provider op, en er zijn geen codewijzigingen nodig wanneer een nieuw model in de catalogus verschijnt.

Wat zou het antwoord veranderen

Luna's huidige positie is ongewoon afhankelijk van het bewegen van één getal: de feitelijke ondergrens ervan. Een pointrelease die AA-Omniscience van negatief naar positief tilt, zou het sterkste argument wegnemen om twintig keer meer te betalen, omdat de verschillen in terminalwerk en latentie werkbelastingspecifiek zijn, terwijl een model dat feiten verzint overal een risico is. Omgekeerd zou een prijsverlaging voor Sonnet 5.5 – zoals Anthropic dat eerder heeft gedaan, en die een router met 0% opslag onmiddellijk zou doorgeven – de verhouding voldoende verkleinen om de tieringvraag voor veel teams irrelevant te maken.

Als een van beide ontbreekt, is de eerlijke samenvatting dat dit geen vervangers van elkaar zijn. GPT-6 Luna is een goedkope, snel te prompten, feitenarme lezer met een schakelaar die het denken uitzet. Claude Sonnet 5.5 is een langzamer op gang komende, dure, betrouwbare schrijver die altijd nadenkt. De fout is de 20x als een eindoordeel te zien. Het is een budget voor de onderdelen van het werk waar het verschil niet zichtbaar wordt - en de marge van een half punt van FrontierCode is de herinnering dat sommige van die onderdelen groter zijn dan de marketing suggereert.