GPT-6 Luna vs Gemini 3.1 Pro: Een zeven maanden oude preview tegen twintig keer de inputprijs

Het frontier-redeneermodel draagt het label "Preview" sinds Gemini 3.1 Pro op 19 februari 2026 werd gelanceerd. Zeven maanden later is het nog steeds een preview, nog steeds $2,00 per miljoen inputtokens en $12,00 per miljoen output, en nog steeds wat de productpagina het frontier-redeneermodel van het bedrijf noemt. Op 22 september 2026 heeft de leverancier GPT-6 Luna uitgebracht als een algemeen beschikbare kleine tier voor $0,10 en $0,50. Lees de twee tariefkaarten naast elkaar en het nieuwere, goedkopere GA-model is twintig keer goedkoper op input en vierentwintig keer goedkoper op output — en het scoort hoger op de onafhankelijke index waar de marketingafdelingen van beide leveranciers om geven.

Die laatste clausule is het deel waar het de moeite loont even bij stil te staan. GPT-6 Luna scoort 37 op de Artificial Analysis Intelligence Index bij maximale inspanning. Gemini 3.1 Pro Preview scoort 30 op dezelfde revisie. Een model dat wordt verkocht als een efficiëntieoplossing voor grote volumes staat zeven punten voor op een model dat wordt verkocht als een frontier-redeneersysteem, tegen een twintigste van de invoerprijs. Dit is geen geval van een goedkoop model dat een duur model inhaalt. Op deze specifieke as staat het goedkope model simpelweg voor, en het dure model zit al zeven maanden in preview.

De voor de hand liggende conclusie — dat Gemini 3.1 Pro te duur is — is ook niet helemaal juist, en de rest van dit stuk gaat over de drie plekken waar het model van Google zijn tariefkaart verdient, want ze zijn echt en ze zijn niet klein.

De vijf dingen die de doorslag geven

Voor de details, de korte versie:

• GPT-6 Luna wint op prijs met ongeveer 20x op input en 24x op output, op gecachte input met een ruime marge, en op de algemene index met zeven punten bij gelijke maximale inspanning.

• Gemini 3.1 Pro wint op het gebied van inputmodaliteit — het accepteert audio en video, wat GPT-6 Luna niet doet — en op het feit dat het al zeven maanden beschikbaar is, wat voor een preview een lange staat van dienst in productie is.

• De outputplafonds liggen in geen van beide richtingen dicht bij elkaar: GPT-6 Luna genereert tot 128.000 tokens, Gemini 3.1 Pro tot 65.000.

• Beide hebben een long-context-tariefgrens die de prijs van het hele verzoek opnieuw bepaalt, bij 272.000 invoertokens voor GPT-6 Luna en ongeveer 200.000 voor Gemini 3.1 Pro.

• De valkuil van de standaardinspanning geldt alleen voor Luna: de 37 ervan is een score bij maximale inspanning en de standaardinstelling op medium scoort 29, wat onder de 30 van Gemini 3.1 Pro ligt.

Twee tariefkaarten en de rekenkunde daartussen

Eén regel per dimensie, beide zijden op elk:

• Invoer per 1 mln — GPT-6 Luna $0.10 vs Gemini 3.1 Pro $2.00

• Uitvoer per 1M — GPT-6 Luna $0,50 vs Gemini 3.1 Pro $12,00

• Gecachte invoer — GPT-6 Luna $0,01 per 1 mln., een korting van 90% t.o.v. Gemini 3.1 Pro $0,20 per 1 mln., een korting van 90%

• Lang-contextgrens — GPT-6 Luna boven 272K invoertokens vs. Gemini 3.1 Pro boven ongeveer 200K invoertokens

• Lang-context-effect — GPT-6 Luna 2x invoer en cache, 1,5x uitvoer, over het hele verzoek vs Gemini 3.1 Pro $4,00 in / $18,00 uit, ook over het hele verzoek

• Contextvenster — GPT-6 Luna 1.050.000 tokens vs Gemini 3.1 Pro 1 miljoen tokens

• Maximale output — GPT-6 Luna 128.000 tokens vs Gemini 3.1 Pro 65.000 tokens

• Invoermodaliteit — GPT-6 Luna tekst en afbeelding vs. Gemini 3.1 Pro tekst, afbeelding, audio, video en bestanden

• AA Intelligence Index — GPT-6 Luna 37 bij maximale inspanning, 29 bij de standaardinstelling vs Gemini 3.1 Pro 30

• Uitvoersnelheid — GPT-6 Luna 153,9 tokens/sec tegenover Gemini 3.1 Pro ongeveer 115-143 tokens/sec, afhankelijk van de momentopname

• Schakelaar om redeneren uit te zetten — GPT-6 Luna none tot en met max vs Gemini 3.1 Pro dat redeneren vooropstelt, geen niet-redeneermodus beschikbaar

• Status — GPT-6 Luna algemeen beschikbaar sinds 2026-09-22 vs Gemini 3.1 Pro in preview sinds 2026-02-19

De interessante rij is niet de prijs. Het is het rijenpaar onderaan. Het preview-label van Gemini 3.1 Pro is geen formaliteit — het verandert wat Google je verschuldigd is. Een previewmodel kan worden gewijzigd, opnieuw geprijsd of ingetrokken zonder de deprecatiemelding die een GA-model krijgt, en een prijs die al zeven maanden ongewijzigd is, is een belofte die niemand schriftelijk heeft gedaan. Alles hieronder over het model van Google als de veiligere keuze voor productie moet tegen dat voorbehoud worden gelezen, want "zeven maanden stabiliteit" en "zeven maanden zonder stabiliteitsgarantie" zijn dezelfde zeven maanden.

Waar het model van Google het extra twintigvoudige verdient

Drie plekken, en de eerste is degene die de vergelijking voor sommige teams meteen beëindigt.

Modaliteit.Gemini 3.1 Pro accepteert audio- en video-invoer. GPT-6 Luna accepteert tekst en afbeeldingen. Als je pijplijn gespreksopnames, schermopnames of video verwerkt, is er geen enkele versie van deze vergelijking waarin het prijsverschil ertoe doet, want een van de twee modellen kan de klus niet aan. Dat is geen benchmarkkloof die met een puntrelease kleiner wordt; het is een capaciteit die ofwel aanwezig ofwel afwezig is, en het is de allersterkste reden waarom de tariefkaart van Google een echte inkoopprocedure doorstaat.

Uitvoerplafond, in de andere richting. De uitvoerplafonds werken de tegenovergestelde kant op dan de invoermodaliteit, en dit speelt in het voordeel van OpenAI. GPT-6 Luna produceert tot 128.000 tokens in één antwoord; Gemini 3.1 Pro tot 65.000. Als je lange gestructureerde artefacten genereert — een volledig document, een grote refactor, een patch over meerdere bestanden — dan is het plafond van Google ongeveer de helft van dat van OpenAI, en een pipeline die afkapt bij 65.000 tokens is kapot, ongeacht wat die per token betaalt.

Multimodaal frontierwerk.De positionering van Gemini 3.1 Pro is die van een reasoningmodel dat toevallig multimodaal is, en het praktische gevolg is dat taken waarbij geredeneerd moet worden over een diagram, een grafiek of een schermopname, bij dat model terechtkomen in plaats van bij een kleine, tekstgerichte tier. GPT-6 Luna accepteert afbeeldingen, dus de grens ligt niet alleen bij audio en video — het is dat Googles model is gebouwd voor visueel en auditief redeneren als primaire use case, en dat van OpenAI voor doorvoer.

Waar het goedkope niveau echt verliest, en dat is niet waar je het verwacht.

De standaardinstelling voor effort is de valkuil in deze combinatie, en die komt hier harder aan dan tegen een zwakkere tegenstander. De headline-indexscore van 37 van GPT-6 Luna wordt gemeten bij maximale reasoning effort. De standaardinstelling is medium, en bij medium scoort hij 29 — één punt onder de 30 van Gemini 3.1 Pro. Dus de voorsprong van zeven punten waarmee dit artikel begon, is een vergelijking tussen het plafond van het ene model en het plafond van het andere, en een team dat GPT-6 Luna installeert en de configuratie ongemoeid laat, draait een model dat fractioneel achterloopt op dat van Google, zeven maanden ouder, nog in preview, voor een twintigste van de prijs.

Dat is voor de meeste workloads nog steeds de juiste afweging — een indexpunt is geen capaciteitsverschil, en een prijsverschil van 20x wel. Maar het is een andere afweging dan degene die de tariefkaarten aanprijzen, en die is onzichtbaar tenzij je op zoek gaat naar de effort-parameter.

De tweede plek waarop de goedkope tier verliest, is rekenwerk bij lange context. Beide modellen herprijzen het hele verzoek zodra het een grens overschrijdt, in plaats van een toeslag te heffen op het overschot, en beide grenzen zijn laag genoeg om relevant te zijn: 272.000 invoertokens bij GPT-6 Luna, ongeveer 200.000 bij Gemini 3.1 Pro. De clausule van GPT-6 Luna verdubbelt de invoer en cache en verhoogt de uitvoer met de helft. Die van Gemini 3.1 Pro zet de hele aanroep op $4,00 in en $18,00 uit. Geen van beide is een marginale toeslag, en bij een model dat op prijs wordt verkocht, is de clausule de prijs.

De derde is breedsprakigheid, de kostenpost die nooit op een tariefkaart verschijnt. Artificial Analysis mat dat GPT-6 Luna tijdens de indexrun 150 miljoen outputtokens genereerde tegen een mediaan van 85 miljoen — het model is praatgraag, en bij $0,50 per miljoen output is dat $75 aan tokens waar een beknopt model $42,50 zou hebben uitgegeven. Het is nog steeds een orde van grootte goedkoper dan het alternatief. Het is ook de reden waarom kosten-per-taakcijfers en kosten-per-tokencijfers verschillende verhalen vertellen, en de reden om uw eigen outputvolume te meten voordat u de besparing modelleert.

Hoe een migratie tussen hen eruitziet

Het model van Google is bereikbaar via de eigen API van de leverancier en verschillende platformen van derden; GPT-6 Luna is bereikbaar via OpenAI's eigen API, en op het moment van schrijven is geen van beide de eenvoudigere helft van het tweetal om op te standaardiseren. Beide bieden een OpenAI-compatibele chat completions-interface, wat betekent dat de aanroepvorm niet het probleem is — de parameters wel. De effort-ladder van GPT-6 Luna, de 272.000-tokenclausule, en de vereiste dat function calling op Chat Completions wordt uitgevoerd met reasoning effort ingesteld op none, zijn allemaal gedrag dat Gemini 3.1 Pro niet deelt, en een port die alleen de modelstring wijzigt, levert een werkende aanroep op met een verkeerd kostenprofiel.

Gemini 3.1 Pro Preview staat op OrcaRouter tegen de lijstprijs van Google, onder de pass-through-prijsstelling, wat betekent dat een tariefwijziging van Google dezelfde dag nog bij ons live staat. GPT-6 Luna staat op het moment van schrijven niet in onze catalogus. Voor een team dat beide draait — het model van Google voor alles waarvoor audio of video nodig is, dat van OpenAI voor tekst met een hoog volume — is dat één key voor Gemini 3.1 Pro naast wat je al voor OpenAI gebruikt, waarbij de routeringsbeslissing als configuratie wordt uitgedrukt in plaats van als twee codepaden. Dit is de combinatie waarbij dat het meest uitmaakt, omdat de twee modellen helemaal niet uitwisselbaar zijn: een route die moet kiezen tussen een multimodale preview en een text-only GA small-tier is een route die telkens opnieuw wordt besloten zodra een van beide leveranciers iets uitbrengt.

Wat zou dit veranderen

De vergelijking zoals die er nu ligt, is een momentopname van een ongebruikelijk moment: een GA-model uit september dat een preview-model uit februari verslaat op de algemene index, tegen een twintigste van de invoerprijs, terwijl het verliest op modaliteit en op de volwassenheid die een preview nooit helemaal verwerft. Drie dingen zouden daar iets aan veranderen, en elk ervan is het waard om in de gaten te houden in plaats van er alleen maar naar te gissen.

De eerste is Gemini 3.1 Pro die de preview verlaat. Een GA-release zou een uitfaseringsbeleid, een stabiele tariefkaart en zeer waarschijnlijk een prijsbeweging met zich meebrengen — Google heeft gedurende zeven maanden preview $2,00/$12,00 aangehouden terwijl de rest van de markt eromheen halveerde, en die terughoudendheid is consistenter met een introductieprijs die op een GA-datum wacht dan met een weloverwogen positie.

Het tweede is of OpenAI de Luna-inspanningsladder uitbreidt of de standaard ervan wijzigt. Het verschil van tweeëntwintig punten tussen de score van GPT-6 Luna bij maximale inspanning en de score bij standaardinspanning is de grootste configuratiegevoeligheid in dit artikel, en een wijziging van de standaard zou de effectieve capaciteit van het model veranderen voor elke aanroeper die de parameter nooit heeft aangeraakt.

De derde is de modaliteitskloof. Het is de enige dimensie hier die geen kwestie van gradatie is, en degene die verhindert dat dit een directe prijsvergelijking is. Totdat een van deze modellen kan wat het andere niet kan, is het twintigvoudige verschil een reëel getal dat wijst op twee verschillende taken.