GPT-6 Luna vs Gemini 3.8 Flash: Het goedkope segment is zojuist vervangen

Google heeft Gemini 4 Hydrogen op 12 november 2026 uitgebracht, en in de lanceringspost wordt het beschreven als “een grote zelfstandige upgrade voor teams die van Gemini 3.8 Flash migreren.” Die zin doet iets wat geen enkele benchmarktabel kan: hij verandert waarvoor een vergelijking tussen GPT-6 Luna en Gemini 3.8 Flash dient. De Gemini-kant van deze confrontatie is niet langer een model dat je adopteert; het is een model waar je vanaf wordt gemigreerd. De Luna-kant is nog steeds OpenAI's goedkoopste GPT-6-trede, acht weken na de lancering en ongewijzigd. De eerlijke vraag is dus niet welke van deze twee beter is. Het is of datgene wat 3.8 Flash zijn $0,75 per miljoen inputtokens waard maakte, nog steeds geldt voor Hydrogen tegen $1,50 – en of Luna's $0,10 ooit in dezelfde markt zat.

Hier is de korte versie voordat we in detail treden. Gemini 3.8 Flash is op vrijwel elke onafhankelijke maatstaf het capabelere model en ongeveer zevenenhalf keer zo duur per token. GPT-6 Luna schrijft twee keer zoveel output per verzoek, kost per taak op de suite van Artificial Analysis ongeveer een tiende daarvan, en begint duidelijk trager te antwoorden. Hydrogen lost dat niet op – het schuift de G​emini-tier in zowel prijs als capaciteit omhoog, waardoor het goedkope segment van de markt standaard aan Luna wordt overgelaten.

De specificatiebladen, naast elkaar

• Tariefkaart, beide helften - GPT-6 Luna tegen $0,10 input en $0,50 output per 1M versus Gemini 3.8 Flash tegen $0,75 en $3,75; dezelfde factor 7,5x geldt voor zowel input als output, wat ongewoon is en betekent dat geen enkele workloadvorm op de verhouding kan arbitreren

• Gecachte invoer per 1M - GPT-6 Luna $0,01 versus Gemini 3.8 Flash $0,075, en let op: G​oogle vermeldt dit als een cache-hitratio in plaats van een cache-writeratio, dus het is niet direct vergelijkbaar met het schema van O​penAI met twee getallen

• Prijsstelling voor lange contexten - GPT-6 Luna verdubbelt de input en de cache en vermenigvuldigt de output met 1,5 boven 272.000 prompttokens; Gemini 3.8 Flash hanteert één vast tarief voor het volledige venster

• Contextvenster - 1.050.000 tokens voor GPT-6 Luna versus 1.048.576 voor Gemini 3.8 Flash, een verschil van 1.424 tokens dat geen enkele applicatie ooit zal merken

• Maximale output - GPT-6 Luna 128.000 tokens vs Gemini 3.8 Flash 65.536, wat een echt verschil maakt de eerste keer dat je om een lang document vraagt

• Wat elk model daadwerkelijk als invoer accepteert: Gemini 3.8 Flash accepteert video en audio, evenals tekst, afbeeldingen en bestanden; GPT-6 Luna accepteert de laatste drie en weigert de eerste twee

• De inspanningsregelaar - Luna's ladder loopt van een ronduit geen (medium als je niets zegt) tot max; G​emini's begint hoger, staat standaard op hoog, en G​oogle waarschuwt dat het meer tokens verbruikt naarmate je hem verder omhoog zet

• Release - Gemini 3.8 Flash op 2 september 2026; GPT-6 Luna op 22 september 2026; Hydrogen, de vervanging daarvan, op 12 november 2026

• Artificial Analysis Intelligence Index v5.0.1 - 31 voor Gemini 3.8 Flash op hoog, 28 voor GPT-6 Luna op max, dus het goedkopere model levert drie punten in terwijl het op zijn duurste instelling draait

• Wachten op het eerste woord: 16,98 s op Gemini 3.8 Flash tegenover 79,33 s op GPT-6 Luna, gemeten door Artificial Analysis; het Gemini-model doet er langer over om een hele taak af te ronden, 15 minuten tegenover 11,8 van Luna.

• Wat het voltooien van de index-run kostte: Gemini 3.8 Flash $7,77 per taak, of $5.764 voor de volledige suite, tegenover GPT-6 Luna's $0,15 en $136

Zeven en een half keer de prijs, en waar het te zien is

De intelligentiekloof bedraagt drie punten: 31 tegen 28. Dat is kleiner dan de prijsverhouding zou suggereren en kleiner dan de meeste mensen denken, maar het is niet het interessante deel van de vergelijking, omdat de twee scores bij verschillende inspanningsinstellingen zijn behaald - G​emini op hoog, Luna op maximaal. Luna's score bij maximale inspanning is het beste wat het kan doen; G​emini's score bij hoge inspanning is de standaardinstelling. Het model van G​oogle heeft ruimte over die Luna niet heeft.

Waar de drie punten vandaan komen, is nuttiger dan het getal. Splits de index op in zijn componenten en er verschijnt een patroon: de twee modellen liggen dicht bij elkaar op evaluaties van codestijl en ver uit elkaar op alles wat een beroep doet op herinneren of weigeren.

• Terminal-Bench 4.0 - Gemini 3.8 Flash 19,7% vs GPT-6 Luna 12,6%; beide zijn slecht, en geen van beide is een terminalagent

• Terminal-Bench-Science 0.1 - Gemini 3.8 Flash 10,0% vs GPT-6 Luna 8,6%, wat praktisch gezien een gelijkspel is

• HLE-Diamond - Gemini 3.8 Flash 33,1% vs GPT-6 Luna 22,2%, een verschil van elf punten bij moeilijk redeneren dat geen van beide modellen goed aankan

• FrontierCode-AA 2.0 - Gemini 3.8 Flash 18,7% vs GPT-6 Luna 25,2%, de enige code-evaluatie waarin Luna vooroploopt, hoewel beide ver onder de modellen blijven die 46% halen

• {{1}}AA-Omniscience v1.1 netto{{/1}} - {{2}}Gemini 3.8 Flash +23 vs GPT-6 Luna −8{{/2}}; dit is de grootste en meest ingrijpende kloof in de tabel

• AA-Briefcase v1.1 Elo - GPT-6 Luna 1337 vs Gemini 3.8 Flash 1203, een maatstaf voor kenniswerk waarbij het goedkopere model wint

Dat laatste paar is het paar om bij stil te staan. Bij vragen over wat een model weet en of het zal toegeven iets niet te weten, scoort Gemini 3.8 Flash netto +23 en Luna netto −8 - wat betekent dat Luna's verzonnen antwoorden vaak genoeg zwaarder wegen dan de correcte om het totaal onder nul te trekken. Bij kenniswerk in briefcase-stijl scoort Luna 134 Elo hoger. Twee evaluaties, tegenovergestelde oordelen, dezelfde twee modellen. De verklaring is dat Briefcase het volgen van instructies boven een aangeleverd corpus beloont, terwijl Omniscience beloont dat je dingen weet zonder een corpus. Als jouw toepassing de documenten meelevert, blijft Luna's zwakte beperkt. Als het uit het geheugen antwoordt, dan niet.

Waarom zijn de kosten per taak 50x terwijl de tariefkaart 7,5x is?

De lijstprijzen verschillen met een factor 7,5. De gemeten kosten om de Intelligence Index van Artificial Analysis te voltooien verschillen met een factor van ruim 50: $7,77 voor Gemini 3.8 Flash tegenover $0,15 voor GPT-6 Luna. Het verschil tussen die twee verhoudingen is volledig toe te schrijven aan tokenverbruik, en het is het meest onderbelichte getal in elke dit jaar gepubliceerde modelvergelijking.

Gemini 3.8 Flash is een zware redeneerder. G​oogle zegt het rechtstreeks: bij complexe taken "toont het meer zorgvuldigheid – het voert extra redeneerstappen uit en roept tools iteratief aan", en "het kan meer tokens gebruiken om de prestaties te maximaliseren, vooral bij hogere inspanningsniveaus". De eigen boekhouding van het bestuur bevestigt dit: 98.900 outputtokens per taak voor G​emini tegenover 75.300 voor Luna, waarvan respectievelijk 60.100 en 57.600 redeneertokens. Vermenigvuldig dat tokental met een tariefkaart die al 7,5x hoger ligt, en de verhouding per taak loopt op tot 50x. Dit is het sterkste argument voor Luna dat er bestaat, en het gaat helemaal niet over intelligentie.

Het werkt ook de andere kant op bij een andere workload. Als je prompts lang zijn en je antwoorden kort - retrieval over een vast corpus, classificatie met een uitvoer van één token, logtriage - dan zijn outputtokens op beide kaarten een afrondingsfout en is de invoerratio van 7,5x het hele verhaal. G​emini's breedsprakigheid krijgt nooit de kans om zich op te stapelen, en Luna's voordeel krimpt van 50x naar ongeveer 7x. Het getal dat je moet modelleren is je eigen verhouding tussen invoer- en outputtokens, niet die op de benchmark.

Het functieverschil dat niemand in een vergelijkingstabel zet

Gemini 3.8 Flash verwerkt video en audio native. GPT-6 Luna doet dat niet - tekst, afbeelding en bestand, niets anders. Voor de meeste tekstworkloads is dat irrelevant, en dat is precies waarom de twee modellen überhaupt met elkaar worden vergeleken: beide zijn gepositioneerd als het goedkope segment, beide hebben ongeveer een miljoen tokens context, beide accepteren afbeeldingen.

Voor een workload met opgenomen gesprekken, schermopnamen of vergaderaudio houdt de vergelijking daar op. Luna kan die taak tegen geen enkele prijs uitvoeren, en de 7,5x is geen meerprijs maar een categorieverschil. Dezelfde logica geldt omgekeerd voor de uitvoerlengte: Luna retourneert tot 128.000 tokens in één antwoord tegenover 65.536 van G​emini, wat van belang is wanneer één gesprek een heel document moet opleveren in plaats van een alinea ervan.

Wat Hydrogen verandert, en wat niet

Google's eigen framing van de migratie is ongewoon direct over het verschil: Hydrogen voltooit taken 2,5 keer sneller bij zijn hoge standaardinstelling dan 3.8 Flash, meer dan verdrievoudigt Terminal-Bench 4.1 (57% tegen 18,2%), vermindert verzonnen beweringen met meer dan 5x en draait 2x tot 2,8x sneller met 12% tot 23% minder tokengebruik in tests door partners. Op de index van Artificial Analysis scoort het 51 bij zijn standaard hoge denkniveau tegenover Argon's 50, en 54 bij xhigh.

Het heeft ook een vaste prijs over het volledige contextvenster: $1,50 per miljoen inputtokens en $7,50 per miljoen outputtokens — het dubbele van 3.8 Flash aan beide kanten. Het model dat 3.8 Flash vervangt, kost dus twee keer zoveel als het model dat het vervangt, en volgens Googles eigen cijfers staat het ongeveer 20 punten hoger op de intelligentie-index. Dat is een eenvoudige ruil omhoog op de curve, en het haalt het midden uit de markt: de koper die Gemini-klasse competentie wilde tegen Flash-klasse prijzen, heeft nu een model boven zich en een model onder zich, terwijl de oude optie in migratie is.

Niets daarvan verandert Luna's positie, want Luna concurreerde nooit met een 31-indexmodel. Het concurreert met de ondergrens. Met $0,10 voor input en $0,50 voor output is Luna nog steeds de goedkoopste manier om een groot volume tekst te verwerken met een capabel model erachter, en de komst van Hydrogen tegen $1,50 maakt dat eerder meer dan minder waar - de G​emini-optie die vroeger 7,5x Luna's prijs kostte, is nu 15x.

De resultaten van derden die afwijken

Niet elke onafhankelijke meting plaatst deze modellen drie punten uit elkaar. StealthMark, een vergelijkingsdienst die een eigen evaluatieset uitvoert, zet Gemini 3.8 Flash 8,8 punten voor GPT-6 Luna, 47,9 tegen 39,1, en scoort het best op acht van de negen afzonderlijke benchmarks. En Deepnote's Agent Initiative Benchmark – die modellen beoordeelt op vijftig werksituaties binnen een gesimuleerd bedrijf in plaats van op vragen – bevatte Gemini 3.8 Flash helemaal niet, dus de enige evaluatie die proactief agentgedrag meet, heeft niets te zeggen over dit tweetal.

De kloof tussen "drie punten" en "acht en een half punt" is een herinnering dat de keuze van een benchmark een modelleerbeslissing is, geen neutrale. De evaluaties die G​emini begunstigen, wegen kennis en redeneerdiepte; degenen die Luna begunstigen, wegen instructieopvolging zwaarder dan aangeleverde context en kosten. Geen van beide sets is fout. Een team dat tussen deze twee kiest, zou een dozijn van zijn eigen taken door beide moeten laten lopen voordat het een van de tabellen vertrouwt, inclusief de vier in dit artikel.

Waar elk nu zijn plek verdient

• Video-, audio- of andere multimodale invoer - Gemini 3.8 Flash, of Hydrogen als je helemaal opnieuw begint. Luna kan de invoer niet verwerken.

• Antwoorden op basis van modelkennis zonder bijgevoegde documenten - Gemini 3.8 Flash. De +23 versus −8 Omniscience-verdeling is het beslissende bewijs.

• Interactieve latentie waarbij een eerste token van 79 seconden een productdefect is - Gemini 3.8 Flash op 17 seconden, hoewel de gemiddelde tijd per taak van 15 minuten slechter is dan Luna's 11,8, dus het voordeel zit in het eerste token en niet in het laatste.

• Lange generaties, één aanroep die een heel document produceert - GPT-6 Luna, dankzij een outputplafond van 128.000 tokens.

• Hoogvolume-tekstverwerking met aangeleverde documenten - GPT-6 Luna, waarbij de 50x-winst per taak reëel is en de feitelijke ondergrens door het corpus wordt begrensd.

• Nieuwe implementaties die überhaupt een G​emini-tier willen - G​emini 4 Hydrogen, niet 3.8 Flash. Een model adopteren twee dagen nadat de vervanger ervan is uitgeleverd, vraagt om een reden.

De migratievraag verdient nog één zin, omdat zij de praktische beslissing is die in deze vergelijking verborgen zit. Als je Gemini 3.8 Flash vandaag in productie draait, pleiten Hydrogens cijfers voor overstappen - maar de prijs pleit ervoor eerst de rekening te modelleren, aangezien de tokenbesparingen die Google meldt (12% tot 23%) een verdubbeling van beide tarieven niet compenseren. Als je geen van beide draait, is de keuze tussen een model dat wordt uitgefaseerd en een model dat acht weken ongewijzigd is gebleven, en het antwoord hangt volledig af van of je workload video-invoer of een feitelijke ondergrens nodig heeft.

Een van beide uitvoeren zonder migratieproject

Het lastige aan een vergelijking als deze is dat de twee kandidaten verschillende protocollen spreken - Gemini's eigen generate-endpoint en OpenAI's chat-completions-formaat - en dat het model dat je vandaag kiest binnen een kwartaal al achterhaald kan zijn, zoals 3.8 Flash net is. OrcaRouter biedt GPT-6 Luna, Gemini 3.8 Flash, Gemini 4 Hydrogen en meer dan 200 andere modellen achter één OpenAI-compatibele sleutel tegen 0% opslag, waarbij de lijstprijs van de provider één-op-één wordt doorberekend, zodat de introductieprijs van Google en elke latere wijziging op dezelfde dag op de factuur terechtkomen. Dat maakt hier meer uit dan gewoonlijk: 3.8 Flash is gelanceerd tegen wat Google een introductietarief noemde, en een model met introductieprijzen dat wordt uitgefaseerd is een factuurregel die het waard is om in de gaten te houden. Een route van het ene model naar het andere overschakelen is een wijziging in de routing-DSL in plaats van een nieuwe SDK, automatische failover houdt een workload overeind wanneer een provider achteruitgaat, en model fusion laat een panel antwoorden waar één goedkope classificatie te ingrijpend is om aan één model toe te vertrouwen. We hosten geen modellen die we niet routeren, en deze twee routeren we wel.

Wat nu te kijken

Twee datums bepalen hoe deze vergelijking er over een maand uitziet. De eerste is het uitfaseringsschema van Google voor Gemini 3.8 Flash - Hydrogen is op 12 november uitgebracht en de migratietekst is al openbaar, dus de nuttige vraag is niet of 3.8 Flash verdwijnt, maar hoe lang het introductietarief het overleeft. De tweede is of OpenAI een opvolger van GPT-6 Luna of een prijswijziging op tafel legt; Luna is sinds 22 september onveranderd, en een goedkoper of capabeler model op hetzelfde niveau zou de rekensom opnieuw instellen zoals Hydrogen zojuist die van Gemini heeft gedaan.

Totdat een van die twee verschijnt, is de samenvatting bewust onglamoureus. Gemini 3.8 Flash is het betere model en de slechtere aankoop, en het is op zijn retour. GPT-6 Luna is het zwakkere model, met kosten per taak die een orde van grootte lager liggen en een feitelijke ondergrens die beperkt waarop je het kunt vertrouwen. Geen van beide is een standaardkeuze. De standaardkeuze, voor iedereen die nu begint, is Hydrogen aan de Gemini-kant en Luna op de ondergrens - en de kloof tussen die twee is niet langer 7,5x maar 15x, wat een andere beslissing is dan degene die deze vergelijking moest beantwoorden.