GPT-6 Luna kontra Gemini 3.8 Flash: tania półka właśnie została zastąpiona

Google wydało Gemini 4 Hydrogen 12 listopada 2026 r., a w poście premierowym określa je jako „poważną samodzielną aktualizację dla zespołów migrujących z Gemini 3.8 Flash”. To zdanie robi coś, czego nie potrafi żadna tabela benchmarków: zmienia cel porównania między GPT-6 Luna a Gemini 3.8 Flash. Strona Gemini w tym pojedynku nie jest już modelem, który się adoptuje — to model, z którego następuje migracja. Strona Luna to nadal najtańszy szczebel GPT-6 w ofercie OpenAI, osiem tygodni po premierze i bez zmian. Uczciwe pytanie nie brzmi więc, który z tych dwóch jest lepszy. Brzmi ono, czy to, co czyniło 3.8 Flash wartym swoich 0,75 USD za milion tokenów wejściowych, nadal obowiązuje w przypadku Hydrogen w cenie 1,50 USD — i czy 0,10 USD Luny kiedykolwiek należało do tego samego rynku.

Oto krótka wersja przed szczegółami. Gemini 3.8 Flash to model o większych możliwościach pod względem niemal każdego niezależnego wskaźnika, a jego cena za token jest około siedem i pół razy wyższa. GPT-6 Luna generuje dwa razy więcej danych wyjściowych na żądanie, a koszt na zadanie w zestawie testów Artificial Analysis jest około dziesięciokrotnie niższy; model ten zaczyna też odpowiadać wyraźnie wolniej. Hydrogen tego nie rozwiązuje – podnosi poziom G​emini zarówno pod względem ceny, jak i możliwości, domyślnie pozostawiając tani segment rynku Lunie.

Karty specyfikacji, obok siebie

• Cennik, obie połowy — GPT-6 Luna po 0,10 USD za wejście i 0,50 USD za wyjście za 1 mln wobec Gemini 3.8 Flash po 0,75 USD i 3,75 USD; ta sama proporcja 7,5x pojawia się zarówno na wejściu, jak i na wyjściu, co jest nietypowe i oznacza, że żaden profil obciążenia nie pozwala arbitrażowo wykorzystać tej proporcji

• Wejście z pamięci podręcznej za 1 mln — GPT-6 Luna 0,01 USD vs Gemini 3.8 Flash 0,075 USD; pamiętaj, że G​oogle podaje to jako współczynnik trafień pamięci podręcznej, a nie współczynnik zapisu do pamięci podręcznej, więc nie jest to bezpośrednio porównywalne ze schematem dwóch liczb O​penAI

• Ceny za długi kontekst – GPT-6 Luna podwaja koszt danych wejściowych i pamięci podręcznej oraz mnoży koszt danych wyjściowych przez 1,5 powyżej 272 000 tokenów promptu; Gemini 3.8 Flash oferuje jedną stałą stawkę w całym swoim oknie

• Okno kontekstu — 1 050 000 tokenów dla GPT-6 Luna w porównaniu z 1 048 576 dla Gemini 3.8 Flash, różnica 1 424 tokenów, której żadna aplikacja nigdy nie zauważy

• Maksymalna długość odpowiedzi – GPT-6 Luna 128 000 tokenów vs Gemini 3.8 Flash 65 536, co stanowi realną różnicę, gdy po raz pierwszy prosisz o długi dokument

• Co każde z nich faktycznie przyjmie na wejście — Gemini 3.8 Flash obsługuje wideo i audio, a także tekst, obrazy i pliki; GPT-6 Luna obsługuje trzy ostatnie kategorie, a odrzuca dwie pierwsze

• Suwak wysiłku — drabina Luny rozciąga się od zupełnego „brak” (średni, jeśli nic nie powiesz) do maksimum; u G​emini zaczyna się wyżej, domyślnie jest wysoki, a G​oogle ostrzega, że im wyżej go przesuniesz, tym więcej tokenów zużyje

• Premiera – Gemini 3.8 Flash 2 września 2026 r.; GPT-6 Luna 22 września 2026 r.; Hydrogen, jego następca, 12 listopada 2026 r.

• Artificial Analysis Intelligence Index v5.0.1 — 31 dla Gemini 3.8 Flash przy ustawieniu high, 28 dla GPT-6 Luna przy ustawieniu max, więc tańszy model traci trzy punkty, działając na najdroższym ustawieniu

• Oczekiwanie na pierwsze słowo – 16,98 s w przypadku Gemini 3.8 Flash wobec 79,33 s w przypadku GPT-6 Luna, według pomiarów Artificial Analysis; model G​emini wolniej kończy całe zadanie – 15 minut w porównaniu z 11,8 minuty w przypadku Luny

• Ile kosztowało ukończenie przebiegu indeksu – Gemini 3.8 Flash 7,77 USD za zadanie, czyli 5764 USD za pełny zestaw, w porównaniu z 0,15 USD i 136 USD w przypadku GPT-6 Luna

Siedem i pół razy wyższa cena, i gdzie to widać

Różnica w inteligencji to trzy punkty: 31 do 28. To mniej, niż sugerowałby stosunek cen, i mniej, niż przypuszcza większość ludzi, ale nie jest to najciekawsza część porównania, ponieważ oba wyniki uzyskano przy różnych ustawieniach wysiłku – G​emini na poziomie wysokim, Luna na maksymalnym. Wynik Luny przy maksymalnym wysiłku to najlepsze, na co ją stać; wynik G​emini przy wysokim wysiłku to ustawienie domyślne. Model G​oogle'a ma zapas możliwości, którego Luna nie ma.

Pochodzenie tych trzech punktów jest bardziej użyteczne niż sam numer. Rozłóż indeks na składowe, a wyłoni się wzorzec: oba modele są blisko siebie w ocenach stylu kodowania, a daleko od siebie w przypadku wszystkiego, co wymaga przywołania z pamięci lub odmowy.

• Terminal-Bench 4.0 – Gemini 3.8 Flash 19,7% vs GPT-6 Luna 12,6%; oba wypadają słabo i żaden z nich nie jest agentem terminalowym

• Terminal-Bench-Science 0.1 – Gemini 3.8 Flash 10,0% kontra GPT-6 Luna 8,6%, co w praktyce oznacza remis

• HLE-Diamond – Gemini 3.8 Flash 33,1% vs GPT-6 Luna 22,2%, różnica jedenastu punktów w trudnym rozumowaniu, z którym żaden z modeli nie radzi sobie dobrze

• FrontierCode-AA 2.0 – Gemini 3.8 Flash 18,7% vs GPT-6 Luna 25,2%, jedyna ocena kodowania, w której Luna prowadzi, choć oba wypadają znacznie poniżej modeli przekraczających 46%

• AA-Omniscience v1.1 net – Gemini 3.8 Flash +23 vs GPT-6 Luna −8; to największa i najbardziej doniosła luka w tabeli

• AA-Briefcase v1.1 Elo – GPT-6 Luna 1337 vs Gemini 3.8 Flash 1203, miara pracy wiedzy, w której wygrywa tańszy model

Ta ostatnia para to ta, nad którą warto się zatrzymać. W kwestiach tego, co model wie i czy przyzna, że czegoś nie wie, Gemini 3.8 Flash osiąga wynik netto +23, a Luna −8 - co oznacza, że wymyślone odpowiedzi Luny wystarczająco często przeważają nad jej poprawnymi, by ściągnąć wynik poniżej zera. W pracy wiedzowej w stylu briefcase Luna ma o 134 punkty Elo więcej. Dwie ewaluacje, przeciwne werdykty, te same dwa modele. Rozwiązanie jest takie, że Briefcase nagradza stosowanie się do instrukcji na podstawie dostarczonego korpusu, podczas gdy Omniscience nagradza wiedzę bez niego. Jeśli Twoja aplikacja dostarcza dokumenty, słabość Luny jest ograniczona. Jeśli odpowiada z pamięci, nie jest.

Dlaczego koszt na zadanie jest 50x większy, skoro cennik wynosi 7,5x?

Ceny katalogowe różnią się 7,5-krotnie. Zmierzony koszt ukończenia Intelligence Index firmy Artificial Analysis różni się ponad 50-krotnie: 7,77 USD dla Gemini 3.8 Flash wobec 0,15 USD dla GPT-6 Luna. Różnica między tymi dwoma stosunkami wynika wyłącznie ze zużycia tokenów i jest to liczba, o której najmniej się mówi w każdym opublikowanym w tym roku porównaniu modeli.

Gemini 3.8 Flash to model intensywnie rozumujący. G​oogle mówi to wprost: w złożonych zadaniach „wykazuje większą staranność – wykonuje dodatkowe kroki rozumowania i iteracyjnie wywołuje narzędzia” oraz „może zużywać więcej tokenów, aby zmaksymalizować wydajność, zwłaszcza na wyższych poziomach wysiłku”. Własne wyliczenia zarządu również się zgadzają – 98 900 tokenów wyjściowych na zadanie dla G​emini wobec 75 300 dla Luny, z czego odpowiednio 60 100 i 57 600 to tokeny rozumowania. Pomnóż tę liczbę tokenów przez cennik, który jest już 7,5 razy wyższy, a wskaźnik na zadanie kumuluje się do 50x. To najsilniejszy argument za Luną, jaki istnieje, i wcale nie chodzi w nim o inteligencję.

Działa to również w drugą stronę przy innym obciążeniu. Jeśli Twoje prompty są długie, a odpowiedzi krótkie — wyszukiwanie w ustalonym korpusie, klasyfikacja z jednorazowym tokenem wyjściowym, triage logów — to tokeny wyjściowe są błędem zaokrąglenia na obu kartach, a współczynnik wejścia 7,5x to cała historia. Gadatliwość G​emini nigdy nie ma szansy się skumulować, a przewaga Luny spada z 50x do około 7x. Wielkością, którą należy modelować, jest Twój własny stosunek tokenów wejściowych do wyjściowych, a nie ten z benchmarku.

Luka w funkcjonalności, której nikt nie umieszcza w tabeli porównawczej

Gemini 3.8 Flash natywnie obsługuje wideo i audio. GPT-6 Luna nie — tekst, obraz i plik, nic więcej. W przypadku większości zadań tekstowych nie ma to znaczenia i właśnie dlatego te dwa modele w ogóle się porównuje: oba są pozycjonowane jako tania klasa, oba mają około miliona tokenów kontekstu, oba przyjmują obrazy.

W przypadku obciążenia obejmującego nagrane rozmowy, nagrania ekranu lub dźwięk ze spotkań na tym porównanie się kończy. Luna nie wykona tego zadania za żadną cenę, a 7,5x to nie dopłata, lecz różnica kategorii. Ta sama logika działa w drugą stronę w przypadku długości danych wyjściowych: Luna zwraca do 128 000 tokenów w jednej odpowiedzi wobec 65 536 w G​emini, co ma znaczenie, gdy jedna rozmowa ma wygenerować cały dokument, a nie tylko jego akapit.

Co Hydrogen zmienia, a czego nie zmienia

Sposób, w jaki sam Google przedstawia tę migrację, jest wyjątkowo dosadny, jeśli chodzi o różnicę: Hydrogen kończy zadania 2,5 razy szybciej przy swoim domyślnym wysokim poziomie niż 3.8 Flash, ponad trzykrotnie zwiększa wynik Terminal-Bench 4.1 (57% wobec 18,2%), ogranicza liczbę sfabrykowanych twierdzeń ponad 5-krotnie i działa 2x do 2,8x szybciej, zużywając od 12% do 23% mniej tokenów w testach partnerskich. W indeksie Artificial Analysis uzyskuje 51 przy swoim domyślnym wysokim poziomie myślenia wobec 50 Argonu oraz 54 przy xhigh.

Jest również wyceniany jednolicie w całym oknie kontekstu: 1,50 USD za milion tokenów wejściowych i 7,50 USD za milion tokenów wyjściowych — dwa razy więcej niż 3.8 Flash w obu przypadkach. Zatem model zastępujący 3.8 Flash kosztuje dwa razy więcej niż model, który zastępuje, a według własnych danych Google ma około 20 punktów więcej w indeksie inteligencji. To prosta wymiana w górę krzywej, która usuwa środek rynku: kupujący, który chciał kompetencji klasy Gemini w cenach klasy Flash, ma teraz model powyżej siebie i model poniżej siebie, a stara opcja jest w trakcie migracji.

Nic z tego nie zmienia pozycji Luny, ponieważ Luna nigdy nie konkurowała z modelem z indeksem 31. Konkuruje z dolną granicą cenową. Przy 0,10 USD za wejście i 0,50 USD za wyjście Luna wciąż jest najtańszym sposobem na przetwarzanie dużych ilości tekstu z kompetentnym modelem za sobą, a pojawienie się Hydrogena w cenie 1,50 USD sprawia, że jest to jeszcze bardziej prawdziwe, a nie mniej — opcja Gemini, która kiedyś była 7,5-krotnością ceny Luny, jest teraz 15-krotnością.

Wyniki stron trzecich, które się nie zgadzają

Nie każdy niezależny pomiar stawia te modele w odległości trzech punktów od siebie. StealthMark, serwis porównawczy prowadzący własny zestaw ewaluacyjny, stawia Gemini 3.8 Flash o 8,8 punktu przed GPT-6 Luna – 47,9 do 39,1 – i prowadzi w ośmiu z dziewięciu indywidualnych benchmarków. A Agent Initiative Benchmark firmy Deepnote – który ocenia modele w pięćdziesięciu sytuacjach z miejsca pracy wewnątrz symulowanej firmy, a nie na pytaniach – w ogóle nie uwzględnił Gemini 3.8 Flash, więc jedyna ewaluacja mierząca proaktywne zachowania agentów nie ma nic do powiedzenia o tej parze modeli.

Rozstrzał między „trzema punktami” a „ośmioma i pół punktu” przypomina, że wybór benchmarku jest decyzją modelową, a nie neutralną. Ewaluacje, które sprzyjają Gemini, kładą nacisk na wiedzę i głębokość rozumowania; te, które sprzyjają Luna, stawiają podążanie za instrukcjami ponad dostarczany kontekst i koszt. Żaden z tych zestawów nie jest błędny. Zespół wybierający między tymi dwoma powinien przepuścić dwanaście własnych zadań przez oba, zanim zaufa którejkolwiek z tabel, w tym czterem w tym artykule.

Gdzie każde z nich teraz zasługuje na swoje miejsce

• Wideo, dźwięk lub dowolne dane wejściowe multimodalne — Gemini 3.8 Flash lub Hydrogen, jeśli zaczynasz od zera. Luna nie obsługuje takich danych wejściowych.

• Odpowiedzi czerpane z wiedzy modelu, bez załączonych dokumentów — Gemini 3.8 Flash. Różnica +23 wobec −8 w Omniscience jest rozstrzygającym dowodem.

• Interaktywne opóźnienie, w którym pierwszy token po 79 sekundach jest wadą produktu – Gemini 3.8 Flash przy 17 sekundach, choć jego średni czas na zadanie wynoszący 15 minut jest gorszy niż 11,8 Luni, więc przewaga tkwi w pierwszym tokenie, a nie w ostatnim.

• Długie generacje, jedno wywołanie tworzące cały dokument - GPT-6 Luna, dzięki pułapowi wyjściowemu wynoszącemu 128 000 tokenów.

• Przetwarzanie tekstu na dużą skalę z dostarczonymi dokumentami – GPT-6 Luna, gdzie 50-krotna przewaga na zadanie jest realna, a minimalny poziom zgodności z faktami wyznacza korpus.

• Nowe wdrożenia, które w ogóle chcą warstwy Gemini – Gemini 4 Hydrogen, a nie 3.8 Flash. Przyjęcie modelu dwa dni po wydaniu jego następcy wymaga uzasadnienia.

Kwestia migracji zasługuje na jeszcze jedno zdanie, ponieważ to praktyczna decyzja ukryta w tym porównaniu. Jeśli dziś uruchamiasz Gemini 3.8 Flash w produkcji, liczby Hydrogen przemawiają za przejściem — ale jego cena przemawia za tym, by najpierw zamodelować rachunek, ponieważ oszczędności tokenów, o których informuje Google (12% do 23%), nie równoważą podwojenia obu stawek. Jeśli nie używasz żadnego z nich, wybór jest między modelem wycofywanym a modelem, który od ośmiu tygodni pozostaje bez zmian, a odpowiedź zależy wyłącznie od tego, czy Twoje obciążenie wymaga wejścia wideo, czy oparcia w faktach.

Uruchamianie któregokolwiek z nich bez projektu migracji

Niezręczna część takiego starcia polega na tym, że obaj kandydaci używają różnych protokołów – własnego punktu końcowego generate G​emini i formatu chat-completions O​penAI – a model, który wybierzesz dziś, może zostać wyparty w ciągu kwartału, jak właśnie stało się z 3.8 Flash. OrcaRouter udostępnia GPT-6 Luna, G​emini 3.8 Flash, G​emini 4 Hydrogen oraz ponad 200 innych modeli dostępnych za pośrednictwem jednego klucza kompatybilnego z O​penAI, przy 0% narzutu, a cena katalogowa dostawcy jest przekazywana bezpośrednio, więc wprowadzająca cena G​oogle i każda późniejsza zmiana trafiają na fakturę tego samego dnia. Ma to tutaj większe znaczenie niż zwykle: 3.8 Flash wystartował z tym, co G​oogle nazwał stawką wprowadzającą, a model objęty ceną wprowadzającą, z którego się odchodzi, to pozycja warta obserwacji. Przełączanie trasy z jednego modelu na inny to zmiana w DSL routingu, a nie nowy SDK; automatyczne przełączanie awaryjne utrzymuje obciążenie robocze w działaniu, gdy jeden dostawca ulega degradacji, a fuzja modeli pozwala panelowi udzielić odpowiedzi tam, gdzie pojedyncza tania klasyfikacja jest zbyt doniosła, by powierzyć ją jednemu modelowi. Nie hostujemy modeli, których nie routujemy, a oba te modele routujemy.

Co obejrzeć dalej

Dwie daty decydują o tym, jak to porównanie będzie się czytać za miesiąc. Pierwsza to harmonogram wycofania Gemini 3.8 Flash przez G​oogle – Hydrogen trafił na rynek 12 listopada, a komunikacja dotycząca migracji jest już publiczna, więc przydatne pytanie nie brzmi, czy 3.8 Flash zniknie, lecz jak długo cena wprowadzająca przetrwa jego wycofanie. Druga to, czy O​penAI przedstawi następcę GPT-6 Luna albo zmianę ceny; Luna pozostaje bez zmian od 22 września, a tańszy lub bardziej wydajny model na tym samym poziomie zresetowałby arytmetykę tak, jak Hydrogen właśnie zresetował arytmetykę G​emini.

Dopóki któraś z nich się nie pojawi, podsumowanie jest celowo bez polotu. Gemini 3.8 Flash to lepszy model i gorszy zakup, a do tego wychodzi z użycia. GPT-6 Luna to słabszy model, którego koszt na zadanie jest o rząd wielkości niższy, a zarazem ma dolną granicę faktograficzną, która ogranicza, gdzie można mu ufać. Żaden z nich nie jest domyślnym wyborem. Domyślnym wyborem dla każdego, kto zaczyna teraz, jest Hydrogen po stronie Gemini i Luna jako opcja podstawowa — a różnica między tymi dwoma to już nie 7,5x, lecz 15x, co jest inną decyzją niż ta, na którą miał odpowiedzieć ten pojedynek.