GPT-6 Luna vs Claude Sonnet 5.5: Duas lacunas, não uma

Coloque GPT-6 Luna e Claude Sonnet 5.5 na mesma tabela de preços e a proporção é constrangedora: US$ 0,10 contra US$ 2,00 por milhão de tokens de entrada, US$ 0,50 contra US$ 10,00 por milhão de saída. Coloque-os na mesma avaliação e a diferença parece completamente diferente dependendo da avaliação escolhida. No Índice de Inteligência da Artificial Analysis, Sonnet 5.5 em esforço máximo pontua 55 e Luna em esforço máximo pontua 28 — uma diferença de 27 pontos em um ranking no qual o topo do setor fica na casa dos cinquenta. No FrontierCode-AA 2.0, os mesmos dois modelos pontuam 25,7 e 25,2. Isso não é uma diferença. É um empate.

Ambas as leituras estão corretas, e o motivo pelo qual elas coexistem é o que vale a pena entender antes de escolher. Luna não é um modelo uniformemente mais fraco vendido por um vigésimo do preço. É um modelo com um formato específico: competitivo na geração de diffs de código, muito atrás em trabalho de terminal, raciocínio científico e contenção factual, e aproximadamente uma ordem de magnitude mais lento para produzir seu primeiro token. Sonnet 5.5 tem o formato oposto — consistente, rápido para começar e caro o suficiente para que uma frota deles precise de um caso de negócio.

As duas fichas técnicas, dimensão por dimensão

• Preço de entrada por 1M - GPT-6 Luna $0.10 vs Claude Sonnet 5.5 $2.00, uma proporção de 20x

• Preço de saída por 1M - GPT-6 Luna $0.50 vs Claude Sonnet 5.5 $10.00, também 20x

• Entrada em cache por 1M - GPT-6 Luna $0.01 vs. Claude Sonnet 5.5 $0.10; a A​nthropic reduziu a taxa de leitura de cache do Sonnet para metade da do Sonnet 5 no lançamento, e a proporção em relação à taxa de cache da Luna ainda é 10x

• Gravações de cache - GPT-6 Luna $0.125 por 1M, um acréscimo de 1,25x sobre a entrada; Sonnet 5.5 é cobrado a $2.50 por 1M na mesma convenção de 1,25x

• Janela de contexto – 1.050.000 tokens para GPT-6 Luna vs 1.000.000 para Claude Sonnet 5.5, com a entrada utilizável do Luna limitada a 922.000

• Saída máxima - 128.000 tokens em ambos

• Preço para contexto longo – a Luna reprecifica toda a solicitação acima de 272.000 tokens de entrada para US$ 0,20 / US$ 0,75; a ficha do Sonnet 5.5 não tem um degrau equivalente, o que é uma vantagem silenciosa em prompts de 300 mil tokens

Modalidades de entrada – texto, imagem e ficheiro em ambos; nenhum aceita áudio ou vídeo

• Controle de raciocínio – o GPT-6 Luna oferece nenhum, baixo, médio (padrão), alto, xhigh e máximo, e pode ser desativado por completo; o Claude Sonnet 5.5 tem cinco níveis, de baixo a máximo, com alto como padrão, e o raciocínio fica sempre ativado

• Data de corte de conhecimento – 18 de maio de 2026 para GPT-6 Luna; a Anthropic não publica uma data comparável para Sonnet 5.5

• Lançamento - GPT-6 Luna em 22 de setembro de 2026; Claude Sonnet 5.5 em 28 de setembro de 2026, com seis dias de diferença

• Índice de Inteligência AA v5.0.1 - GPT-6 Luna 28 em esforço máximo vs Claude Sonnet 5.5 42 em seu esforço alto padrão e 55 no máximo

• Tempo até o primeiro token de resposta — GPT-6 Luna 79,33 s vs Claude Sonnet 5.5 10,21 s no mesmo painel

• Custo por tarefa do Índice de Inteligência – GPT-6 Luna US$ 0,15 vs Claude Sonnet 5.5 US$ 1,64

Vinte vezes o preço, onze vezes a fatura

A razão de preços de tabela é de exatos 20x. A razão medida em uma carga de trabalho real não é, porque o custo por tarefa também conta quantos tokens cada modelo gasta para chegar a uma resposta. Na execução do índice da Artificial Analysis, a Luna consumiu US$ 136 em tokens para concluir o conjunto de testes, e o Sonnet 5.5 consumiu US$ 1.268 — cerca de 9,3x. O valor por tarefa da Luna, de US$ 0,15, contra US$ 1,64 do Sonnet, é uma razão de 10,9.

Essa diferença favorece a Luna e a prejudica ao mesmo tempo, dependendo da sua carga de trabalho. A Luna emite muitos tokens de raciocínio para um modelo barato: no esforço máximo, ela é a mais faladora das duas por unidade de pontuação, e é por isso que a proporção de 20x na lista se comprime para cerca de 10x na fatura. Em uma carga de trabalho em que a saída domina — gerações longas, edições iterativas de código, qualquer coisa que escreva parágrafos —, a compressão piora para a Luna, porque a taxa de saída dela é a metade cara da tabela. Em uma carga de trabalho em que a entrada domina — recuperação, leitura de logs, QA de documentos sobre um corpus fixo —, os 20x se mantêm quase exatamente, e o cache melhora ainda mais.

Mais uma observação aritmética que muda a resposta para uma equipe que já paga os preços da Anthropic: o Sonnet 5.5 é descrito pela Anthropic como custando até 30% menos por tarefa do que o Sonnet 5, apesar de uma tabela de preços inalterada, porque precisa de menos tokens para fazer o mesmo trabalho. Uma equipe que passa do Sonnet 5 para o Sonnet 5.5 obtém um desconto real sem alterar uma tabela de preços. Uma equipe que passa do Sonnet 5.5 para o Luna obtém um desconto de 10x e um modelo muito diferente.

Onde a lacuna é um abismo, e por que o arnês importa

Terminal-Bench 4.0 é a separação mais clara no quadro: 43,9% para o Sonnet 5.5 contra 12,6% para o Luna, medido pelo mesmo avaliador nas mesmas condições. O Terminal-Bench-Science é ainda pior para o Luna — 34,3% contra 8,6%. Se o trabalho for uma sessão de shell, um sistema de build, uma suíte de testes falhando que precisa ser diagnosticada entre arquivos, o desconto de vinte vezes não é desconto algum. O Luna não concluirá a tarefa com frequência suficiente para que o preço importe.

Cuidado com os números que você cita para o Sonnet aqui, porque existem dois deles e apenas um é comparável. O post de lançamento da A​nthropic informa 70,6% no Terminal-Bench 4.0 — mais de 26 pontos acima do que o painel independente mediu. Nenhum dos números é desonesto; o número do fornecedor vem do próprio harness, da política de ferramentas e do scaffolding de prompt da A​nthropic, e as pontuações do Terminal-Bench variam substancialmente com todos os três. A Deepnote fez o mesmo ponto pela direção oposta em seu Agent Initiative Benchmark: "os resultados refletem apenas os modelos, não o harness" e um prompt ou uma política de ferramentas diferentes "moverão todos os números aqui". Considere 70,6% como o que o Sonnet 5.5 alcança na configuração da A​nthropic e 43,9% como o que ele alcança na de outra pessoa. Para comparar opções, o segundo é o que deve ser usado, porque você não vai executar a configuração da A​nthropic.

A mesma cautela se aplica aos números do próprio fornecedor da Luna. A OpenAI relata que o GPT-6 Luna, com esforço máximo, obtém 66,6% no DeepSWE v1.1, "comparável ao Claude Opus 5 e ao Fable 5 com esforço médio", com 93% a 96% menos custo por tarefa. Esse é um resultado relatado pelo fornecedor em uma avaliação executada pelo fornecedor, e não diz nada sobre o Terminal-Bench, onde o número independente é 12,6%. Ambas as frases descrevem o mesmo modelo.

Onde a diferença se reduz a um erro de arredondamento

O FrontierCode-AA 2.0 pergunta se um agente de codificação produz uma alteração pronta para ser mesclada em um repositório real. Luna pontua 25,2. Sonnet 5.5 pontua 25,7. Meio ponto, em uma diferença de preço de vinte vezes, e ambos muito abaixo dos líderes em um benchmark no qual um modelo forte ultrapassa 46%.

Leia isso com atenção antes de tirar a conclusão óbvia. Uma pontuação absoluta baixa em um benchmark difícil significa que ambos os modelos falham na maioria das vezes; quando dois modelos falham na maioria das vezes, uma diferença de meio ponto é em grande parte ruído. A afirmação útil não é “Luna programa tão bem quanto Sonnet 5.5”. Ela é mais restrita: neste estilo de tarefa, com esta dificuldade, o custo vinte vezes maior não traz nada mensurável. Se sua carga de trabalho se parece com o FrontierCode — edições autocontidas em uma base de código conhecida, revisadas por um humano antes do merge —, Luna é uma primeira passada defensável cujo resultado um revisor iria reescrever de qualquer forma.

Duas outras métricas ficam na mesma faixa: o AutomationBench-AA coloca o Sonnet 5.5 em 59,4% e o Luna em 53,2%, e o GDP.pdf em 25,2% contra 22,8%. Nenhuma delas é empate, mas ambas estão dentro do intervalo em que a engenharia de prompt e a escolha de ferramentas podem inverter a ordem nos seus próprios dados.

Os dois pontos em que Luna é genuinamente pior, não apenas diferente

Conhecimento e latência, e nenhum dos dois se resolve com uma redução de preço.

O AA-Omniscience v1.1 mede se um modelo sabe o que não sabe. O Sonnet 5.5 tem saldo líquido de +19; o Luna tem saldo líquido de -8. Uma pontuação líquida negativa nessa avaliação significa que as respostas fabricadas do modelo superam as corretas com frequência suficiente para arrastar o total abaixo de zero. Esse é o número mais consequente desta comparação para qualquer pessoa que esteja construindo um agente que responde sem um humano no circuito, e é o número que um benchmark focado em programação nunca revelará. Combinado com o 38.5 do Luna no Humanity's Last Exam contra o 56.0 do Sonnet 5.5, o quadro é consistente: o Luna é um seguidor de instruções competente com um piso factual frágil.

A latência vem em segundo lugar. O Sonnet 5.5 chega ao primeiro token de resposta em cerca de 10 segundos; a Luna leva cerca de 79 no esforço máximo no mesmo benchmark. Diminua o nível de esforço e essa diferença diminui — o custo é o orçamento de raciocínio da Luna —, mas aí você está comparando uma Luna com menos esforço a um Sonnet em potência máxima, e a diferença de pontuação aumenta proporcionalmente. Para um produto interativo, isso costuma ser o fator decisivo, independentemente do preço. Para uma tarefa em lote que roda durante a noite, é irrelevante.

O único benchmark em que eles quase empatam em um trabalho real

A Artificial Analysis avalia modelos por meio de perguntas. O Agent Initiative Benchmark da Deepnote os avalia em uma tarefa: cinquenta situações simuladas de ambiente de trabalho dentro de uma empresa fictícia, em que o modelo lê o Slack e decide se investiga, onde responder e se deve responder. O Claude Sonnet 5.5 obteve 6,65 a US$ 0,42 por situação e concluiu em 15 segundos. O GPT-6 Luna obteve 6,38 a US$ 0,0070 e levou 50 segundos.

Duas coisas decorrem disso. A diferença de qualidade nesse tipo de tarefa — um quarto de ponto — é menor que o intervalo relatado pelo benchmark, e é por isso que o Deepnote agrupa os dois com DeepSeek V4.1 Flash, Mistral Large 4 e Claude Haiku 5.5 em um cluster que, segundo ele, "fica dentro de 0,6 pontos com intervalos sobrepostos". E a diferença de custo é de 60x, não de 20x, porque o Sonnet 5.5 gasta cerca de vinte mil tokens por situação em esforço alto, enquanto a Luna gasta muito menos.

A diferença está na disciplina, não na capacidade. O Sonnet 5.5 se absteve em 6 das 10 situações que exigiam silêncio; a Luna se absteve em 4. O Sonnet registrou 11 execuções perfeitas e 7 zeros em 50; a Luna registrou 9 e 9. Se o trabalho é estar certo com mais frequência e ficar quieto quando em dúvida, o modelo caro justifica seu custo. Se o trabalho é ler tudo para que um segundo filtro, mais rigoroso, possa decidir o que mostrar, o barato é a única versão que cabe no orçamento.

O recurso que realmente os separa é um botão de desligar.

GPT-6 Luna aceita reasoning_effort: "none". Claude Sonnet 5.5 não — o raciocínio está sempre ativado nos seus cinco níveis, que a A​nthropic recalibrou em relação ao Sonnet 5, pelo que uma integração herdada deve reajustar a sua configuração em vez de manter a antiga.

Essa única diferença explica a maior parte da curva de custo. Uma chamada de classificação, uma decisão de roteamento, uma extração a partir de um schema conhecido: nada disso precisa de um trace de raciocínio, e pode-se instruir a Luna a ignorá-lo. O mesmo trabalho no Sonnet 5.5 paga por raciocínio, quer ele ajude ou não. Isso também explica um limite que vale a pena conhecer antes de construir em torno dele: no Chat Completions, a Luna só oferece suporte a function calling quando o esforço de raciocínio está definido como none, então qualquer coisa que precise de ferramentas precisa passar pela Responses API. O Sonnet 5.5 aceita ferramentas em qualquer uma das superfícies, seja pela Messages API nativa ou pelo formato compatível com a OpenAI.

A API Decisions da OpenAI, disponível em geral desde 22 de outubro de 2026, é a expressão mais restrita da mesma ideia: respostas tipadas — uma probabilidade, uma escolha, uma pontuação de rubrica — do GPT-6 Luna e de nenhum outro modelo, com aproximadamente um décimo da latência que a OpenAI relata para o mesmo modelo por meio do Responses. Se a pergunta for "este chamado contradiz este registro de pedido?", Luna agora pode responder em sua forma nativa sem gerar qualquer texto corrido.

Escolhendo entre eles

• Trabalho prolongado no terminal, reparo de builds, depuração em vários ficheiros - Claude Sonnet 5.5. Os 12,6% do Luna no Terminal-Bench 4.0 não são uma questão de orçamento.

• Qualquer coisa em que uma resposta errada saia cara e ninguém a verifique - Claude Sonnet 5.5, graças à vantagem de +19 contra −8 na divisão Omniscience.

• Interfaces interativas em que 79 segundos até o primeiro token é um defeito de produto - Claude Sonnet 5.5.

• Classificação, extração e roteamento de alto volume, ou um leitor de primeira passagem diante de um filtro mais rigoroso — GPT-6 Luna, com esforço none ou low, quando nenhuma das vantagens do Sonnet está em jogo.

Edições de código autocontidas que um revisor vai ler de qualquer forma — GPT-6 Luna como primeira passada, Sonnet 5.5 como caminho de escalonamento. A diferença de meio ponto do FrontierCode é o que torna a divisão discutível em vez de imprudente.

Usar os dois em conjunto é a opção que as tabelas de preços não anunciam, mas os números respaldam. Uma configuração em camadas — Luna para os 90% das chamadas que são baratas e específicas, Sonnet 5.5 para os 10% que decidem algo — custa mais perto da conta da Luna do que da conta da Sonnet, mantendo o julgamento da Sonnet onde o julgamento importa. A OrcaRouter coloca os dois modelos por trás de uma única chave compatível com OpenAI, ao lado de mais de 200 outras, com 0% de markup e o preço de tabela do provedor repassado, então a proporção de 20x na planilha é a proporção de 20x na fatura, e uma mudança de preço do fornecedor chega até você no mesmo dia. Como ambos aceitam o formato chat-completions da OpenAI, a divisão por camadas é uma regra de roteamento, e não uma segunda integração: a DSL de roteamento envia uma solicitação primeiro para a Luna e escala sob uma condição, o failover automático cobre lentidão de um provedor, e nenhuma alteração de código é necessária quando um novo modelo entra no catálogo.

O que mudaria a resposta

A posição atual da Luna depende de forma incomum de um único número se mover: seu piso factual. Uma versão pontual que eleve o AA-Omniscience de negativo para positivo removeria o argumento mais forte para pagar vinte vezes mais, porque as lacunas de trabalho em terminal e de latência são específicas da carga de trabalho, enquanto um modelo que inventa fatos é um passivo em qualquer contexto. Por outro lado, um corte de preço do Sonnet 5.5 — do tipo que a A​nthropic já fez antes, e que um roteador com 0% de markup repassaria imediatamente — estreitaria a proporção o suficiente para tornar a questão da hierarquização irrelevante para muitas equipes.

Na ausência de um ou de outro, o resumo honesto é que estes não são substitutos. O GPT-6 Luna é um leitor barato, rápido para prompts e raso em fatos, com um interruptor que desliga o pensamento. O Claude Sonnet 5.5 é um escritor mais lento para começar, caro e confiável, que sempre pensa. O erro é tratar o 20x como um veredito. Ele é um orçamento para as partes do trabalho em que a diferença não aparece — e a margem de meio ponto do FrontierCode é o lembrete de que algumas dessas partes são maiores do que o marketing sugere.