GPT-6 Luna vs DeepSeek V4 Pro: Um Ponto no Índice, Cinco Vezes o Preço e o Argumento para Ter Seus Próprios Pesos

Aqui está o número que deveria decidir este confronto e não decide: GPT-6 Luna obtém 37 no Artificial Analysis Intelligence Index com esforço máximo. DeepSeek V4 Pro obtém 36 na mesma revisão do índice, também com esforço máximo. Um ponto de diferença, num composto em que um único ponto está dentro do ruído de uma nova execução — e os dois modelos estão separados por cerca de cinco vezes no preço. O GPT-6 Luna custa $0,10 por milhão de tokens de entrada e $0,50 por milhão de saída. O DeepSeek V4 Pro 0813 custa $0,66 e $1,98 fora de pico, dobrando para $1,32 e $3,96 durante a sua janela de pico.

Se essa fosse toda a história, este artigo teria um parágrafo de extensão e terminaria com "use o GPT-6 Luna". Não é toda a história, e o motivo é a única dimensão em que a comparação se inverte por completo: os pesos do DeepSeek V4 Pro são abertos e licenciados sob MIT. O modelo que custa cinco vezes mais por token é o modelo que você tem permissão para baixar, modificar, ajustar finamente e executar no seu próprio hardware para sempre. Isso não é uma nota de rodapé no argumento do preço — para uma classe específica de comprador, é o argumento inteiro, e o lançamento do GPT-6 Luna em 22 de setembro acentuou isso em vez de resolvê-lo.

O que foi lançado e quando

GPT-6 Luna é o modelo de nível pequeno da OpenAI, lançado em 22 de setembro de 2026, juntamente com o GPT-6 Sol a US$ 2,00/US$ 10,00 e abaixo do carro-chefe GPT-6 Astra a US$ 10,00/US$ 50,00. A OpenAI o descreve como o modelo mais eficiente da empresa para tarefas focadas e de alto volume. Ele possui uma janela de contexto de 1.050.000 tokens, com entrada máxima de 922.000 e limite de saída de 128.000 tokens, aceita texto e imagem e expõe esforço de raciocínio de none a low, medium, high, xhigh e max — com medium como padrão.

DeepSeek V4 Pro 0813 é a versão GA do modelo carro-chefe de quarta geração da DeepSeek, publicada em 13 de agosto de 2026, substituindo a prévia de abril sob o mesmo identificador deepseek-v4-pro. É um modelo de mistura de especialistas somente texto com 1,6 trilhão de parâmetros totais e 49 bilhões ativos, uma janela de contexto de 1M tokens e um teto de saída de 384.000 tokens incomumente generoso — três vezes o do GPT-6 Luna. Os pesos foram disponibilizados no Hugging Face como deepseek-ai/DeepSeek-V4-Pro-0813 aproximadamente meio dia após a API entrar no ar: 66 fragmentos fp8, sem restrições, MIT. Nossa própria página de catálogo para o modelo ainda traz a data da prévia de abril em vez da data GA de agosto, o que vale a pena saber se você estiver lendo datas em páginas de produtos em vez de notas de versão.

Ambos priorizam o raciocínio e têm contexto longo. Apenas um deles é um arquivo que você pode ter em mãos.

As tabelas de preços, sinceramente

Uma linha por dimensão, ambos os lados em cada:

• Entrada por 1M — GPT-6 Luna US$ 0,10 vs DeepSeek V4 Pro US$ 0,66 fora de pico / US$ 1,32 no pico

• Saída por 1M — GPT-6 Luna $0,50 vs DeepSeek V4 Pro $1,98 fora de pico / $3,96 em pico

• Entrada em cache — GPT-6 Luna US$ 0,01 por 1M, um desconto de 90% sobre sua própria tarifa, contra um desconto de cache de 97% do DeepSeek V4 Pro, a porcentagem maior sobre uma base mais alta

• Janela de pico — GPT-6 Luna nenhuma, estável o dia todo, enquanto o DeepSeek V4 Pro dobra entre 01:00-04:00 e 06:00-10:00 UTC

• Cláusula de contexto longo — GPT-6 Luna dobra a entrada e o cache e eleva a saída em 1,5x acima de 272K de entrada, aplicada à solicitação inteira, em comparação com o DeepSeek V4 Pro, sem sobretaxa de contexto longo publicada em seu card

• Contexto e saída — GPT-6 Luna 1,050,000 entrada / 128,000 saída vs DeepSeek V4 Pro 1,048,576 entrada / 384,000 saída

• AA Intelligence Index — GPT-6 Luna 37 em esforço máximo vs DeepSeek V4 Pro 36 em esforço máximo, mesma revisão do índice

• Pontuação de esforço padrão — GPT-6 Luna 29 no nível médio vs. DeepSeek V4 Pro 36 na configuração máxima, o esforço que a Artificial Analysis mediu

• Interruptor para desligar o raciocínio — GPT-6 Luna de nenhum a máximo vs. DeepSeek V4 Pro apenas baixo, alto e máximo

• Custo de execução do índice — GPT-6 Luna $122,39 vs. DeepSeek V4 Pro $1.122,27

• Pesos — GPT-6 Luna fechado, somente API vs DeepSeek V4 Pro aberto, licenciado sob MIT, auto-hospedável

• Na OrcaRouter — GPT-6 Luna não está no nosso catálogo vs. DeepSeek V4 Pro roteável pelo preço de tabela da DeepSeek

Leia essas linhas em conjunto e o formato é incomum: o modelo fechado é mais barato em cada linha por token, exceto entrada em cache, e o modelo aberto leva vantagem no comprimento da saída, no comportamento em contextos longos e na única coisa que não pode ser precificada por token de forma alguma.

Por que a diferença de um ponto não é o que importa

Uma diferença de um ponto num índice compósito não é uma diferença de capacidade sobre a qual se possa agir, e vale a pena dizer claramente que este é o número menos interessante do artigo. No entanto, duas coisas a esse respeito são realmente importantes.

A primeira é que as revisões do índice se movem. Instantâneos anteriores da mesma avaliação colocavam a pontuação de esforço máximo do DeepSeek V4 Pro consideravelmente acima dos 36 que nossa captura mostra hoje, e os números do GPT-6 Astra oscilaram entre 52,8, 53 e 54,7 em material publicado dentro de um único mês. Qualquer comparação que se apoie na diferença precisa entre dois modelos em um índice móvel está se apoiando em algo que não vai ficar parado. A leitura honesta é que esses dois modelos estão na mesma faixa de capacidade em seus limites máximos, e o índice não pode dizer qual é melhor para a sua tarefa.

O segundo é o padrão de esforço, e aqui a diferença é real. O 37 do GPT-6 Luna é um número de esforço máximo. Seu padrão é médio, no qual ele pontua 29. O 36 do DeepSeek V4 Pro também é seu número de esforço máximo, e também é a configuração na qual a Artificial Analysis o executou. Uma equipe que implanta o GPT-6 Luna e não muda nada está rodando um 29 contra um 36 — um déficit de sete pontos na direção errada, e o tipo de coisa que aparece como "o modelo barato é pior" em um post-mortem de produção quando o problema real é um padrão.

Quanto valem realmente os pesos abertos

É aqui que a comparação de preços deixa de ser aritmética e passa a ser uma questão sobre o seu negócio. Pesos com licença MIT lhe oferecem quatro coisas, e cada uma tem um custo que nunca aparece em uma tabela de preços.

O primeiro é um piso de custo. O preço por token é um aluguel; os pesos são um ativo. Se o seu volume for grande o suficiente para que uma infraestrutura fixa de GPUs supere uma conta medida, o DeepSeek V4 Pro é o único destes dois modelos em que essa opção existe. Nas tarifas do GPT-6 Luna, o ponto de virada está muito longe — uma taxa de entrada em cache de um centavo é genuinamente difícil de superar com silício alugado —, mas "muito longe" é uma afirmação diferente de "impossível", e é uma porta de mão única: você pode passar de auto-hospedagem para uma API a qualquer momento, e não pode ir na direção contrária.

O segundo é a independência do roadmap de um fornecedor. Os preços promocionais do GPT-5.6 Luna tinham um prazo de validade declarado. Os do GPT-6 Luna são permanentes, segundo a OpenAI — mas permanência é uma promessa sobre um modelo que um fornecedor pode aposentar sempre que lançar um sucessor. Um modelo que você hospeda não pode ser descontinuado à sua revelia. Para quem já passou por uma migração forçada em um modelo fechado, isso vale mais do que um fator de cinco em tokens.

O terceiro é dados. Se o prompt contém material que não pode sair da sua infraestrutura, a comparação termina aqui e não importa quanto custa o GPT-6 Luna.

O quarto ponto é que você pode fazer fine-tuning dele. O GPT-6 Luna não está disponível para fine-tuning de forma alguma — suas opções são Chat Completions, Responses e Batch, e essa é a lista. Os pesos do DeepSeek V4 Pro podem ser treinados na sua própria distribuição, o que, para uma tarefa restrita de alto volume, costuma ser um ganho maior do que qualquer ponto de índice de propósito geral.

Contra tudo isso, o argumento do GPT-6 Luna é que ele é aproximadamente cinco vezes mais barato em uma mistura combinada de 3:1 de entrada para saída fora do horário de pico e quase dez vezes mais barato durante os horários de pico do DeepSeek, que sua tarifa de entrada em cache é um décimo de sua tarifa de entrada já baixa, que se pode instruí-lo a parar de raciocinar completamente, e que seu preço de tabela não dobra duas vezes ao dia. Para uma carga de trabalho sem restrição de residência de dados, sem requisito de ajuste fino e sem apetite para operar infraestrutura de inferência, essa é uma resposta direta.

A migração é menor do que o hiato de preço sugere

Alternar entre esses dois está mais próximo de uma mudança de configuração do que de um porte. Ambos falam o formato de chat completions compatível com a OpenAI, ambos têm uma janela de contexto de classe 1M, e os modos de falha são os que você esperaria, e não estruturais.

Vale a pena destacar dois deles antes de você direcionar o tráfego. A cláusula de contexto longo do GPT-6 Luna é a cara: ultrapasse 272.000 tokens de entrada e todo o pedido passa a custar o dobro na entrada e no cache, e 1,5x na saída, então uma chamada de 300.000 tokens custa o dobro do que custa a mesma chamada dividida em duas. O DeepSeek V4 Pro não tem essa cláusula, o que significa que, para solicitações únicas genuinamente enormes, a diferença de preço de cinco vezes é menor do que parece e pode se inverter em uma chamada de horário de pico. E o teto de saída é uma restrição rígida, não uma preferência: 128.000 tokens contra 384.000. Um pipeline que gera artefatos estruturados longos pode simplesmente não caber no GPT-6 Luna, e nenhuma vantagem de preço resolve isso.

O DeepSeek V4 Pro está no OrcaRouter pelo preço de tabela da DeepSeek, com o preço repassado que coloca uma mudança de tarifa do fornecedor do nosso lado no mesmo dia — relevante para um modelo cujas tarifas já variam entre horário de pico e fora de pico. O GPT-6 Luna não está no nosso catálogo até o momento desta redação e é acessado pela própria API da OpenAI, então uma equipe que quer os dois usa uma chave para o DeepSeek V4 Pro junto com o que já usa para a OpenAI. O failover automático é a parte que justifica seu lugar nesse pareamento específico: um endpoint DeepSeek auto-hospedado ou de terceiros se degradando é exatamente o cenário em que você quer que a rota mude sem um deploy.

Quem deve escolher qual

Escolha o DeepSeek V4 Pro se qualquer uma das seguintes condições for verdadeira. O prompt não pode sair da sua infraestrutura. Você precisa fazer fine-tuning. Você gera saídas com mais de 128.000 tokens. Suas solicitações costumam exceder 272.000 tokens de entrada. Ou seu volume é grande o suficiente para que você prefira comprar GPUs em vez de alugar tokens, e você quer ter a opção de fazer essa mudança mais tarde sem reescrever a aplicação.

Opte pelo GPT-6 Luna se nenhuma dessas se aplicar e a sua carga de trabalho for de grande volume, consumida por programas e curta. Classificação, extração, encaminhamento, sumarização em massa, o ciclo interno de um agente. A $0,10/$0,50 com uma taxa de entrada em cache de um cêntimo e o Batch a metade do preço, as contas não deixam margem para dúvidas, e a diferença de um ponto no índice com esforço máximo não será visível na sua avaliação. Execute-o no nível médio, verifique a regressão de dois pontos do Coding Agent Index com os seus próprios testes, em vez de com um gráfico do fornecedor, e mantenha as suas chamadas longas do lado certo da linha de 272 000 tokens.

O erro a evitar é tratar a diferença de preço de cinco vezes como a resposta. Ela é a resposta para uma pergunta — quanto custa um token — e nada diz sobre as quatro perguntas que decidem se você ainda conseguirá executar esta carga de trabalho daqui a dois anos.