GPT-6 Luna vs Gemini 3.8 Flash: A categoria barata acabou de ser substituída

O Google lançou o Gemini 4 Hydrogen em 12 de novembro de 2026, e seu post de lançamento o descreve como "uma grande atualização independente para equipes que estão migrando do Gemini 3.8 Flash". Essa frase faz algo que nenhuma tabela de benchmarks consegue: muda para que serve uma comparação entre o GPT-6 Luna e o Gemini 3.8 Flash. O lado Gemini desta disputa não é mais um modelo que você adota — é um modelo do qual você está sendo migrado. O lado Luna ainda é o degrau mais barato do GPT-6 da OpenAI, oito semanas após o lançamento e inalterado. Então, a pergunta honesta não é qual destes dois é melhor. É se aquilo que tornava o 3.8 Flash digno de seus US$ 0,75 por milhão de tokens de entrada ainda vale para o Hydrogen a US$ 1,50 — e se os US$ 0,10 do Luna algum dia estiveram no mesmo mercado.

Aqui está a versão curta antes dos detalhes. O Gemini 3.8 Flash é o modelo mais capaz em quase todas as métricas independentes e custa aproximadamente sete vezes e meia o preço por token. O GPT-6 Luna gera o dobro de saída por solicitação, custa cerca de um décimo por tarefa no conjunto de testes da Artificial Analysis e é consideravelmente mais lento para começar a responder. O Hydrogen não resolve isso — ele sobe a faixa do G​emini tanto em preço quanto em capacidade, deixando por padrão o segmento barato do mercado para o Luna.

As fichas técnicas, lado a lado

• Tabela de preços, ambas as metades – GPT-6 Luna a US$ 0,10 de entrada e US$ 0,50 de saída por 1M, contra Gemini 3.8 Flash a US$ 0,75 e US$ 3,75; o mesmo fator de 7,5x aparece na entrada e na saída, o que é incomum e significa que nenhum formato de carga de trabalho consegue arbitrar essa proporção

• Entrada em cache por 1M – GPT-6 Luna $0.01 vs. Gemini 3.8 Flash $0.075, e observe que a G​oogle informa isso como uma taxa de acerto de cache, e não como uma taxa de gravação em cache, portanto não é diretamente comparável ao esquema de dois números da O​penAI

• Preços para contexto longo – o GPT-6 Luna dobra a entrada e o cache e multiplica a saída por 1,5 acima de 272.000 tokens de prompt; o Gemini 3.8 Flash cobra uma única tarifa fixa em toda a sua janela

Janela de contexto — 1.050.000 tokens para GPT-6 Luna vs 1.048.576 para Gemini 3.8 Flash, uma diferença de 1.424 tokens que nenhuma aplicação jamais notará

• Saída máxima – GPT-6 Luna 128.000 tokens vs Gemini 3.8 Flash 65.536, o que é uma diferença real na primeira vez que você pede um documento longo

• O que cada um realmente vai processar - Gemini 3.8 Flash aceita vídeo e áudio, além de texto, imagens e arquivos; GPT-6 Luna aceita os três últimos e recusa os dois primeiros

• O seletor de esforço — a escala da Luna vai de um nenhum absoluto (médio se você não disser nada) até o máximo; a do G​emini começa mais alto, vem como alto por padrão, e o G​oogle avisa que ela gasta mais tokens quanto mais você a eleva

• Lançamento - Gemini 3.8 Flash em 2 de setembro de 2026; GPT-6 Luna em 22 de setembro de 2026; Hydrogen, seu substituto, em 12 de novembro de 2026

• Artificial Analysis Intelligence Index v5.0.1 — 31 para o Gemini 3.8 Flash no nível alto, 28 para o GPT-6 Luna no máximo, então o modelo mais barato perde três pontos enquanto roda sua configuração mais cara

• Espera pela primeira palavra – 16,98 s no Gemini 3.8 Flash contra 79,33 s no GPT-6 Luna, medido pela Artificial Analysis; o modelo Gemini é mais lento para concluir uma tarefa inteira, 15 minutos contra 11,8 do Luna

• Quanto custou concluir a execução do índice – Gemini 3.8 Flash: US$ 7,77 por tarefa, ou US$ 5.764 pela suíte completa, em comparação com US$ 0,15 e US$ 136 do GPT-6 Luna

Sete vezes e meia o preço, e onde isso aparece

A diferença de inteligência é de três pontos: 31 contra 28. Isso é menor do que a relação de preço sugeriria e menor do que a maioria das pessoas imagina, mas não é a parte interessante da comparação, porque as duas pontuações foram obtidas em configurações de esforço diferentes — G​emini no alto, Luna no máximo. A pontuação de esforço máximo da Luna é o melhor que ela consegue fazer; a pontuação de alto esforço da G​emini é o padrão dela. O modelo da G​oogle tem margem que a Luna não tem.

De onde vêm os três pontos é mais útil do que o número. Divida o índice em seus componentes e um padrão surge: os dois modelos são próximos nas avaliações de estilo de codificação e distantes em qualquer coisa que exija recall ou recusa.

• Terminal-Bench 4.0 - Gemini 3.8 Flash 19,7% vs GPT-6 Luna 12,6%; ambos são ruins, e nenhum deles é um agente de terminal

• Terminal-Bench-Science 0.1 - Gemini 3.8 Flash 10,0% vs GPT-6 Luna 8,6%, o que é um empate em termos práticos

• HLE-Diamond - Gemini 3.8 Flash 33,1% vs GPT-6 Luna 22,2%, uma diferença de onze pontos em raciocínio difícil com o qual nenhum dos dois modelos lida bem

• FrontierCode-AA 2.0 - Gemini 3.8 Flash 18,7% vs GPT-6 Luna 25,2%, a única avaliação de codificação em que Luna lidera, embora ambos fiquem muito abaixo dos modelos que superam 46%

• AA-Omniscience v1.1 net — Gemini 3.8 Flash +23 vs GPT-6 Luna −8; esta é a lacuna mais ampla e de maior impacto na tabela

• AA-Briefcase v1.1 Elo - GPT-6 Luna 1337 vs Gemini 3.8 Flash 1203, uma medida de trabalho do conhecimento em que o modelo mais barato vence

Esse último par é o que merece atenção. Em questões sobre o que um modelo sabe e se ele admitirá não saber, o Gemini 3.8 Flash registra +23 e o Luna registra −8 — ou seja, as respostas fabricadas do Luna superam as corretas com frequência suficiente para levar o total abaixo de zero. Em trabalho de conhecimento no estilo Briefcase, o Luna obtém 134 pontos Elo a mais. Duas avaliações, veredictos opostos, os mesmos dois modelos. A explicação é que o Briefcase recompensa seguir instruções com base em um corpus fornecido, enquanto o Omniscience recompensa saber coisas sem um. Se a sua aplicação fornece os documentos, a fraqueza do Luna fica contida. Se ela responde de memória, não fica.

Por que o custo por tarefa é 50x quando a tabela de tarifas é 7,5x?

Os preços de tabela diferem por um fator de 7,5. O custo medido para completar o Intelligence Index da Artificial Analysis difere por um fator de cerca de 50: US$ 7,77 para o Gemini 3.8 Flash contra US$ 0,15 para o GPT-6 Luna. A diferença entre essas duas proporções deve-se inteiramente ao consumo de tokens, e é o número mais subnotificado em todas as comparações de modelos publicadas este ano.

O Gemini 3.8 Flash é um modelo de raciocínio intensivo. O Google diz isso diretamente: em tarefas complexas, ele "exibe maior diligência — executando etapas extras de raciocínio e chamando ferramentas iterativamente", e "pode usar mais tokens para maximizar o desempenho, especialmente em níveis de esforço mais altos". A contabilidade do próprio board também confirma — 98.900 tokens de saída por tarefa para o Gemini, contra 75.300 para o Luna, sendo 60.100 e 57.600 deles tokens de raciocínio, respectivamente. Multiplique essa contagem de tokens por uma tabela de preços que já é 7,5x maior, e a proporção por tarefa chega a 50x. Este é o argumento mais forte a favor do Luna que existe, e não tem nada a ver com inteligência.

Isso também se inverte em uma carga de trabalho diferente. Se seus prompts são longos e suas respostas são curtas — recuperação sobre um corpus fixo, classificação com saída de um único token, triagem de logs —, então os tokens de saída são um erro de arredondamento em ambos os cartões e a proporção de entrada de 7,5x é a história toda. A verbosidade do G​emini nunca tem chance de se acumular, e a vantagem do Luna encolhe de 50x para cerca de 7x. O número a modelar é a sua própria proporção de tokens de entrada para saída, não a do benchmark.

A lacuna de funcionalidades que ninguém coloca em uma tabela de comparação

O Gemini 3.8 Flash processa vídeo e áudio nativamente. O GPT-6 Luna não — texto, imagem e arquivo, nada além disso. Para a maioria das cargas de trabalho de texto, isso é irrelevante, e é justamente por isso que os dois modelos são comparados: ambos são posicionados como a faixa barata, ambos têm aproximadamente um milhão de tokens de contexto, ambos aceitam imagens.

Para uma carga de trabalho envolvendo chamadas gravadas, gravações de tela ou áudio de reuniões, a comparação termina aí. A Luna não consegue fazer o trabalho a preço algum, e o fator de 7,5x não é um prêmio de preço, mas uma diferença de categoria. A mesma lógica se aplica inversamente ao comprimento da saída: a Luna retorna até 128.000 tokens em uma única resposta, contra os 65.536 da G​emini, o que importa quando uma chamada deve produzir um documento inteiro, e não apenas um parágrafo dele.

O que o Hydrogen muda, e o que não muda

O próprio enquadramento do Google sobre a migração é incomumente direto quanto ao delta: o Hydrogen conclui tarefas 2,5 vezes mais rápido no seu nível alto padrão do que o 3.8 Flash, mais do que triplica o Terminal-Bench 4.1 (57% contra 18,2%), reduz as alegações fabricadas em mais de 5x e roda de 2x a 2,8x mais rápido com 12% a 23% menos uso de tokens nos testes com parceiros. No índice da Artificial Analysis, ele marca 51 no seu nível de raciocínio alto padrão, contra 50 do Argon, e 54 no xhigh.

Ele também tem preço uniforme em toda a sua janela de contexto, a US$ 1,50 por milhão de tokens de entrada e US$ 7,50 por milhão de saída — o dobro do 3.8 Flash dos dois lados. Assim, o modelo que substitui o 3.8 Flash custa o dobro do modelo que substitui e, segundo os próprios números do G​oogle, está cerca de 20 pontos acima no índice de inteligência. Trata-se de uma evolução direta na curva, e isso elimina o meio do mercado: o comprador que queria competência da classe G​emini a preços da classe Flash agora tem um modelo acima dele e um modelo abaixo dele, com a opção antiga em migração.

Nada disso muda a posição da Luna, porque a Luna nunca competiu com um modelo de 31 índices. Ela compete com o piso. A US$ 0,10 de entrada e US$ 0,50 de saída, a Luna continua sendo a forma mais barata de processar um grande volume de texto com um modelo competente por trás, e a chegada da Hydrogen a US$ 1,50 torna isso mais verdadeiro, não menos — a opção G​emini que antes custava 7,5x o preço da Luna agora custa 15x.

Os resultados de terceiros que discordam

Nem toda medição independente coloca estes modelos a três pontos de distância. A StealthMark, um serviço de comparação que executa o seu próprio conjunto de avaliação, coloca o Gemini 3.8 Flash 8,8 pontos à frente do GPT-6 Luna, 47,9 a 39,1, e liderando em oito de nove benchmarks individuais. E o Agent Initiative Benchmark da Deepnote — que pontua os modelos em cinquenta situações de trabalho dentro de uma empresa simulada, em vez de em perguntas — não incluiu o Gemini 3.8 Flash em absoluto, então a única avaliação que mede o comportamento proativo de agentes não tem nada a dizer sobre este pareamento.

A diferença entre "três pontos" e "oito e meio pontos" é um lembrete de que a escolha do benchmark é uma decisão de modelagem, não neutra. As avaliações que favorecem o G​emini valorizam conhecimento e profundidade de raciocínio; as que favorecem o Luna valorizam o cumprimento de instruções em detrimento do contexto fornecido e do custo. Nenhum dos dois conjuntos está errado. Uma equipe escolhendo entre esses dois deve executar uma dúzia de suas próprias tarefas em ambos antes de confiar em qualquer uma das tabelas, incluindo as quatro deste artigo.

Onde cada um conquista seu lugar agora

• Vídeo, áudio ou qualquer entrada multimodal - Gemini 3.8 Flash, ou Hydrogen se você estiver começando do zero. Luna não aceita a entrada.

• Respostas baseadas no conhecimento do modelo sem documentos anexados - Gemini 3.8 Flash. A diferença de +23 versus −8 no Omniscience é a evidência decisiva.

• Latência interativa em que um primeiro token de 79 segundos é um defeito de produto - Gemini 3.8 Flash a 17 segundos, embora seu tempo médio de 15 minutos por tarefa seja pior que os 11,8 da Luna, então a vantagem está no primeiro token, e não no último.

• Gerações longas, uma única chamada produzindo um documento inteiro - GPT-6 Luna, graças ao teto de saída de 128.000 tokens.

• Processamento de texto em alto volume com documentos fornecidos - GPT-6 Luna, em que a vantagem de 50x por tarefa é real e o piso factual é contido pelo corpus.

• Novas implantações que queiram algum nível Gemini — Gemini 4 Hydrogen, não 3.8 Flash. Adotar um modelo dois dias depois de o seu substituto ser lançado exige um motivo.

A questão da migração merece mais uma frase, porque é a decisão prática que se esconde dentro desta comparação. Se você executa o Gemini 3.8 Flash em produção hoje, os números do Hydrogen defendem a migração — mas o preço dele defende modelar a conta primeiro, já que a economia de tokens que o Google relata (12% a 23%) não compensa a duplicação de ambas as tarifas. Se você não executa nenhum dos dois, a escolha é entre um modelo sendo aposentado e um modelo que está há oito semanas sem alterações, e a resposta depende inteiramente de sua carga de trabalho precisar de entrada de vídeo ou de um piso factual.

Executar qualquer um deles sem um projeto de migração

A parte incômoda de uma comparação como esta é que os dois candidatos falam protocolos diferentes — o endpoint generate próprio do Gemini e o formato chat-completions da OpenAI —, e o modelo que você escolhe hoje pode ser substituído dentro de um trimestre, como o 3.8 Flash acabou de ser. O OrcaRouter expõe GPT-6 Luna, Gemini 3.8 Flash, Gemini 4 Hydrogen e mais de 200 outros modelos por trás de uma única chave compatível com OpenAI, com 0% de markup, com o preço de tabela do provedor repassado, de modo que o preço introdutório do Google e qualquer alteração posterior cheguem à fatura no mesmo dia. Isso importa mais do que o normal aqui: o 3.8 Flash foi lançado com o que o Google chamou de tarifa introdutória, e um modelo com preço introdutório que está sendo migrado é um item de fatura que vale a pena acompanhar. Mudar uma rota de um modelo para outro é uma mudança no DSL de roteamento, e não um novo SDK; o failover automático mantém uma carga de trabalho em funcionamento quando um provedor degrada, e a fusão de modelos permite que um painel responda quando uma classificação barata isolada tem consequências demais para ser confiada a um só modelo. Não hospedamos modelos que não roteamos, e nós roteamos ambos.

O que assistir a seguir

Duas datas determinam como esta comparação será lida daqui a um mês. A primeira é o cronograma de descontinuação do Google para o Gemini 3.8 Flash — o Hydrogen foi lançado em 12 de novembro e a linguagem de migração já é pública, então a pergunta útil não é se o 3.8 Flash vai desaparecer, mas por quanto tempo a tarifa introdutória sobreviverá a ele. A segunda é se a OpenAI coloca na mesa um sucessor do GPT-6 Luna ou uma mudança de preço; a Luna está estática desde 22 de setembro, e um modelo mais barato ou mais capaz no mesmo patamar redefiniria a aritmética da forma como o Hydrogen acabou de redefinir a do Gemini.

Até que um desses se concretize, o resumo é deliberadamente pouco glamoroso. O Gemini 3.8 Flash é o melhor modelo e a pior compra, e está de saída. O GPT-6 Luna é o modelo mais fraco, com um custo por tarefa uma ordem de magnitude menor e um piso factual que limita onde se pode confiar nele. Nenhum dos dois é padrão. O padrão, para qualquer pessoa que esteja começando agora, é o Hydrogen no lado Gemini e o Luna no piso — e a diferença entre esses dois não é mais de 7,5x, mas de 15x, o que é uma decisão diferente da que este confronto foi escrito para responder.