GPT-6 Luna против Gemini 3.8 Flash: бюджетный уровень только что заменили

G​oogle выпустила G​emini 4 Hydrogen 12 ноября 2026 года, и в посте о запуске она описывается как «крупное самостоятельное обновление для команд, переходящих с Gemini 3.8 Flash». Эта фраза делает то, чего не может ни одна таблица бенчмарков: она меняет, для чего нужно сравнение между GPT-6 Luna и Gemini 3.8 Flash. G​emini в этом противостоянии больше не модель, которую вы внедряете, — это модель, с которой вас переводят. Сторона Luna по-прежнему остаётся самой дешёвой ступенью G​PT-6 от O​penAI — восемь недель после запуска и без изменений. Поэтому честный вопрос не в том, какая из этих двух моделей лучше. А в том, сохраняется ли для Hydrogen за $1.50 то, что делало 3.8 Flash стоящей своих $0.75 за миллион входных токенов, — и была ли Luna с её $0.10 вообще на том же рынке.

Сначала — краткая версия, затем подробности. Gemini 3.8 Flash — более мощная модель почти по каждому независимому показателю и примерно в семь с половиной раз дороже в расчёте на токен. GPT-6 Luna выдаёт вдвое больше результата на запрос, стоит примерно в десять раз меньше за задачу в наборе тестов Artificial Analysis и заметно медленнее начинает отвечать. Hydrogen этого не решает — он поднимает уровень Gemini одновременно по цене и возможностям, оставляя дешёвый сегмент рынка по умолчанию за Luna.

Технические характеристики — бок о бок

• Тарифная сетка, обе половины — GPT-6 Luna по $0,10 за вход и $0,50 за выход за 1 млн против Gemini 3.8 Flash по $0,75 и $3,75; одинаковая разница в 7,5 раза фигурирует и на входе, и на выходе, что необычно и означает, что ни одна конфигурация рабочей нагрузки не позволяет арбитражировать это соотношение

• Кэшированный ввод на 1 млн — GPT-6 Luna $0.01 против Gemini 3.8 Flash $0.075; обратите внимание, что G​oogle указывает это как ставку попаданий в кэш, а не ставку записи в кэш, поэтому это не сопоставимо напрямую со схемой O​penAI с двумя числами.

• Тарификация длинного контекста — GPT-6 Luna удваивает стоимость ввода и кэша и умножает стоимость вывода на 1,5 при превышении 272 000 токенов промпта; Gemini 3.8 Flash предлагает единую фиксированную ставку для всего окна

• Контекстное окно — 1,050,000 токенов у GPT-6 Luna против 1,048,576 у Gemini 3.8 Flash; разница в 1,424 токена, которую никогда не заметит ни одно приложение

• Максимальный объём вывода — 128 000 токенов у GPT-6 Luna против 65 536 у Gemini 3.8 Flash; и это реальная разница, когда впервые запрашиваешь длинный документ.

• Что каждый из них фактически будет принимать на вход — Gemini 3.8 Flash принимает видео и аудио, а также текст, изображения и файлы; GPT-6 Luna принимает последние три и отказывается от первых двух

• Регулятор усилий — шкала Luna идёт от полного отсутствия (средний уровень, если ничего не указать) до максимума; у G​emini она стартует выше, по умолчанию стоит на высоком уровне, а G​oogle предупреждает, что чем выше вы её поднимаете, тем больше токенов она сжигает

• Выпуск — Gemini 3.8 Flash 2 сентября 2026 года; GPT-6 Luna 22 сентября 2026 года; Hydrogen, его замена, 12 ноября 2026 года.

• Artificial Analysis Intelligence Index v5.0.1 — 31 у Gemini 3.8 Flash в режиме high, 28 у GPT-6 Luna в режиме max, так что более дешёвая модель теряет три балла, работая в самом дорогом режиме.

• Ожидание первого слова — 16,98 с у Gemini 3.8 Flash против 79,33 с у GPT-6 Luna по данным Artificial Analysis; модель Gemini медленнее выполняет задачу целиком — 15 минут против 11,8 у Luna

• Во сколько обошёлся прогон индекса — Gemini 3.8 Flash: $7,77 за задачу, или $5 764 за полный набор, против $0,15 и $136 у GPT-6 Luna.

В семь с половиной раз дороже — и где это заметно

Разрыв в уровне интеллекта составляет три балла: 31 против 28. Это меньше, чем можно было бы предположить по соотношению цен, и меньше, чем думает большинство людей, но это не самая интересная часть сравнения, потому что два результата были получены при разных настройках усилий — G​emini на высоком уровне, Luna на максимальном. Оценка Luna при максимальных усилиях — это лучшее, на что она способна; оценка G​emini при высоких усилиях — это её значение по умолчанию. У модели G​oogle есть запас, которого нет у Luna.

Откуда взялись эти три пункта, полезнее, чем само число. Разложите индекс на составляющие — и проявится закономерность: две модели близки в оценках стиля кодирования и далеки друг от друга во всём, что требует припоминания или отказа.

• Terminal-Bench 4.0 — Gemini 3.8 Flash 19,7% против GPT-6 Luna 12,6%; оба слабы, и ни один не является терминальным агентом

• Terminal-Bench-Science 0.1 — Gemini 3.8 Flash 10,0% против GPT-6 Luna 8,6%, что в практическом плане означает ничью

• HLE-Diamond — Gemini 3.8 Flash 33,1 % против GPT-6 Luna 22,2 %: разрыв в одиннадцать процентных пунктов на сложных рассуждениях, с которыми ни одна из моделей не справляется хорошо

• FrontierCode-AA 2.0 — Gemini 3.8 Flash 18,7% против GPT-6 Luna 25,2%: единственный бенчмарк по программированию, где Luna лидирует, хотя обе модели значительно уступают моделям, превышающим 46%

• AA-Omniscience v1.1, нетто: Gemini 3.8 Flash +23 против GPT-6 Luna −8; это самый большой и наиболее значимый разрыв в таблице

• AA-Briefcase v1.1 Elo — GPT-6 Luna 1337 против Gemini 3.8 Flash 1203, показатель работы со знаниями, где побеждает более дешёвая модель

Вот на этой последней паре и стоит задержаться. В вопросах о том, что знает модель и признает ли она, что чего-то не знает, Gemini 3.8 Flash приносит +23, а Luna — −8: иными словами, сфабрикованные ответы Luna достаточно часто перевешивают правильные, чтобы утянуть итог ниже нуля. В интеллектуальной работе в стиле Briefcase Luna набирает на 134 Elo больше. Две оценки, противоположные вердикты, одни и те же две модели. Объяснение в том, что Briefcase вознаграждает следование инструкциям по предоставленному корпусу, а Omniscience — знание фактов без него. Если ваше приложение поставляет документы, слабость Luna сдерживается. Если оно отвечает по памяти — нет.

Почему стоимость одной задачи составляет 50x, если в тарифной карте указано 7,5x?

Списочные цены различаются в 7,5 раза. Измеренная стоимость прохождения Индекса интеллекта Artificial Analysis различается в 50 с лишним раз: $7,77 для Gemini 3.8 Flash против $0,15 для GPT-6 Luna. Разрыв между этими двумя соотношениями целиком объясняется потреблением токенов, и это самый недостаточно освещаемый показатель в каждом опубликованном в этом году сравнении моделей.

Gemini 3.8 Flash — это модель с интенсивным рассуждением. Google прямо это подтверждает: на сложных задачах она «проявляет большую тщательность — выполняет дополнительные шаги рассуждения и итеративно вызывает инструменты», а также «может использовать больше токенов для максимизации производительности, особенно при более высоких уровнях усилий». Собственные расчёты совета директоров это подтверждают: 98 900 выходных токенов на задачу у Gemini против 75 300 у Luna, из которых 60 100 и 57 600 соответственно приходится на токены рассуждения. Умножьте это количество токенов на тариф, который уже в 7,5 раза выше, и соотношение затрат на задачу вырастает до 50x. Это самый сильный аргумент в пользу Luna из всех существующих, и он вовсе не об интеллекте.

Это также работает в обратную сторону при другой нагрузке. Если ваши промпты длинные, а ответы короткие — поиск по фиксированному корпусу, классификация с выводом в один токен, триаж журналов — то выходные токены на обеих картах — лишь погрешность округления, и всё определяется 7,5-кратным соотношением входных токенов. Многословность G​emini так и не успевает накопиться, а преимущество Luna сокращается с 50x примерно до 7x. Моделировать нужно собственное соотношение входных и выходных токенов, а не то, что указано в бенчмарке.

Функциональный пробел, который никто не указывает в сравнительной таблице

Gemini 3.8 Flash нативно обрабатывает видео и аудио. GPT-6 Luna — нет: только текст, изображения и файлы, ничего больше. Для большинства текстовых задач это не имеет значения, и именно поэтому эти две модели вообще сравнивают: обе позиционируются как дешёвый уровень, у обеих примерно миллион токенов контекста, обе принимают изображения.

Для рабочей нагрузки, связанной с записанными звонками, записями экрана или аудио совещаний, сравнение на этом заканчивается. Luna не справится с этой задачей ни за какие деньги, и 7,5x — это не премиальная надбавка, а различие категорий. Та же логика действует в обратном направлении и для длины вывода: Luna возвращает до 128 000 токенов в одном ответе против 65 536 у Gemini, что важно, когда по одному звонку нужно получить целый документ, а не его абзац.

Что Hydrogen меняет, а что — нет

Собственное описание миграции от Google необычно прямо говорит о разнице показателей: Hydrogen завершает задачи в 2,5 раза быстрее при высоком уровне по умолчанию, чем 3.8 Flash, более чем втрое превосходит результат Terminal-Bench 4.1 (57% против 18,2%), сокращает число сфабрикованных утверждений более чем в 5 раз и в партнёрских тестах работает в 2–2,8 раза быстрее при использовании на 12–23% меньшего числа токенов. В индексе Artificial Analysis он набирает 51 на стандартном высоком уровне рассуждений против 50 у Argon и 54 при xhigh.

Кроме того, у неё фиксированная цена на всём контекстном окне: $1.50 за миллион входных токенов и $7.50 за миллион выходных — вдвое дороже 3.8 Flash по обоим показателям. Таким образом, модель, заменяющая 3.8 Flash, стоит вдвое дороже заменяемой модели и, по собственным данным Google, примерно на 20 пунктов выше по индексу интеллекта. Это прямой переход вверх по кривой, и он убирает средний сегмент рынка: покупатель, который хотел компетенции класса Gemini по ценам класса Flash, теперь получает модель выше и модель ниже, а старый вариант находится в процессе миграции.

Ничто из этого не меняет позицию Luna, потому что Luna никогда не конкурировала с моделью с индексом 31. Она конкурирует с нижней границей. При цене $0,10 за ввод и $0,50 за вывод Luna по-прежнему остаётся самым дешёвым способом обработать большой объём текста с компетентной моделью за спиной, и появление Hydrogen по цене $1,50 делает это ещё более верным, а не менее — вариант G​emini, который раньше стоил в 7,5 раза дороже Luna, теперь в 15 раз дороже.

Результаты сторонних тестов, которые расходятся

Не каждое независимое измерение разводит эти модели на три пункта. StealthMark — сервис сравнения, который проводит собственный оценочный набор, — ставит Gemini 3.8 Flash впереди GPT-6 Luna на 8,8 пункта, 47,9 против 39,1, причём Gemini лидирует в восьми из девяти отдельных бенчмарков. А Agent Initiative Benchmark от Deepnote — который оценивает модели по пятидесяти рабочим ситуациям внутри имитированной компании, а не по вопросам, — вообще не включал Gemini 3.8 Flash, поэтому единственная оценка, измеряющая проактивное поведение агентов, ничего не говорит об этой паре.

Разрыв между «тремя баллами» и «восемью с половиной баллами» напоминает, что выбор бенчмарка — это решение при моделировании, а не нейтральное. Оценки, в которых выигрывает G​emini, измеряют глубину знаний и рассуждений; те, в которых выигрывает Luna, ставят следование инструкциям выше предоставленного контекста и стоимости. Ни один из этих наборов не ошибочен. Команда, выбирающая между этими двумя, должна прогнать десяток собственных задач через оба варианта, прежде чем доверять какой-либо из таблиц, включая четыре в этой статье.

Где каждый из них теперь заслуживает своё место

Видео, аудио или любые мультимодальные входные данные — Gemini 3.8 Flash или Hydrogen, если вы начинаете с нуля. Luna не может принимать такие входные данные.

• Ответы, основанные на знаниях модели, без прикреплённых документов — Gemini 3.8 Flash. Разрыв +23 против −8 по показателю Omniscience является решающим доказательством.

• Интерактивная задержка, при которой первый токен за 79 секунд является дефектом продукта — Gemini 3.8 Flash за 17 секунд, хотя его среднее время на задачу — 15 минут — хуже, чем 11,8 у Luna, поэтому преимущество заключается в первом токене, а не в последнем.

• Длинные генерации, один вызов создаёт целый документ — GPT-6 Luna, благодаря пределу вывода в 128 000 токенов.

• Высокообъёмная обработка текста с предоставленными документами — GPT-6 Luna, где 50-кратное преимущество на задачу реально, а фактологическая основа ограничена корпусом.

• Новые внедрения, которым вообще нужен уровень G​emini, — G​emini 4 Hydrogen, а не 3.8 Flash. Чтобы принять модель через два дня после выхода её замены, нужна причина.

Вопрос миграции заслуживает ещё одного предложения, потому что это практическое решение, скрывающееся внутри этого сравнения. Если вы используете Gemini 3.8 Flash в продакшене сегодня, цифры Hydrogen говорят в пользу перехода — но его цена говорит о том, что сначала нужно смоделировать счёт, поскольку экономия токенов, о которой сообщает Google (12%–23%), не компенсирует удвоение обеих ставок. Если вы не используете ни тот, ни другой, выбор стоит между моделью, которую выводят из эксплуатации, и моделью, которая простояла без изменений восемь недель, и ответ полностью зависит от того, нужен ли вашей рабочей нагрузке видеовход или фактологическая основа.

Запуск любого из них без проекта миграции

Неудобство такого сравнения в том, что два кандидата говорят на разных протоколах — собственном generate-эндпоинте G​emini и формате chat-completions от O​penAI — а модель, выбранная сегодня, может устареть в течение квартала, как только что случилось с 3.8 Flash. OrcaRouter предоставляет доступ к GPT-6 Luna, Gemini 3.8 Flash, G​emini 4 Hydrogen и более чем 200 другим моделям через один ключ, совместимый с OpenAI, с наценкой 0%, цена из прайс-листа провайдера передаётся без изменений, поэтому вводная цена G​oogle и любое последующее изменение отражаются в счёте в тот же день. Здесь это важнее обычного: 3.8 Flash запускался по тому, что G​oogle назвала вводным тарифом, а модель на вводной цене, которую выводят из эксплуатации, — это статья расходов, за которой стоит следить. Переключение маршрута с одной модели на другую — это изменение routing-DSL, а не новый SDK; автоматический переход при сбое поддерживает рабочую нагрузку, когда один провайдер деградирует, а объединение моделей позволяет панели давать ответ там, где одна дешёвая классификация слишком значима, чтобы доверять её одной модели. Мы не размещаем модели, которые не маршрутизируем, и обе эти мы маршрутизируем.

Что посмотреть дальше

Две даты определяют, как это сравнение будет читаться через месяц. Первая — график вывода G​oogle Gemini 3.8 Flash из эксплуатации: Hydrogen вышел 12 ноября, и формулировки о миграции уже публичны, поэтому полезный вопрос не в том, исчезнет ли 3.8 Flash, а в том, сколько продержится вводный тариф после этого. Вторая — вынесет ли O​penAI на обсуждение преемника GPT-6 Luna или изменение цены; Luna не менялась с 22 сентября, и более дешёвая или более способная модель на той же ступени пересчитала бы расклад так же, как Hydrogen только что пересчитал расклад G​emini.

Пока ни один из них не выйдет, итог намеренно неброский. Gemini 3.8 Flash — лучшая модель и худшая покупка, и она уже уходит со сцены. GPT-6 Luna — более слабая модель со стоимостью за задачу на порядок ниже и фактологическим минимумом, который ограничивает, где ей можно доверять. Ни одна из них не является выбором по умолчанию. Выбор по умолчанию для всех, кто начинает сейчас, — Hydrogen на стороне G​emini и Luna в качестве базового уровня, и разрыв между этими двумя теперь не в 7,5 раза, а в 15 раз, а это уже другое решение, не то, ради ответа на которое писалось это сравнение.